RxJava2.x是一个非常棒的流式编程,采用的观察者模式思想,事件的产生者产生事间之后发送给绑定的接受者,接受顺序与发送顺序一致.但是 是独立于RxJava1.x存在,本文讲解RxJava2.x的简单使用
RxJava2 封装主要变化
- Transformer的变化:RxJava1.X为rx.Observable.Transformer接口, 继承自Func1<Observable<T>, Observable<R>>, RxJava2.X为io.reactivex.ObservableTransformer<Upstream, Downstream>,是一个独立的接口。
- Flowable则是FlowableTransformer,如果你使用Flowable,以下ObservableTransformer替换FlowableTransformer即可。
compile 'io.reactivex.rxjava2:rxjava:2.1.0'
compile 'io.reactivex.rxjava2:rxandroid:2.0.1'
简单使用:
//观察者模式,这里产生事件,事件产生后发送给接受者,但是一定要记得将事件的产生者和接收者捆绑在一起,否则会出现错误
Observable.create(new ObservableOnSubscribe<String>() {
@Override
public void subscribe(ObservableEmitter<String> e) throws Exception {
//这里调用的方法会在产生事件之后会发送给接收者,接收者对应方法会收到
e.onNext("hahaha");
e.onError(new Exception("wulala"));
e.onComplete();
}}).subscribe(new Observer<String>() {
//接受者,根据事件产生者产生的事件调用不同方法
@Override
public void onSubscribe(Disposable d) {
Log.e(TAG, "onSubscribe: ");
}
@Override
public void onNext(String value) {
Log.e(TAG, "onNext: " + value);
}
@Override
public void onError(Throwable e) {
Log.e(TAG, "onError: ", e);
}
@Override
public void onComplete() {
Log.e(TAG, "onComplete: ");
}
});
//观察者模式,这里产生事件,事件产生后发送给接受者,但是一定要记得将事件的产生者和接收者捆绑在一起,否则会出现错误
Observable.create(new ObservableOnSubscribe<String>() {
@Override
public void subscribe(ObservableEmitter<String> e) throws Exception {
//这里调用的方法会在产生事件之后会发送给接收者,接收者对应方法会收到
e.onNext("hahaha");
e.onError(new Exception("wulala"));
e.onComplete();
}}).subscribe(new Observer<String>() {
//接受者,根据事件产生者产生的事件调用不同方法
@Override
public void onSubscribe(Disposable d) {
Log.e(TAG, "onSubscribe: ");
}
@Override
public void onNext(String value) {
Log.e(TAG, "onNext: " + value);
}
@Override
public void onError(Throwable e) {
Log.e(TAG, "onError: ", e);
}
@Override
public void onComplete() {
Log.e(TAG, "onComplete: ");
}
});
我们来用图解一下这其中发生了什么事:
Paste_Image.png
上游朝下游发送数据,经过subscribe使上下游产生关系,即达成订阅.
解析1:
ObservableEmitter,这是个啥东西?Emitter:顾名思义,即Rxjava的发射器,通过这个发射器,即可发送事件-----通过调用onNext,onError,onComplete方法发送不同事件.
注意:
虽然RxJava可以进行事件发送,但这并不意味着你可以随便发送,这其中需要遵循一些规则.
onNext:你可以发送无数个onNext,发送的每个onNext接受者都会接收到.
onError:当发送了onError事件之后,发送者onError之后的事件依旧会继续发送,但是接收者当接收到onError之后就会停止接收事件了.
onComplete:当发送了onComplete事件之后,发送者的onComplete之后的事件依旧会继续发送,但是接收者接收到onComplete之后就停止接收事件了.
onError事件和onComplete事件是互斥的,但是这并不代表你配置了多个onError和onComplete一定会崩溃,多个onComplete是可以正常运行的,但是只会接收到第一个,之后的就不会再接收到了,多个onError时,只会接收到第一个,第二个会直接造成程序崩溃.
解析2:
Disposable又是个啥东西,翻译之后百度告诉我这东西叫做一次性的,是用来控制发送者和接受者之间的纽带的,默认为false,表示发送者和接受者直接的通信阀门关闭,可以正常通信,在调用dispose()方法之后,阀门开启,会阻断发送者和接收者之间的通信,从而断开连接.
重载方法:
subscribe(); //表示发送者随意发送数据,接受者什么都不管,什么都不接收.
subscribe(Consumer<? super T> onNext) {} //只响应onNext()事件,其他的事件忽略.
subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError) {} //含义同上
subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError, Action onComplete) {} //含义同上
subscribe(Consumer<? super T> onNext, Consumer<? super Throwable> onError, Action onComplete, Consumer<? super Disposable> onSubscribe) {} //含义同上
解析3:
默认情况下,发送者和接收者都运行在主线程,但是这显然是不符合实际需求的,我们在日常使用中,通常用的最多的就是在子线程进行各种耗时操作,然后发送到主线程进行,难道我们就没有办法继续用这个优秀的库了?想多了你,一个优秀的库如果连这都想不到,怎么能被称为优秀呢,RxJava中有线程调度器,通过线程调度器,我们可以很简单的实现这种效果,下面放代码.
