Akka（19）： Stream：组合数据流，组合共用-Graph modular composition详解编程语言

akka-stream的Graph是一种运算方案，它可能代表某种简单的线性数据流图如：Source/Flow/Sink，也可能是由更基础的流图组合而成相对复杂点的某种复合流图，而这个复合流图本身又可以被当作组件来组合更大的Graph。因为Graph只是对数据流运算的描述，所以它是可以被重复利用的。所以我们应该尽量地按照业务流程需要来设计构建Graph。在更高的功能层面上实现Graph的模块化（modular）。按上回讨论，Graph又可以被描述成一种黑盒子，它的入口和出口就是Shape，而内部的作用即处理步骤Stage则是用GraphStage来形容的。下面是akka-stream预设的一些基础数据流图：

上面Source,Sink,Flow代表具备线性步骤linear-stage的流图，属于最基础的组件，可以用来构建数据处理链条。而Fan-In合并型,Fan-Out扩散型则具备多个输入或输出端口，可以用来构建更复杂的数据流图。我们可以用以上这些基础Graph来构建更复杂的复合流图，而这些复合流图又可以被重复利用去构建更复杂的复合流图。下面就是一些常见的复合流图：

注意上面的Composite Flow(from Sink and Source)可以用Flow.fromSinkAndSource函数构建：

def fromSinkAndSource[I, O](sink: Graph[SinkShape[I], _], source: Graph[SourceShape[O], _]): Flow[I, O, NotUsed] = 
    fromSinkAndSourceMat(sink, source)(Keep.none)

这个Flow从流向来说先Sink再Source是反的，形成的Flow上下游间无法协调，即Source端终结信号无法到达Sink端，因为这两端是相互独立的。我们必须用CoupledTermination对象中的fromSinkAndSource函数构建的Flow来解决这个问题：

/** 
 * Allows coupling termination (cancellation, completion, erroring) of Sinks and Sources while creating a Flow them them. 
 * Similar to `Flow.fromSinkAndSource` however that API does not connect the completion signals of the wrapped stages. 
 */ 
object CoupledTerminationFlow { 
  @deprecated("Use `Flow.fromSinkAndSourceCoupledMat(..., ...)(Keep.both)` instead", "2.5.2") 
  def fromSinkAndSource[I, O, M1, M2](in: Sink[I, M1], out: Source[O, M2]): Flow[I, O, (M1, M2)] = 
    Flow.fromSinkAndSourceCoupledMat(in, out)(Keep.both)

从上面图列里的Composite BidiFlow可以看出：一个复合Graph的内部可以是很复杂的，但从外面看到的只是简单的几个输入输出端口。不过Graph内部构件之间的端口必须按照功能逻辑进行正确的连接，剩下的就变成直接向外公开的界面端口了。这种机制支持了层级式的模块化组合方式，如下面的图示：

最后变成：

在DSL里我们可以用name(“???”)来分割模块：

val nestedFlow = 
  Flow[Int].filter(_ != 0) // an atomic processing stage 
    .map(_ - 2) // another atomic processing stage 
    .named("nestedFlow") // wraps up the Flow, and gives it a name 
 
val nestedSink = 
  nestedFlow.to(Sink.fold(0)(_ + _)) // wire an atomic sink to the nestedFlow 
    .named("nestedSink") // wrap it up 
 
// Create a RunnableGraph 
val runnableGraph = nestedSource.to(nestedSink)

