项目 Reactor 中的并行 Flux 与 Flux
Parallel Flux vs Flux in project Reactor
所以我从文档中了解到，并行 Flux 本质上将通量元素划分为单独的 rails。（本质上类似于分组）。就线程而言，这将是调度程序的工作。因此，让我们考虑这样的情况。所有这些都将 运行 在通过 运行On() 方法提供的同一调度程序实例上。
让我们考虑如下情况：
Mono<Response> = webClientCallAPi(..) //function returning Mono from webclient call
现在假设我们进行了大约 100 次调用
Flux.range(0,100).subscribeOn(Schedulers.boundedElastic()).flatMap(i -> webClientCallApi(i)).collecttoList() // or subscribe somehow
如果我们使用 paralleFlux：
Flux.range(0,100).parallel().runOn(Schedulers.boundedElastic()).flatMap(i -> webClientCallApi(i)).sequential().collecttoList();
所以如果我的理解是正确的，它看起来很相似。那么 ParallelFlux 相对于 Flux 的优势是什么？什么时候应该使用 parallelFlux 而不是 flux？
在实践中，您可能很少需要使用并联磁通，包括在此示例中。
在您的示例中，您将触发 100 个网络服务调用。请记住，执行此操作所需的实际 work 非常低 - 您生成并触发异步请求，然后一段时间后您会收到响应。在请求和响应之间你根本没有做任何工作，它只需要 tiny 数量的 CPU 资源，当每个请求被发送时，另一个 tiny 关于收到每个响应的时间。 （这是使用异步框架发出 Web 请求的核心优势之一，您不会在请求进行中占用任何线程。）
如果你将这个流量和 运行 并行拆分，你是说你想要拆分这些少量的 CPU 资源，以便它们可以同时 运行，在不同的 CPU 核心上。这完全没有意义——拆分通量的开销，运行将其并行处理，然后再将其组合起来，比让它在普通的顺序调度程序上执行要大得多。
另一方面，假设我有一个 Flux<Integer>，我想检查这些整数中的每一个是否都是素数 - 或者可能是我想要的 Flux<String> 个密码检查 BCrypt 散列。这些类型的操作 确实 CPU 密集，因此在这种情况下，用于跨内核拆分执行的并行通量可能很有意义。但实际上，这些情况在正常的反应器用例中很少发生。
（另外，作为结束语，您几乎总是希望将 Schedulers.parallel() 与平行通量一起使用，而不是 Schedulers.boundedElastic()。）
所以我从文档中了解到，并行 Flux 本质上将通量元素划分为单独的 rails。（本质上类似于分组）。就线程而言，这将是调度程序的工作。因此，让我们考虑这样的情况。所有这些都将 运行 在通过 运行On() 方法提供的同一调度程序实例上。 让我们考虑如下情况：
Mono<Response> = webClientCallAPi(..) //function returning Mono from webclient call
现在假设我们进行了大约 100 次调用
Flux.range(0,100).subscribeOn(Schedulers.boundedElastic()).flatMap(i -> webClientCallApi(i)).collecttoList() // or subscribe somehow
如果我们使用 paralleFlux：
Flux.range(0,100).parallel().runOn(Schedulers.boundedElastic()).flatMap(i -> webClientCallApi(i)).sequential().collecttoList();
所以如果我的理解是正确的，它看起来很相似。那么 ParallelFlux 相对于 Flux 的优势是什么？什么时候应该使用 parallelFlux 而不是 flux？
在实践中，您可能很少需要使用并联磁通，包括在此示例中。
在您的示例中，您将触发 100 个网络服务调用。请记住，执行此操作所需的实际 work 非常低 - 您生成并触发异步请求，然后一段时间后您会收到响应。在请求和响应之间你根本没有做任何工作，它只需要 tiny 数量的 CPU 资源，当每个请求被发送时，另一个 tiny 关于收到每个响应的时间。 （这是使用异步框架发出 Web 请求的核心优势之一，您不会在请求进行中占用任何线程。）
如果你将这个流量和 运行 并行拆分，你是说你想要拆分这些少量的 CPU 资源，以便它们可以同时 运行，在不同的 CPU 核心上。这完全没有意义——拆分通量的开销，运行将其并行处理，然后再将其组合起来，比让它在普通的顺序调度程序上执行要大得多。
另一方面，假设我有一个 Flux<Integer>，我想检查这些整数中的每一个是否都是素数 - 或者可能是我想要的 Flux<String> 个密码检查 BCrypt 散列。这些类型的操作 确实 CPU 密集，因此在这种情况下，用于跨内核拆分执行的并行通量可能很有意义。但实际上，这些情况在正常的反应器用例中很少发生。
（另外，作为结束语，您几乎总是希望将 Schedulers.parallel() 与平行通量一起使用，而不是 Schedulers.boundedElastic()。）