Observable.create(new ObservableOnSubscribe<String>() {
@Override
public void subscribe(ObservableEmitter<String> e) throws Exception {
e.onNext("hahaha");
e.onNext("hahaha");
e.onNext("hahaha");
Log.e(TAG,"运行在什么线程" + Thread.currentThread().getName());
e.onComplete();
}
}).subscribeOn(Schedulers.newThread()) //线程调度器,将发送者运行在子线程
.observeOn(AndroidSchedulers.mainThread()) //接受者运行在主线程
.subscribe(new Observer<String>() {
@Override
public void onSubscribe(Disposable d) {
Log.e(TAG, "onSubscribe: ");
Log.e(TAG,"接收在什么线程" + Thread.currentThread().getName());
}
@Override
public void onNext(String value) {
Log.e(TAG, "onNext: " + value);
}
@Override
public void onError(Throwable e) {
Log.e(TAG, "onError: ", e);
}
@Override
public void onComplete() {
Log.e(TAG, "onComplete: ");
}
});
Observable.create(new ObservableOnSubscribe<String>() {
@Override
public void subscribe(ObservableEmitter<String> e) throws Exception {
e.onNext("hahaha");
e.onNext("hahaha");
e.onNext("hahaha");
Log.e(TAG,"运行在什么线程" + Thread.currentThread().getName());
e.onComplete();
}
}).subscribeOn(Schedulers.newThread()) //线程调度器,将发送者运行在子线程
.observeOn(AndroidSchedulers.mainThread()) //接受者运行在主线程
.subscribe(new Observer<String>() {
@Override
public void onSubscribe(Disposable d) {
Log.e(TAG, "onSubscribe: ");
Log.e(TAG,"接收在什么线程" + Thread.currentThread().getName());
}
@Override
public void onNext(String value) {
Log.e(TAG, "onNext: " + value);
}
@Override
public void onError(Throwable e) {
Log.e(TAG, "onError: ", e);
}
@Override
public void onComplete() {
Log.e(TAG, "onComplete: ");
}
});
注意事项: 变换线程方法与1.x一致
subscribeOn(),只有在第一次调用的时候生效,之后不管调用多少次,只会以第一次为准.
observeOn(),可以被调用多次,每次调用都会更改线程.
RxJava线程池中的几个线程选项
- Schedulers.io() io操作的线程, 通常io操作,如文件读写.
- Schedulers.computation() 计算线程,适合高计算,数据量高的操作.
- Schedulers.newThread() 创建一个新线程,适合子线程操作.
- AndroidSchedulers.mainThread() Android的主线程,主线程
操作符之变换
Map:
首先是变换操作符- > Map,(此处引入以前看过的一篇文章的一句话:不知道Map已经统治世界了么?)那么在RxJava2中,Map究竟是个什么鬼.
map是RxJava中最简单的一个变换操作符,它的作用是将上游发送过来的事件都去应用一个函数,让每一个事件都按照该函数去变化,下游接收到事件时,就变成了变化过后的事件,多说无益,上代码.
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
e.onNext(1);
e.onNext(2);
e.onNext(3);
}
}).map(new Function<Integer, String>() {
@Override
public String apply(Integer integer) throws Exception {
return "我是变换过后的" + integer;
}
}).subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e("XYK",s);
}
});
}
通过运行结果可以看到,我们在上游发送的数据类型为Integer,到了下游接收到的数据为String类型,中间通过map对其进行了转换,是不是感觉很强大?通过map我们可以将上游数据转化为任意类型发送到下游,就是这么6~
圆形事件1,2,3,经过Map转化之后,变成了三角形事件1,2,3,但是有童鞋要问了,这有什么用呢,我们来举一个实际需求的例子,用Map来做一下:
读取一篇英文文章,将文章中的字符全部转换为大写.
我们先来用非RxJava2来做一下:
//模拟一篇文章
String article = "fkjdsalijfofldaJFOIEjfldanlJR2OnfldajilwafkndaIUPO32,LFKjlijuJFLMA";
char[] chars = article.toCharArray();
StringBuffer sb = new StringBuffer();
for (int i = 0; i < chars.length; i++) {
Log.e(TAG,chars[i] + "");
if(chars[i] >= 'a' && chars[i] <= 'z'){
sb.append((chars[i] + "").toUpperCase());
}else{
sb.append(chars[i]);
}
}
Log.e(TAG,sb.toString());
//模拟一篇文章
String article = "fkjdsalijfofldaJFOIEjfldanlJR2OnfldajilwafkndaIUPO32,LFKjlijuJFLMA";
char[] chars = article.toCharArray();
StringBuffer sb = new StringBuffer();
for (int i = 0; i < chars.length; i++) {
Log.e(TAG,chars[i] + "");
if(chars[i] >= 'a' && chars[i] <= 'z'){
sb.append((chars[i] + "").toUpperCase());
}else{
sb.append(chars[i]);
}
}
Log.e(TAG,sb.toString());
好像看上去没什么问题,但是这逼格显然不够高,程序员的精髓不就是要敲出一段逼格超高的代码么,我们试试用RxJava2:
//模拟一篇文章
String article = "fkjdsalijfofldaJFOIEjfldanlJR2OnfldajilwafkndaIUPO32,LFKjlijuJFLMA";
final char[] chars = article.toCharArray();
Observable.create(new ObservableOnSubscribe<Character>() {
@Override
public void subscribe(ObservableEmitter<Character> e) throws Exception {
for (int i = 0; i < chars.length; i++) {
e.onNext(chars[i]);
}
}
//delay 延时5秒发送
}).delay(5, TimeUnit.SECONDS)
//事件类型转换
.map(new Function<Character, String>() {
@Override
public String apply(Character s) throws Exception {
if (s >= 'a' && s <= 'z') {
return s.toString().toUpperCase();
} else {
return s.toString();
}
}
})
//线程调度
.subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e(TAG, s);
}
});
//模拟一篇文章
String article = "fkjdsalijfofldaJFOIEjfldanlJR2OnfldajilwafkndaIUPO32,LFKjlijuJFLMA";
final char[] chars = article.toCharArray();
Observable.create(new ObservableOnSubscribe<Character>() {
@Override
public void subscribe(ObservableEmitter<Character> e) throws Exception {
for (int i = 0; i < chars.length; i++) {
e.onNext(chars[i]);
}
}
//delay 延时5秒发送
}).delay(5, TimeUnit.SECONDS)
//事件类型转换
.map(new Function<Character, String>() {
@Override
public String apply(Character s) throws Exception {
if (s >= 'a' && s <= 'z') {
return s.toString().toUpperCase();