在下面这个示范里我们自定义一个某种功能的流图模块：它有2个输入和3个输出。然后我们再使用这个自定义流图模块组建一个完整的闭合流图：

import akka.actor._ 
import akka.stream._ 
import akka.stream.scaladsl._ 
 
import scala.collection.immutable 
 
object GraphModules { 
  def someProcess[I, O]: I => O = i => i.asInstanceOf[O] 
 
  case class TwoThreeShape[I, I2, O, O2, O3]( 
                                              in1: Inlet[I], 
                                              in2: Inlet[I2], 
                                              out1: Outlet[O], 
                                              out2: Outlet[O2], 
                                              out3: Outlet[O3]) extends Shape { 
 
    override def inlets: immutable.Seq[Inlet[_]] = in1 :: in2 :: Nil 
 
    override def outlets: immutable.Seq[Outlet[_]] = out1 :: out2 :: out3 :: Nil 
 
    override def deepCopy(): Shape = TwoThreeShape( 
      in1.carbonCopy(), 
      in2.carbonCopy(), 
      out1.carbonCopy(), 
      out2.carbonCopy(), 
      out3.carbonCopy() 
    ) 
  } 
//a functional module with 2 input 3 output 
  def TwoThreeGraph[I, I2, O, O2, O3] = GraphDSL.create() { implicit builder => 
    val balancer = builder.add(Balance[I](2)) 
    val flow = builder.add(Flow[I2].map(someProcess[I2, O2])) 
 
    TwoThreeShape(balancer.in, flow.in, balancer.out(0), balancer.out(1), flow.out) 
  } 
 
  val closedGraph = GraphDSL.create() {implicit builder => 
    import GraphDSL.Implicits._ 
    val inp1 = builder.add(Source(List(1,2,3))).out 
    val inp2 = builder.add(Source(List(10,20,30))).out 
    val merge = builder.add(Merge[Int](2)) 
    val mod23 = builder.add(TwoThreeGraph[Int,Int,Int,Int,Int]) 
 
     inp1 ~> mod23.in1 
     inp2 ~> mod23.in2 
     mod23.out1 ~> merge.in(0) 
     mod23.out2 ~> merge.in(1) 
     mod23.out3 ~> Sink.foreach(println) 
     merge ~> Sink.foreach(println) 
     ClosedShape 
 
  } 
} 
 
object TailorGraph extends App { 
  import GraphModules._ 
 
  implicit val sys = ActorSystem("streamSys") 
  implicit val ec = sys.dispatcher 
  implicit val mat = ActorMaterializer() 
 
  RunnableGraph.fromGraph(closedGraph).run() 
 
  scala.io.StdIn.readLine() 
  sys.terminate() 
 
 
}

这个自定义的TwoThreeGraph是一个复合的流图模块，是可以重复使用的。注意这个~>符合的使用：akka-stream只提供了对预设定Shape作为连接对象的支持如：

      def ~>[Out](junction: UniformFanInShape[T, Out])(implicit b: Builder[_]): PortOps[Out] = {...} 
      def ~>[Out](junction: UniformFanOutShape[T, Out])(implicit b: Builder[_]): PortOps[Out] = {...} 
      def ~>[Out](flow: FlowShape[T, Out])(implicit b: Builder[_]): PortOps[Out] = {...} 
      def ~>(to: Graph[SinkShape[T], _])(implicit b: Builder[_]): Unit = 
        b.addEdge(importAndGetPort(b), b.add(to).in) 
 
      def ~>(to: SinkShape[T])(implicit b: Builder[_]): Unit = 
        b.addEdge(importAndGetPort(b), to.in) 
...

所以对于我们自定义的TwoThreeShape就只能使用直接的端口连接了：

   def ~>[U >: T](to: Inlet[U])(implicit b: Builder[_]): Unit = 
        b.addEdge(importAndGetPort(b), to)

以上的过程显示：通过akka的GraphDSL，对复合型Graph的构建可以实现形象化，大部分工作都在如何对组件之间的端口进行连接。我们再来看个较复杂复合流图的构建过程，下面是这个流图的图示：

