Programmation réactive avec Spring 5 et Reactor

Introduction à la programmation réactive et exemples de mise en oeuvre avec Spring 5 et la librairie Reactor.

Transcript

1. Programmation réactive
   avec Spring 5 et Reactor
   Florian Beaufumé
   @fbeaufume
   11/2017
   v1.1
   

   View Slide

2. Florian Beaufumé
   • Architecte logiciel et expert Java
   • Freelance
   • Brown bag lunch
   • @fbeaufume
   

   View Slide

3. • Montée en charge
   • C10K (= 10K connexions)
   • Comment supporter
   10000 connexions simultanées ?
   • Robustesse
   • Que faire si la base ou les systèmes tiers
   sont (très) lents ?
   Objectifs
   Server
   DB
   @fbeaufume
   

   View Slide

4. • Modèle standard de nos serveurs
   • Est bloquant avec pool de thread :
   • En charge :
   • Multiplier les serveurs ?
   • Multiplier les threads ?
   Modèle « thread-per-request »
   Server
   Requests Threads pool
   @fbeaufume
   

   View Slide

5. • Cout mémoire et CPU (context switches)
   • Contention
   Limitations des threads
   Server thread Database
   Client
   HTTP request
   SQL request #1
   SQL request #2
   @fbeaufume
   

   View Slide

6. • Montée en charge et robustesse
   • Exemples : Node.js, Vert.x, Redis, HAProxy
   Modèle non bloquant
   Event queue
   Events
   Event loop
   HTTP requests
   SQL responses
   …
   Few worker threads
   @fbeaufume
   

   View Slide

7. Callback hell
   

   View Slide

8. Exemple Spring 5
   

   View Slide

9. Types réactifs
   Eléments Bloquant Réactif
   0..N Collection Flux
   0..1 Book Mono
   0 void Mono
   @fbeaufume
   

   View Slide

10. WebClient
    @fbeaufume
    

    View Slide

11. Spring Framework 5
    Spring Framework
    Tomcat Netty
    Reactor
    Spring Web MVC Spring WebFlux
    Bloquant Réactif
    Reactive
    Streams
    @fbeaufume
    

    View Slide

12. Ecosystème Spring réactif
    Spring Framework 5
    Spring Boot 2
    Spring Data 2
    Spring Security 5
    Spring Integration 5
    Spring Cloud
    @fbeaufume
    

    View Slide

13. Spring Data 2
    @fbeaufume
    

    View Slide

14. • "Programming with asynchronous data streams"
    • Basé sur des étapes asynchrones et non bloquantes
    • API orientées callback et/ou déclaratives par composition de fonctions
    • Programmation réactive ≈ streams + CompletableFuture + backpressure
    • Bénéfices :
    • Montée en charge
    • Robustesse
    Programmation réactive
    @fbeaufume
    

    View Slide

15. • Code
    • Logs
    Reactor
    @fbeaufume
    

    View Slide

16. Construction
    @fbeaufume
    

    View Slide

17. Opérateurs
    @fbeaufume
    

    View Slide

18. Marble diagrams
    

    View Slide

19. • Pour donner du contrôle au consommateur sur le producteur
    Backpressure
    Producer Consumer
    Data flow
    Data request
    @fbeaufume
    

    View Slide

20. Conversions
    @fbeaufume
    

    View Slide

21. • Cas simple
    • Manipulation de l’échelle de temps
    Tests avec reactor-test
    @fbeaufume
    

    View Slide

22. • "Standard for asynchronous stream processing with non-blocking
    backpressure"
    • Implémentations : RxJava, Reactor, Akka Streams, etc.
    Reactive streams
    @fbeaufume
    

    View Slide

23. Comparaison de performance
    VS
    Bloquant
    Réactif
    @fbeaufume
    

    View Slide

24. Scénario
    Time
    Concurrent
    users
    2 min
    10 sec
    http://localhost:8080/pause/1000
    @fbeaufume
    

    View Slide

25. Charge
    Bloquant Réactif
    300 users injectés => 189 req/s mesuré 3000 users injectés => 2664 req/s mesuré
    @fbeaufume
    

    View Slide

26. Temps de réponse
    Bloquant Réactif
    Moyenne=1462, médiane=1579, σ=297 Moyenne=1036, médiane=1013, σ=59
    

    View Slide

27. Threads
    Bloquant Réactif
    @fbeaufume
    

    View Slide

28. • Syntaxe déroutante
    • Commencer par les streams Java 8 et la programmation fonctionnelle
    • API contaminante
    • Plus facile pour de nouvelles applications ou microservices
    Difficultés
    @fbeaufume
    

    View Slide

29. • JDBC pas encore supporté
    • Mono.fromCallable(() -> { … }).subscribeOn(Schedulers.elastic())
    • Attendre JDK 10
    • ThreadLocal perdent leur intérêt (MDC logging par exemple)
    • Pas encore de scope request ou session
    • myFlux.subscriberContext(Context.of("key", "value"))…
    Limitations
    @fbeaufume
    

    View Slide

30. • Supporter une forte charge
    • Pour fiabiliser des applications très communicantes
    • Microservices
    • Applications sensibles à la contention
    Cas d’usages
    @fbeaufume
    

    View Slide

31. Merci
    @fbeaufume
    

    View Slide