} else {
return s.toString();
}
}
})
//线程调度
.subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread())
.subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e(TAG, s);
}
});
瞬间逼格就上去了,而且还做了线程调度等操作,是不是心头顿时感觉一串666飘过,这仅仅是最基础的转化操作符,接下来我们在看一个FlatMap:
FlatMap
FlatMap,上来就看到map,这个操作符和刚才的map有什么区别呢,flatmap可以将上游发送过来的数据,变换为多个数据,然后合并为一个事件发送到下游,这么说是不是有点难懂?恩,还是直接上代码:
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
e.onNext(1);
e.onNext(2);
e.onNext(3);
}
}).flatMap(new Function<Integer, ObservableSource<String>>() {
@Override
public ObservableSource<String> apply(Integer integer) throws Exception {
List<String> list = new ArrayList<String>();
for (int i = 0; i < 5; i++) {
list.add("我是变换过的" + integer);
}
return Observable.fromIterable(list);
}
}).subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e("XYK", s);
}
});
}
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
e.onNext(1);
e.onNext(2);
e.onNext(3);
}
}).flatMap(new Function<Integer, ObservableSource<String>>() {
@Override
public ObservableSource<String> apply(Integer integer) throws Exception {
List<String> list = new ArrayList<String>();
for (int i = 0; i < 5; i++) {
list.add("我是变换过的" + integer);
}
return Observable.fromIterable(list);
}
}).subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e("XYK", s);
}
});
}
通过运行结果可以看到,上游发送的数据在到达flatmap的时候,经过处理,将每个事件变成了5个,而后将5个合并为1个事件发送到下游,并且我们可以注意到,发送到下游的数据是无序的,那么这时候就要说了,我要接收的事件是有序的怎么办,这就是接下来要说的concatMap.
ConcatMap:
ConcatMap和FlatMap一样,只不过一个是有序,一个是无序而已,我们直接把上边的代码做一个更改:
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
e.onNext(1);
e.onNext(2);
e.onNext(3);
}
}).concatMap(new Function<Integer, ObservableSource<String>>() {
@Override
public ObservableSource<String> apply(Integer integer) throws Exception {
List<String> list = new ArrayList<String>();
for (int i = 0; i < 5; i++) {
list.add("我是变换过的" + integer);
}
return Observable.fromIterable(list);
}
}).subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e("XYK", s);
}
});
}
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
e.onNext(1);
e.onNext(2);
e.onNext(3);
}
}).concatMap(new Function<Integer, ObservableSource<String>>() {
@Override
public ObservableSource<String> apply(Integer integer) throws Exception {
List<String> list = new ArrayList<String>();
for (int i = 0; i < 5; i++) {
list.add("我是变换过的" + integer);
}
return Observable.fromIterable(list);
}
}).subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e("XYK", s);
}
});
}
过滤操作符
Filter
Filter,顾名思义,过滤器,可以过滤掉一部分不符合要求的事件,当上游给我们发送的数据超多,而下游需要的只是一些特定的数据,如果全部接收上游发送的数据,很容易造成OOM,为了避免OOM的出现,我们则需要对上游数据进行过滤,具体操作如下:
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; i < 10000; i++) {
e.onNext(i);
}
}
}).observeOn(Schedulers.io())
.subscribeOn(AndroidSchedulers.mainThread())
.filter(new Predicate<Integer>() {
@Override
public boolean test(Integer integer) throws Exception {
return integer % 7 == 0;
}
}).subscribe(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Log.e("XYK",integer + "");
}
});
}
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; i < 10000; i++) {
e.onNext(i);
}
}
}).observeOn(Schedulers.io())
.subscribeOn(AndroidSchedulers.mainThread())
.filter(new Predicate<Integer>() {
@Override
public boolean test(Integer integer) throws Exception {
return integer % 7 == 0;
}
}).subscribe(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Log.e("XYK",integer + "");
}
});
}
在上面的代码中,我们朝下游发送了10000个数据,而我只需要其中可以被7整除的数据,利用filter,将其他的数据过滤出去,留下需要的数据.
Filter方法使我们经常用到的一个过滤方法,基本已经可以满足大部分应用场所了,最常见的是过滤一些null对象,但是除此之外,还有一些其他的过滤方法,我们也来看下.
Sample
Sample,样品,其功能也是,sample会每隔一段时间对上游数据进行取样,发送到下游,但是这样会导致丢失了大量事件,比较适合特定场合,如对一组数中进行抽样,代码如下:
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; ; i++) {
e.onNext(i);
}
}
}).sample(1,TimeUnit.SECONDS)
.subscribe(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Log.e("XYK",integer + "");
}
});
}
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; ; i++) {
e.onNext(i);
}
}
}).sample(1,TimeUnit.SECONDS)
.subscribe(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Log.e("XYK",integer + "");
}
});
}
在上边的代码中,使用sample之后,每隔1秒对上游数据采样一次,发送到下游,其他事件则被过滤.
take/takeList
take和takeList方法可以将上游事件中的前N项或者最后N项发送到下游,其他事件则进行过滤,代码如下:
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; ; i++) {
e.onNext(i);
}
}
}).take(3)
//.takeList(3)
.subscribe(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Log.e("XYK",integer + "");
}
});
}
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; ; i++) {
e.onNext(i);
}
}
}).take(3)
//.takeList(3)
.subscribe(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Log.e("XYK",integer + "");
}
});
}
distinct
distinct方法,可以将重复对象去除重复对象,这里我们要用到一个方法,repeat(),产生重复事件,这里重复事件,再去除有些多余,只作为一个例子来展示.