可以说这是一个相对复杂的数据处理方案，里面甚至包括了数据流回路（feedback）。无法想象如果用纯函数数据流如scalaz-stream应该怎样去实现这么复杂的流程，也可能根本是没有解决方案的。但用akka GraphDSL可以很形象的组合这个数据流图；

  import GraphDSL.Implicits._ 
  RunnableGraph.fromGraph(GraphDSL.create() { implicit builder => 
    val A: Outlet[Int]                  = builder.add(Source.single(0)).out 
    val B: UniformFanOutShape[Int, Int] = builder.add(Broadcast[Int](2)) 
    val C: UniformFanInShape[Int, Int]  = builder.add(Merge[Int](2)) 
    val D: FlowShape[Int, Int]          = builder.add(Flow[Int].map(_ + 1)) 
    val E: UniformFanOutShape[Int, Int] = builder.add(Balance[Int](2)) 
    val F: UniformFanInShape[Int, Int]  = builder.add(Merge[Int](2)) 
    val G: Inlet[Any]                   = builder.add(Sink.foreach(println)).in 
 
    C     <~      F 
    A  ~>  B  ~>  C     ~>      F 
    B  ~>  D  ~>  E  ~>  F 
    E  ~>  G 
 
    ClosedShape 
  })

另一个端口连接方式的版本如下：

RunnableGraph.fromGraph(GraphDSL.create() { implicit builder => 
  val B = builder.add(Broadcast[Int](2)) 
  val C = builder.add(Merge[Int](2)) 
  val E = builder.add(Balance[Int](2)) 
  val F = builder.add(Merge[Int](2)) 
 
  Source.single(0) ~> B.in; B.out(0) ~> C.in(1); C.out ~> F.in(0) 
  C.in(0) <~ F.out 
 
  B.out(1).map(_ + 1) ~> E.in; E.out(0) ~> F.in(1) 
  E.out(1) ~> Sink.foreach(println) 
  ClosedShape 
})

如果把上面这个复杂的Graph切分成模块的话，其中一部分是这样的：

这个开放数据流复合图可以用GraphDSL这样构建：

val partial = GraphDSL.create() { implicit builder => 
    val B = builder.add(Broadcast[Int](2)) 
    val C = builder.add(Merge[Int](2)) 
    val E = builder.add(Balance[Int](2)) 
    val F = builder.add(Merge[Int](2)) 
 
    C  <~  F 
    B  ~>                            C  ~>  F 
    B  ~>  Flow[Int].map(_ + 1)  ~>  E  ~>  F 
    FlowShape(B.in, E.out(1)) 
  }.named("partial")

模块化的完整Graph图示如下：

这部分可以用下面的代码来实现：

// Convert the partial graph of FlowShape to a Flow to get 
// access to the fluid DSL (for example to be able to call .filter()) 
val flow = Flow.fromGraph(partial) 
 
// Simple way to create a graph backed Source 
val source = Source.fromGraph( GraphDSL.create() { implicit builder => 
  val merge = builder.add(Merge[Int](2)) 
  Source.single(0)      ~> merge 
  Source(List(2, 3, 4)) ~> merge 
 
  // Exposing exactly one output port 
  SourceShape(merge.out) 
}) 
 
// Building a Sink with a nested Flow, using the fluid DSL 
val sink = { 
  val nestedFlow = Flow[Int].map(_ * 2).drop(10).named("nestedFlow") 
  nestedFlow.to(Sink.head) 
} 
 
// Putting all together 
val closed = source.via(flow.filter(_ > 1)).to(sink)

和scalaz-stream不同的还有akka-stream的运算是在actor上进行的，除了大家都能对数据流元素进行处理之外，akka-stream还可以通过actor的内部状态来维护和返回运算结果。这个运算结果在复合流图中传播的过程是可控的，如下图示：

返回运算结果是通过viaMat, toMat来实现的。简写的via,to默认选择流图左边运算产生的结果。

原创文章，作者：奋斗，如若转载，请注明出处：https://blog.ytso.com/industrynews/12842.html

Akka（19）： Stream：组合数据流，组合共用-Graph modular composition详解编程语言

相关推荐

发表回复