0Pricing
WebSockets & Real-Time Systems with Spring · Lekcja

Obsługa backpressure w strumieniach reaktywnych

Zarządzą Państwo szybkimi producentami i wolnymi klientami WebSocket w WebFlux za pomocą operatorów backpressure Reactor, aby strumienie pozostawały stabilne pod obciążeniem.

Obsługa backpressure w strumieniach reaktywnych to bezpłatna lekcja WebSockets & Real-Time Systems with Spring na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej WebSockets & Real-Time Systems with Spring, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs WebSockets & Real-Time Systems with Spring zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

The Fast Producer, Slow Consumer Problem

A reactive WebSocket may emit market ticks faster than a client can consume them. Without control, buffers grow until memory is exhausted. This mismatch is what backpressure solves.

What Backpressure Means

Backpressure is the consumer telling the producer how much it can handle. In Reactor, the subscriber requests n items; the publisher must not exceed that demand.

Reactor Is Demand-Driven

A reactive Flux built from a cold source naturally honors demand: nothing is produced until requested. The challenge appears with hot, time-driven sources like a price feed that emits regardless of demand.

WebSocketHandler Returns a Mono

In WebFlux a handler wires the outbound Flux into session.send. The framework subscribes and applies the transport's demand for you.

public Mono<Void> handle(WebSocketSession session) {
  Flux<String> out = prices.map(p -> session.textMessage(p));
  return session.send(out);
}

onBackpressureBuffer

Buffer overflow items up to a limit, then take an action. Good when bursts are short.

flux.onBackpressureBuffer(1000,
  dropped -> log.warn("dropped {}", dropped),
  BufferOverflowStrategy.DROP_OLDEST);

onBackpressureDrop

When the consumer is slow, simply drop new items. Ideal for telemetry where only the latest values matter.

flux.onBackpressureDrop(dropped -> metrics.increment("dropped"));

onBackpressureLatest

Keep only the most recent item, discarding intermediate ones. Perfect for a live dashboard that shows the current value, not the history.

flux.onBackpressureLatest();

Sampling and Throttling

Instead of dropping reactively, reduce the rate up front. sample emits the latest value at a fixed interval, smoothing a firehose into a manageable stream.

flux.sample(Duration.ofMillis(200));

Bounding Buffers Everywhere

Unbounded buffers are the silent killer. Always cap buffers and choose a strategy (drop, error, latest) so a stalled client cannot consume the server's heap.

Detecting Overwhelmed Clients

If a client repeatedly triggers drops, it may be too slow for the feed. Consider lowering its update rate, sending deltas, or closing the session with a clear status.

session.close(CloseStatus.create(1011, "client too slow"));

Choosing a Strategy

Match the operator to the data:

  • Must-not-lose orders → buffer with a safe cap, or error
  • Live metrics/prices → latest or sample
  • Best-effort telemetry → drop

Quick Check

Test your backpressure understanding.

Recap

You tamed reactive streams:

  • Backpressure aligns a fast producer with a slow consumer
  • Reactor is demand-driven; hot sources need explicit handling
  • buffer, drop, and latest strategies suit different data
  • sample throttles a firehose at the source
  • Never leave buffers unbounded; close clients that cannot keep up

Często zadawane pytania

Czy lekcja „Obsługa backpressure w strumieniach reaktywnych” jest bezpłatna?

Tak — pełny tekst „Obsługa backpressure w strumieniach reaktywnych” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu WebSockets & Real-Time Systems with Spring, przejdź na CoddyKit PRO. Kurs WebSockets & Real-Time Systems with Spring zawiera 4 lekcji w sumie.

Co nauczysz się w „Obsługa backpressure w strumieniach reaktywnych”?

Zarządzą Państwo szybkimi producentami i wolnymi klientami WebSocket w WebFlux za pomocą operatorów backpressure Reactor, aby strumienie pozostawały stabilne pod obciążeniem. Ćwiczysz WebSockets & Real-Time Systems with Spring z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć WebSockets & Real-Time Systems with Spring?

Nie wymagamy żadnego doświadczenia. WebSockets & Real-Time Systems with Spring w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.

Ile czasu zajmuje lekcja „Obsługa backpressure w strumieniach reaktywnych”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji WebSockets & Real-Time Systems with Spring?

Tak. Każda lekcja WebSockets & Real-Time Systems with Spring zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Wprowadzenie do programowania reaktywnego
  2. Handlery WebSocket w WebFlux
  3. Budowanie reaktywnych usług czasu rzeczywistego
  4. Obsługa backpressure w strumieniach reaktywnych
← Powrót do WebSockets & Real-Time Systems with Spring