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0;i < 50; i++) {
e.onNext(i);
}
}
}).take(3)
//生成重复事件
.repeat(3)
.distinct()
.subscribe(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Log.e("XYK",integer + "");
}
});
Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0;i < 50; i++) {
e.onNext(i);
}
}
}).take(3)
//生成重复事件
.repeat(3)
.distinct()
.subscribe(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Log.e("XYK",integer + "");
}
});
组合操作符
zip操作符:
Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
e.onNext(1);
e.onNext(2);
e.onNext(3);
e.onNext(4);
}
});
Observable<String> observable1 = Observable.create(new ObservableOnSubscribe<String>() {
@Override
public void subscribe(ObservableEmitter<String> e) throws Exception {
e.onNext("这是");
e.onNext("这个是");
e.onNext("这个则是");
}
});
Observable<String> observable2 = Observable.create(new ObservableOnSubscribe<String>() {
@Override
public void subscribe(ObservableEmitter<String> e) throws Exception {
e.onNext("个");
e.onNext("只");
e.onNext("条");
e.onNext("张");
e.onNext("本");
e.onNext("副");
}
});
Observable.zip(observable, observable1, observable2, new Function3<Integer, String, String, String>() {
@Override
public String apply(Integer integer, String s, String s2) throws Exception {
return s + integer + s2;
}
}).subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e("XYK",s);
}
});
Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
e.onNext(1);
e.onNext(2);
e.onNext(3);
e.onNext(4);
}
});
Observable<String> observable1 = Observable.create(new ObservableOnSubscribe<String>() {
@Override
public void subscribe(ObservableEmitter<String> e) throws Exception {
e.onNext("这是");
e.onNext("这个是");
e.onNext("这个则是");
}
});
Observable<String> observable2 = Observable.create(new ObservableOnSubscribe<String>() {
@Override
public void subscribe(ObservableEmitter<String> e) throws Exception {
e.onNext("个");
e.onNext("只");
e.onNext("条");
e.onNext("张");
e.onNext("本");
e.onNext("副");
}
});
Observable.zip(observable, observable1, observable2, new Function3<Integer, String, String, String>() {
@Override
public String apply(Integer integer, String s, String s2) throws Exception {
return s + integer + s2;
}
}).subscribe(new Consumer<String>() {
@Override
public void accept(String s) throws Exception {
Log.e("XYK",s);
}
});
运行结果:
Paste_Image.png
我们可以看到,3条上游中分别有4个事件,3个事件,6个事件,经过zip操作符操作之后为什么就只变成了3个事件了呢?我们来打下Log,看看其他事件去哪了.
添加Log之后的运行结果:
Paste_Image.png
根据运行结果可以看到,上游逐条发送到下游,下游在接收到最后一条上游发送过来的事件之后开始组合,而多余的数据也被发送了,但是并没有被进行组合,这样是不是就看明白了呢?但是这时候有问题了,组合完成之后,多余的数据依旧在发送,如果我们不停发呢?会产生什么后果?,我们来修改一下observable
的代码:
Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; ; i++) {
Log.e("XYK",i + "");
e.onNext(i);
}
}
});
Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; ; i++) {
Log.e("XYK",i + "");
e.onNext(i);
}
}
});
运行之后通过Monitors我们查看一下内存:(Sorry,这里没截下图来....可以自己试一下,不过想一下也知道,内存肯定会暴增嘛...)
在内存持续暴增的情况下,可能用不了多久就会OOM,这种情况下我们应该怎么办呢?
还记不记得上篇文章写了啥,过滤啊,我们把不需要的过滤掉不就好了
Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; ; i++) {
e.onNext(i);
}
}
}).filter(new Predicate<Integer>() {
@Override
public boolean test(Integer integer) throws Exception {
return integer % 100 == 0;
}
});
Observable<Integer> observable = Observable.create(new ObservableOnSubscribe<Integer>() {
@Override
public void subscribe(ObservableEmitter<Integer> e) throws Exception {
for (int i = 0; ; i++) {
e.onNext(i);
}
}
}).filter(new Predicate<Integer>() {
@Override
public boolean test(Integer integer) throws Exception {
return integer % 100 == 0;
}
});
当然,除此之外还有很多办法,可以根据实际情况来进行组合应用.
RxJava中的zip操作符作用是将多条上游发送的事件进行结合到一起,发送到下游,并且按照顺序来进行结合,如多条上游中发送的事件数量不一致,则以最少的那条中的事件为准,下游接收到的事件数量和其相等.
Rxjava的2.x与1.x的区别(官翻)
Nulls
null
值,如果传入一个null
会抛出 NullPointerException
Observable.just(null);
Single.just(null);
Observable.fromCallable(() -> null)
.subscribe(System.out::println, Throwable::printStackTrace);
Observable.just(1).map(v -> null)
.subscribe(System.out::println, Throwable::printStackTrace);
Observable<Void>
不再发射任何值,而只是正常结束或者抛出异常。API 设计者可以定义 Observable<Object>
这样的观察者, 因为并不确定具体是什么类型的 Object
。例如,如果你需要一个 signaller-like ,你可以定义一个共享的枚举类型,它是一个单独的实例onNext
‘d:
enum Irrelevant { INSTANCE; }
Observable<Object> source = Observable.create((ObservableEmitter<Object> emitter) -> {
System.out.println("Side-effect 1");
emitter.onNext(Irrelevant.INSTANCE);
System.out.println("Side-effect 2");
emitter.onNext(Irrelevant.INSTANCE);
System.out.println("Side-effect 3");
emitter.onNext(Irrelevant.INSTANCE);
});
source.subscribe(e -> { /* Ignored. */ }, Throwable::printStackTrace);
Observable 和 Flowable
Observable
。 主要的背压问题是有很多很火的代码,像UI events,不能合理的背压,导致了无法意料的 MissingBackpressureException
。io.reactivex.Observable
设计成非背压的,并增加一个新的io.reactivex.Flowable
io.reactivex.Observable
Single
Single
类可以发射一个单独onSuccess
或 onError
消息。它现在按照Reactive-Streams规范被重新设计,SingleObserver
改成了如下的接口。
interface SingleObserver<T> {
void onSubscribe(Disposable d);
void onSuccess(T value);
void onError(Throwable error);
}
onSubscribe (onSuccess | onError)?
