RxJava案例

wen java案例 2026-08-03 2

5个RxJava案例教你优雅处理异步任务

目录导读

RxJava为何仍是异步编程利器？
网络请求自动重试（RetryWhen）
搜索框防抖（Debounce）
并发请求合并（Zip与CombineLatest）
缓存优先策略（Concat）
错误处理与降级（OnErrorReturn）
常见问题问答（FAQ）
总结与最佳实践

RxJava为何仍是异步编程利器？

尽管Kotlin协程崛起，但RxJava在复杂数据流变换、背压处理、操作符丰富度上依然不可替代，对于Android开发者而言，理解RxJava的核心思想（观察者模式+链式调用）能极大提升代码可读性,下面通过5个真实案例展示其威力。

RxJava案例

案例一：网络请求自动重试（RetryWhen）

场景：用户点击“加载”按钮，网络偶发超时，希望自动重试2次,且每次间隔1秒。

Observable<Response> apiCall = api.getData()
    .retryWhen(errors -> errors.zipWith(Observable.range(1, 3), (e, i) -> i)
        .flatMap(retryCount -> Observable.timer(1, TimeUnit.SECONDS)))
    .doOnSubscribe(d -> showLoading())
    .subscribe(response -> showData(), throwable -> showError());

解析：zipWith计数，timer延迟，若3次仍失败则走onError，此案例避免多层嵌套回调,且重试逻辑即时可见。

案例二：搜索框防抖（Debounce）

场景：用户输入关键词实时搜索,避免每次按键都请求服务器。

EditText input = findViewById(R.id.search_input);
RxTextView.textChanges(input)
    .debounce(400, TimeUnit.MILLISECONDS)
    .filter(text -> text.length() > 2)
    .switchMap(query -> api.search(query))
    .subscribe(results -> updateList(results));

关键点：

debounce：停止输入400ms后才发射。
switchMap：若新输入到来，取消前一个搜索请求,确保只展示最新结果。

效果：极大减少无效请求,提升服务器负载能力。

案例三：并发请求合并（Zip与CombineLatest）

场景：首页需要同时获取用户信息+推荐列表,两者都成功后才展示UI。

Observable<User> userObs = api.getUser();
Observable<List<Item>> itemsObs = api.getRecommendations();
Observable.zip(userObs, itemsObs, (user, items) -> new HomeData(user, items))
    .subscribeOn(Schedulers.io())
    .observeOn(AndroidSchedulers.mainThread())
    .subscribe(data -> render(data));

对比：CombineLatest用于其中任一数据变化则重新组合（如筛选条件+列表数据）。zip严格等待所有数据就绪。

注意：若请求之间存在依赖（B依赖A的结果），应使用flatMap链式调用。

案例四：缓存优先策略（Concat）

场景：优先展示本地缓存,再请求网络更新。

Observable<Data> cache = db.getCache().onErrorReturn(throwable -> null);
Observable<Data> network = api.getFreshData().doOnNext(data -> db.save(data));
Observable.concat(cache, network)
    .firstElement() // 只取第一个有效值
    .subscribe(data -> render(data));

优化：若缓存为空，concat会继续订阅network，配合firstElement避免页面闪烁。

案例五：错误处理与降级（OnErrorReturn）

场景：视频详情页加载失败时,显示默认封面图并提示重试。

api.getVideoDetail(id)
    .map(video -> video.getPlayUrl())
    .onErrorReturn(throwable -> DEFAULT_PLAY_URL)
    .subscribe(url -> player.play(url), throwable -> showError());

进阶：onErrorResumeNext可返回新的Observable（如从备用服务器获取）。retry(2)可限制重试次数。

常见问题问答（FAQ）

Q1：RxJava与协程如何选择？ A：团队已是协程风格则选协程；但若遇到复杂事件流（如用户操作+网络状态组合），RxJava操作符更直接，混合使用也很常见（如协程内部用asObservable()）。

Q2：如何避免RxJava内存泄漏？
A：使用CompositeDisposable在onDestroy中dispose()；或者使用AutoDispose库绑定生命周期。

Q3：背压（Backpressure）是什么？何时需要处理？
A：上游发射速度 > 下游处理速度，当数据量过大（如传感器流）时，使用onBackpressureBuffer或onBackpressureDrop，网络请求一般不会遇到,但数据库大量导出时需注意。

Q4：和LiveData的区别？
A：LiveData负责感知生命周期但无变换能力；RxJava可做复杂变换但需手动管理生命周期，常用搭配：RxJava计算,LiveData观察结果。

Q5：调试有什么技巧？
A：用doOnNext/doOnError打印日志；或使用RxJava 3.x的RxJavaPlugins.setErrorHandler全局捕获异常。

总结与实用建议

避免过度设计：简单功能用AsyncTask或回调即可,不要强行上RxJava。
命名规范：操作符链按“每一步做一件事”拆分,用换行缩进增加可读性。
线程调度：默认在哪个线程订阅就在哪个线程执行subscribe；联网用subscribeOn(Schedulers.io())，UI更新用observeOn(AndroidSchedulers.mainThread())。
测试辅助：用TestScheduler虚拟时间控制发射,便于单元测试。

5个案例覆盖了重试、防抖、合并、缓存、降级五种高频业务需求，如果你能透彻理解并灵活组合，处理日常App开发中的异步问题将游刃有余,希望本文的代码片段能成为你手边随时翻阅的参考手册。

如果你觉得有用，欢迎分享给团队技术同伴，或者在实际项目中替换为Kotlin版等价写法（如Flow），思路完全一致。