.
Completable
Completable
大部分和以前的一样。因为它在1.x的时候就是按照Reactive-Streams的规范进行设计的。 命名上有些变化,
rx.Completable.CompletableSubscriber
变成了 io.reactivex.CompletableObserver
和 onSubscribe(Disposable)
:
interface CompletableObserver<T> {
void onSubscribe(Disposable d);
void onComplete();
void onError(Throwable error);
}
onSubscribe (onComplete | onError)?
.
Maybe
Maybe
。从概念上来说,它是Single
和 Completable
Maybe
类结合了MaybeSource
, MaybeObserver<T>
作为信号接收接口,同样遵循协议onSubscribe (onSuccess | onError | onComplete)?
。因为最多有一个元素被发射,Maybe
没有背压的概念。onSubscribe(Disposable)
请求可能还会触发其他 onXXX
方法。和Flowable
不同,如果那有一个单独的值要发射,那么只有onSuccess
被调用,onComplete
不被调用。Flowable
的子类操作符一样可以发射0个或1个序列。
Maybe.just(1)
.map(v -> v + 1)
.filter(v -> v == 1)
.defaultIfEmpty(2)
.test()
.assertResult(2);
Base reactive interfaces
基础reactive接口
Flowable
实现了 Publisher<T>
接口,其他基础类也实现了类似的基础接口
interface ObservableSource<T> {
void subscribe(Observer<? super T> observer);
}
interface SingleSource<T> {
void subscribe(SingleObserver<? super T> observer);
}
interface CompletableSource {
void subscribe(CompletableObserver observer);
}
interface MaybeSource<T> {
void subscribe(MaybeObserver<? super T> observer);
}
Publisher
和 XSource
的一些基础的类型。
Flowable<R> flatMap(Function<? super T, ? extends Publisher<? extends R>> mapper);
Observable<R> flatMap(Function<? super T, ? extends ObservableSource<? extends R>> mapper);
Publisher
作为输入,你可以组合其他的遵从Reactive-Streams规范的库,而不需要包裹或把它们转换成Flowable
。
如果一个操作符必须要提供一个基础类,那么用户将会收到一个完整的基础类。
Flowable<Flowable<Integer>> windows = source.window(5);
source.compose((Flowable<T> flowable) ->
flowable
.subscribeOn(Schedulers.io())
.observeOn(AndroidSchedulers.mainThread()));
Subjects 和 Processors
Subject
类似于行为,即消费者和提供者的事件在同一时间发生。随着Observable
/Flowable
的分离,支持背压的类都是遵从Reactive-Streams规范的FlowableProcessor<T>
的子类。一个关于Subject
重要的变化是它们不再支持T -> R
这样的转换。io.reactivex.subjects.AsyncSubject
, io.reactivex.subjects.BehaviorSubject
,io.reactivex.subjects.PublishSubject
, io.reactivex.subjects.ReplaySubject
和 io.reactivex.subjects.UnicastSubject
io.reactivex.processors.AsyncProcessor
, io.reactivex.processors.BehaviorProcessor
,io.reactivex.processors.PublishProcessor
, io.reactivex.processors.ReplayProcessor
和io.reactivex.processors.UnicastProcessor
支持背压。 BehaviorProcessor
和 PublishProcessor
不能协同请求下级的订阅者,如果下游不能保存,则会发射一个MissingBackpressureException
异常。其他XProcessor
类支持对下游订阅者背压,但是当被订阅源时,它们会无限制的消费。
其他类
rx.observables.ConnectableObservable
现在是io.reactivex.observables.ConnectableObservable<T>
和io.reactivex.flowables.ConnectableFlowable<T>
。
GroupedObservable
rx.observables.GroupedObservable
现在是io.reactivex.observables.GroupedObservable<T>
和io.reactivex.flowables.GroupedFlowable<T>
.GroupedObservable.from()
创建一个实例。在2.x中,所有实例都直接继承了GroupedObservable
,因此这个工厂方法不再可用; 现在整个类都是抽象的。subscribeActual
行为来达到1.x中相似的功能。
class MyGroup<K, V> extends GroupedObservable<K, V> {
final K key;
final Subject<V> subject;
public MyGroup(K key) {
this.key = key;
this.subject = PublishSubject.create();
}
@Override
public T getKey() {
return key;
}
@Override
protected void subscribeActual(Observer<? super T> observer) {
subject.subscribe(observer);
}
}
功能接口
1.x 和 2.x 是跑在Java 6以上的虚拟机的,所以我们不能使用Java8的功能接口(functional interfaces),比如java.util.function.Function
。但我们可以按照这个例子来定义自己的功能接口(functional interfaces)。throws Exception
。这对于consumers 和 mappers 来说是一个巨大的便利,你不需要用try-catch
捕获异常。
Flowable.just("file.txt")
.map(name -> Files.readLines(name))
.subscribe(lines -> System.out.println(lines.size()), Throwable::printStackTrace);
IOException
。你可以直接调用Files.readLines(name)
而不需要捕获异常。
Actions
Action3
-Action9
和ActionN
。Action0
被操作符io.reactivex.functions.Action
和Scheduler
代替。Action1
被重命名为Consumer
。Action2
被重命名为BiConsumer
。 ActionN
被Consumer<Object[]>
Functions
io.reactivex.functions.Function
和io.reactivex.functions.BiFunction
, 把Func3
- Func9
分别改成了 Function3
- Function9
。FuncN
被Function<Object[], R>
代替。Func1<T, Boolean>
但原始返回类型为Predicate<T>
。io.reactivex.functions.Functions
类提供了常见的转换功能Function<Object[], R>
Subscriber
org.reactivestreams.Subscription
,而不是分别用rx.Producer
和 rx.Subscription
。这就可以用比1.x中rx.Subscriber
更少的内部状态来创建一个stream consumers。
Flowable.range(1, 10).subscribe(new Subscriber<Integer>() {
@Override
public void onSubscribe(Subscription s) {
s.request(Long.MAX_VALUE);
}
@Override
public void onNext(Integer t) {
System.out.println(t);
}
@Override
public void onError(Throwable t) {
t.printStackTrace();
}
@Override
public void onComplete() {
System.out.println("Done");
}
});
rx
包改成org.reactivestreams
。此外org.reactivestreams.Subscriber
Flowable
定义了抽象类DefaultSubscriber
, ResourceSubscriber
和 DisposableSubscriber
分别提供了类似于rx.Subscriber
的资源跟踪支持,并且可以从外面取消 dispose()
:
ResourceSubscriber<Integer> subscriber = new ResourceSubscriber<Integer>() {
@Override
public void onStart() {
request(Long.MAX_VALUE);
}
@Override
public void onNext(Integer t) {
System.out.println(t);
}
@Override
public void onError(Throwable t) {
t.printStackTrace();
}
@Override
public void onComplete() {
System.out.println("Done");
}
};
Flowable.range(1, 10).delay(1, TimeUnit.SECONDS).subscribe(subscriber);
subscriber.dispose();
onCompleted
被重命名为onComplete
。Observable.subscribe(Subscriber)
返回Subscription
,用户经常添加Subscription
到CompositeSubscription
中,例如:
CompositeSubscription composite = new CompositeSubscription();
composite.add(Observable.range(1, 5).subscribe(new TestSubscriber<Integer>()));由于Reactive-Streams规范,Publisher.subscribe无返回值。为了弥补这一点,我们增加了E subscribeWith(E subscriber)方法。因为在2.x中ResourceSubscriber 直接实现了Disposable,所以代码可以这样写。
Publisher.subscribe
E subscribeWith(E subscriber)
ResourceSubscriber
Disposable
CompositeDisposable composite2 = new CompositeDisposable();
composite2.add(Flowable.range(1, 5).subscribeWith(subscriber));
在onSubscribe/onStart中调用request
Subscriber.onSubscribe
或ResourceSubscriber.onStart
中调用request(n)
将会立即调用onNext
,实例代码如下:
Flowable.range(1, 3).subscribe(new Subscriber<Integer>() {
@Override
public void onSubscribe(Subscription s) {
System.out.println("OnSubscribe start");
s.request(Long.MAX_VALUE);
System.out.println("OnSubscribe end");
}
@Override
public void onNext(Integer v) {
System.out.println(v);
}
@Override
public void onError(Throwable e) {
e.printStackTrace();
}
@Override
public void onComplete() {
System.out.println("Done");
}
});
This will print:
将会打印:
OnSubscribe start
1
2
3
Done
OnSubscribe end
onSubscribe
/onStart
中做了一些初始化的工作,而这些工作是在request
后面时,会出现一些问题,在onNext
执行时,你的初始化工作的那部分代码还没有执行。为了避免这种情况,请确保你调用request
时,已经把所有初始化工作做完了。request
要经过延迟的逻辑直到上游的Producer
到达时。在2.x中,总是Subscription
先传递下来,90%的情况下没有延迟请求的必要。
Subscription
rx.Subscription
负责流和资源的生命周期管理,即退订和释放资源,例如scheduled tasks。Reactive-Streams规范用这个名称指定source和consumer之间的关系: org.reactivestreams.Subscription
rx.Subscription
被改成了 io.reactivex.Disposable
。org.reactivestreams.Publisher
定义subscribe()
为无返回值,Flowable.subscribe(Subscriber)
不再返回任何Subscription
。其他的基础类型也遵循这种规律。subscribe
的重载方法返回Disposable
。Subscription
容器类型已经被重命名和修改。CompositeSubscription
- 改成
CompositeDisposable
- ,
SerialSubscription
- 和
MultipleAssignmentSubscription
- 被合并到了
SerialDisposable
- 。
set()
- 方法取消了旧值,而
replace()
- 方法没有。
RefCountSubscription
背压
Flowable
被设计成适合下游请求,然而这个不意味着MissingBackpressureException
不会出现。这个异常仍然存在。但这一次,onNext
会抛出这个异常。Observable
完全不支持背压,但可以被替换。
Reactive-Streams compliance
Flowable-based sources和operators是遵从Reactive-Streams 1.0.0规范的,除了一个规则§3.9和解释的规则§1.3:
§3.9: While the Subscription is not cancelled, Subscription.request(long n) MUST signal onError with a java.lang.IllegalArgumentException if the argument is <= 0. The cause message MUST include a reference to this rule and/or quote the full rule.
every operator dealing with request()) for a bug-case. RxJava 2 (and Reactor 3 in fact) reports the IllegalArgumentException
to RxJavaPlugins.onError
and ignores it otherwise. RxJava 2 passes the Test Compatibility Kit (TCK) by applying a custom operator that routes the IllegalArgumentException
into the Subscriber.onError
§1.3: onSubscribe, onNext, onError and onComplete signaled to a Subscriber MUST be signaled sequentially (no concurrent notifications).
onSubscribe
和 onNext
之间往返。也就是说在onSubscribe
中,调用request(1)
后将会调用onNext
,在onNext
返回后request(1)
才会返回。虽然大部分操作符都是这样的,但操作符observeOn
会异步的调用onNext
,因此onSubscribe
会和onNext
同时被调用。这就是由TCK来检测,我们使用another operator来延迟下游请求直到onSubscribe
返回。再次声明,这种异步行为不是RxJava 2的一个问题,因为在Reactor 3中操作符是线程安全的执行onSubscribe
。Akka-Stream的转换类似于延迟请求。Flowable
增加了一个标准的操作符,把这两种行为改到一个单独的方法。
Runtime hooks
RxJavaPlugins
类,现在支持运行时改变回调。测试需要重写schedulers,生命周期方法可以通过回调函数。RxJavaObservableHook
和友类现在都取消了,RxJavaHooks
功能被加入到了RxJavaPlugins
。
Schedulers
computation
, io
, newThread
和 trampoline
,可以通过io.reactivex.schedulers.Schedulers
这个实用的工具类来调度。immediate
调度器。 它被频繁的误用,并没有正常的实现 Scheduler
规范;它包含用于延迟动作的阻塞睡眠,并且不支持递归调度。你可以使用Schedulers.trampoline()
来代替它。Schedulers.test()
已经被移除,这样避免了默认调度器休息的概念差异。那些返回一个”global”的调度器实例是鉴于test()
总是返回一个新的TestScheduler
实例。现在我们鼓励测试人员使用这样简单的代码new TestScheduler()
。io.reactivex.Scheduler
抽象类现在支持直接调度任务,不需要先创建然后通过Worker
调度。
public abstract class Scheduler {
public Disposable scheduleDirect(Runnable task) { ... }
public Disposable scheduleDirect(Runnable task, long delay, TimeUnit unit) { ... }
public Disposable scheduleDirectPeriodically(Runnable task, long initialDelay,
long period, TimeUnit unit) { ... }
public long now(TimeUnit unit) { ... }
// ... rest is the same: lifecycle methods, worker creation
}
Worker
的开销。方法有一个默认的实现,你可以直接复用 createWorker
now()
被改成接受一个用于指定单位量的TimeUnit
的方法。
进入reactive的世界
rx.Observable.create()
方法,该方法虽然很强大,但导致了你很少使用内置典型的操作符。不幸的是,有太多的代码依赖于这个库,所以我们不能删除或重命名它。Flowable
, Observable
, Single
, Maybe
和 Completable
都有安全的create
操作符去支持背压和取消。
Flowable.create((FlowableEmitter<Integer> emitter) -> {
emitter.onNext(1);
emitter.onNext(2);
emitter.onComplete();
}, BackpressureStrategy.BUFFER);
fromEmitter
已经被重命名为Flowable.create
。其他基础类型也有类似的create
方法。
离开reactive的世界
Subscriber
, Observer
, SingleObserver
, MaybeObserver
和 CompletableObserver
) 以及functional-interface 基础consumers(例如 subscribe(Consumer<T>, Consumer<Throwable>, Action)
),以前在1.x中独立的BlockingObservable
已经集成了主要的基础类型。现在你可以直接调用blockingX
来阻塞等待结果:
List<Integer> list = Flowable.range(1, 100).toList().blockingGet(); // toList() returns Single
Integer i = Flowable.range(100, 100).blockingLast();
rx.Subscriber
和org.reactivestreams.Subscriber
重要的区别是,你的Subscriber
和Observer
不允许抛出任何致命的异常。这意味着下面这样的代码不再是合法的:
Subscriber<Integer> subscriber = new Subscriber<Integer>() {
@Override
public void onSubscribe(Subscription s) {
s.request(Long.MAX_VALUE);
}
public void onNext(Integer t) {
if (t == 1) {
throw new IllegalArgumentException();
}
}
public void onError(Throwable e) {
if (e instanceof IllegalArgumentException) {
throw new UnsupportedOperationException();
}
}
public void onComplete() {
throw new NoSuchElementException();
}
};
Flowable.just(1).subscribe(subscriber);
Observer
, SingleObserver
, MaybeObserver
和 CompletableObserver
。safeSubscribe
方法来帮助你处理这样的代码。subscribe(Consumer<T>, Consumer<Throwable>, Action)
方法来提供一个回调。
Flowable.just(1)
.subscribe(
subscriber::onNext,
subscriber::onError,
subscriber::onComplete,
subscriber::onSubscribe
);
Testing
Flowable
可以用io.reactivex.subscribers.TestSubscriber
测试,而非背压的Observable
, Single
,Maybe
和 Completable
可以用io.reactivex.observers.TestObserver
测试。
test() “operator”
test()
方法,返回TestSubscriber
或 TestObserver
:
TestSubscriber<Integer> ts = Flowable.range(1, 5).test();
TestObserver<Integer> to = Observable.range(1, 5).test();
TestObserver<Integer> tso = Single.just(1).test();
TestObserver<Integer> tmo = Maybe.just(1).test();
TestObserver<Integer> tco = Completable.complete().test();
TestSubscriber
/TestObserver
方法返回自身实例,这让我们可以链式调用各种assertX
方法。第三个便利是,你可以流畅的测试你的代码而不需要去创建或者引入TestSubscriber
/TestObserver
实例。
Flowable.range(1, 5)
.test()
.assertResult(1, 2, 3, 4, 5)
;
值得注意的新的断言方法
assertResult(T... items)
- : 断言在
onComplete
- 中将会按指定顺序收到给定的值,并且没有错误。
assertFailure(Class<? extends Throwable> clazz, T... items)
- : 断言将会收到指定的异常。
assertFailureAndMessage(Class<? extends Throwable> clazz, String message, T... items)
- : 和
assertFailure
- 一样,但还会验证
getMessage()
awaitDone(long time, TimeUnit unit)
assertOf(Consumer<TestSubscriber<T>> consumer)
Flowable
改为Observable
,所以测试代码不需要改变,内部的已经把TestSubscriber
改成了TestObserver
。
提前取消和请求
TestObserver
中的test()
方法有一个 test(boolean cancel)
重载,它能在订阅前取消TestSubscriber
/TestObserver
:
PublishSubject<Integer> pp = PublishSubject.create();
// nobody subscribed yet
assertFalse(pp.hasSubscribers());
pp.test(true);
// nobody remained subscribed
assertFalse(pp.hasSubscribers());
TestSubscriber
有 test(long initialRequest)
和 test(long initialRequest, boolean cancel)
重载,用于指定初始请求数量以及TestSubscriber
是否应该立即被取消。如果initialRequest
被给定,TestSubscriber
实例通常需要被捕获以便访问request()
方法:
PublishProcessor<Integer> pp = PublishProcessor.create();
TestSubscriber<Integer> ts = pp.test(0L);
ts.request(1);
pp.onNext(1);
pp.onNext(2);
ts.assertFailure(MissingBackpressureException.class, 1);
测试异步代码
对于给定的异步代码,流畅的阻塞终端事件是可能的:
Flowable.just(1)
.subscribeOn(Schedulers.single())
.test()
.awaitDone(5, TimeUnit.SECONDS)
.assertResult(1);
Mockito & TestSubscriber
Observer
的用户需要去使用Subscriber.onSubscribe
方法去提出初始的请求,否则序列化将会挂起或者失败:
@SuppressWarnings("unchecked")
public static <T> Subscriber<T> mockSubscriber() {
Subscriber<T> w = mock(Subscriber.class);
Mockito.doAnswer(new Answer<Object>() {
@Override
public Object answer(InvocationOnMock a) throws Throwable {
Subscription s = a.getArgumentAt(0, Subscription.class);
s.request(Long.MAX_VALUE);
return null;
}
}).when(w).onSubscribe((Subscription)any());
return w;}
操作符的差别
2.x中大部分操作符仍然被保留,实际上大部分行为和1.x一样。下面的列表中列出了每一个基础类的在1.x和2.x的区别
通常来说,很多操作符提供了重载,允许指定运行上游的内部缓冲区的大小或者预先分配的数量。
fromArray
, fromIterable
。这么做的原因是,当用Java 8编译时,javac往往不能区分功能接口类型。@Beta
或 @Experimental
的操作符已经成为正式操作符了。
1.x Observable 到 2.x Flowable
工厂方法:
1.x | 2.x |
|
|
RxRingBuffer.SIZE |
|
|
|
|
|
N/A |
|
N/A |
|
| 增加带延时的重载 |
| 增加带延时的重载 |
|
|
| 不存在 |
|
|
|
|
N/A |
|
|
|
N/A |
|
|
|
|
|
|
|
|
|
|
|
|
|
| 被废弃 |
|
|
实例方法:
1.x | 2.x |
| RC3 返回 |
| RC3 返回 |
|
|
|
|
| 被废弃 |
| RC3 返回 |
|
|
|
|
|
|
|
|
|
|
| RC3 返回 |
|
|
|
|
|
|
|
|
N/A |
|
| RC3 |
|
|
|
|
|
|
| RC3 重命名为 |
|
|
|
|
|
|
|
|
N/A |
|
|
|
| RC3 返回 |
| RC3 返回 |
| RC3 重命名为 |
|
|
|
|
|
|
|
|
|
|
| RC3 返回 |
N/A |
|
N/A |
|
|
|
|
|
N/A |
|
|
|
N/A |
|
| RC3 重命名为 |
|
|
|
|
|
|
|
|
|
|
N/A |
|
N/A |
|
|
|
|
|
| 被删除 |
N/A |
|
|
|
|
|
| RC3 被删除, 使用 |
| RC3 返回 |
| RC3 返回 |
| RC3 返回 |
N/A |
|
N/A |
|
| RC3 被删除, 使用 |
| RC3 增加 |
| 5-9 个参数的重载被删除 |
|
|
不同的返回类型
Single
。
操作符 | 旧返回值 | 新返回值 | 备注 |
|
|
| 如果所有的元素都匹配,则发射true |
|
|
| 如果所有的元素都匹配,则发射true |
|
|
| 计算序列中元素的数量 |
|
|
| Emits 给定位置处的元素或完成的元素 |
|
|
| 发射指定位置的元素或默认元素 |
|
|
|
|
|
|
| 发射第一个元素或者结束 |
|
|
| 忽略所有非终端事件 |
|
|
| 如果源为空,则发射true |
|
|
| 发射最后一个元素或默认值 |
|
|
| 发射最后一个元素或结束 |
|
|
| 发射减少的值或者结束 |
|
|
| 发射减少的值或者初始的值 |
|
|
| 发射减少的值或者初始的值 |
|
|
| 发射唯一的元素或默认值 |
|
|
| 发射唯一的元素或结束 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
移除
为了保证最终的2.0API尽可能干净,我们删除了一些候选的方法和组件。
删除时的版本 | 组件 | 备注 |
RC3 |
|
|
RC3 |
|
|
RC3 |
|
|
RC3 |
|
|
RC3 |
|
|
RC3 |
|
|
其他改变
doOnCancel/doOnDispose/unsubscribeOn
doOnUnsubscribe
总是执行终端事件,因为SafeSubscriber
调用了unsubscribe
。这实际上是没有必要的。Reactive-Streams规范中,一个终端事件到达Subscriber
,上游的Subscription
会取消,因此调用 cancel()
是一个空操作。unsubscribeOn
也没被在终端路径上调用,但只有实际在链上调用cancel
时,才会调用unsubscribeOn
。 因此,下面的序列不会被调用
doOnCancel
:
Flowable.just(1, 2, 3)
.doOnCancel(() -> System.out.println("Cancelled!"))
.subscribe(System.out::println);
take
操作符在传送过程中取消onNext
Flowable.just(1, 2, 3)
.doOnCancel(() -> System.out.println("Cancelled!"))
.take(2)
.subscribe(System.out::println);
using
操作符代替。