RxJava使用场景解析
1. RxJava简介
相信大家对RxJava都有或多或少的了解，RxJava是Java语言的响应式编程库， 更具体点就是一个在 Java VM 上使用可观测的序列来组成异步的、基于事件的程序的库。
1.1 RxJava概念
RxJava 有四个基本概念：
Observable(可观察者，即被观察者)、 Observer(观察者)、 subscribe(订阅)、事件。Observable和 Observer通过 subscribe()方法实现订阅关系，从而 Observable可以在需要的时候发出事件来通知 Observer。
RxJava采用观察者的模式设计，与传统观察者模式不同， RxJava 的事件回调方法除了普通事件 onNext()之外，还定义了两个特殊的事件：onCompleted()和 onError()。
onCompleted(): 事件队列完结。RxJava 不仅把每个事件单独处理，还会把它们看做一个队列。RxJava 规定，当不会再有新的 onNext()发出时，需要触发 onCompleted()方法作为标志。
onError(): 事件队列异常。在事件处理过程中出异常时，onError()会被触发，同时队列自动终止，不允许再有事件发出。
在一个正确运行的事件序列中, onCompleted()和 onError()有且只有一个，并且是事件序列中的最后一个。需要注意的是，onCompleted()和 onError()二者也是互斥的，即在队列中调用了其中一个，就不应该再调用另一个。
RxJava观察者模型如下：
1.2 操作符
flatMap: 它可以把一个发射器 Observable 通过某种方法转换为多个 Observables，然后再把这些分散的 Observables装进一个单一的发射器Observable。但有个需要注意的是，flatMap并不能保证事件的顺序，如果需要保证，需要用到我们下面要讲的 ConcatMap。
通常使用中，我们只是简单的将一个Observable转化成另外一个Observable，这是flatMap操作的一种特殊情景。
filter： 很明显用于过滤操作，用于过滤出满足条件的Observable对象
timer/interval: 定时操作，也就是在接下来某个时间点开始每隔一定时间执行一项任务。
distinct：去重操作。
doOnNext：让订阅者在接收到数据之前干点有意思的事情。假如我们在获取到数据之前想先保存一下它，无疑我们可以这样实现。
just： 简单的发射器依次调用 onNext() 方法。
defer： 每次订阅都会创建一个新的 Observable，并且如果没有被订阅，就不会产生新的 Observable。
2. RxJava数据库操作
场景：加载GVC系列IPVT通知列表, 并对列表数据做查询数量、删除、更新操作
需求：从数据库加载并实现内存缓存
实现：采用MVP架构实现通知列表加载及操作逻辑
2.1 查询
该操作中使用到了Rxjava的flatMap、filter、fromIterable等操作符，涉及了RxJava线程切换
- NoticeActivity的onResume()方法中调用Presenter的subscribe()执行加载逻辑，代码在NoticeActivity.java中
@Override
protected void onResume() {
super.onResume();
Logger.d(TAG, "[onResume] ");
mNoticePresenter.subscribe();
}
- 在NoticePresenter的subscribe()实现加载，loadNotices() 方法的boolean型参数表示是否清空缓存， 代码在NoticePresenter.java中
@Override
public void subscribe() {
loadNotices(false);
}
具体的加载逻辑在loadNotices(false)方法中实现
@Override
public void loadNotices(boolean forceUpdate) {
// Simplification for sample: a network reload will be forced on first load.
loadNotices(forceUpdate || mFirstLoad, true);
mFirstLoad = false;
}
/**
* @param forceUpdate Pass in true to refresh the data in the {@link NoticeLocalDataSource}
* @param showLoadingUI Pass in true to display a loading icon in the UI
*/
private void loadNotices(final boolean forceUpdate, final boolean showLoadingUI) {
if (showLoadingUI) {
mNoticeView.setLoadingIndicator(true);
}
if (forceUpdate) { //为true时会执行清空缓存操作
localDataSource.refreshNotices();
}
mCompositeDisposable.clear();
Disposable disposable = localDataSource
.getAndCacheLocalNotices() //从数据库中获取通知列表并缓存起来
//flatMap操作执行过滤操作
.flatMap(messages -> Flowable.fromIterable(messages)
//根据不同查询类型进行列表过滤
.filter(notice -> {
switch (mCurrentFiltering) {
case UNREAD_NOTICES:
return !notice.isLocked();
case ALL_NOTICES:
default:
Logger.d(TAG," filter my thread name is "
+Thread.currentThread().getName());
String msgContent = notice.getContent();
if (!TextUtils.isEmpty(msgContent) &&
msgContent.equals(mainPageNotice)&&
isMainPageAction) {
if(defSelectedPos==0){
defSelectedPos = tmpSelectcedPos;
}
} else {
tmpSelectcedPos++;
}
return true;
}
})
.toList().toFlowable())
//flatMap操作执行删除多余通知的操作，最多显示200条
.flatMap(messageDetails -> {
if(messageDetails.size() > MessageContract.MAX_SHOW_SIZE){
return localDataSource.deleteExceedMessages(messageDetails);
}else{
return Flowable.fromIterable(messageDetails).toList().toFlowable();
}
}).doFinally(() -> {
Logger.d(TAG,"do finally.");
})
//线程切换
.subscribeOn(mSchedulerProvider.io())
.observeOn(mSchedulerProvider.ui())
.subscribe(
// onNext
tasks -> {
Logger.d(TAG,"subscribe my thread name is "+Thread.currentThread().getName());
processMessages(tasks);
mNoticeView.setLoadingIndicator(false);
},
// onError
throwable -> mNoticeView.showLoadNoticeError());
mCompositeDisposable.add(disposable);
}
- 在NoticeDataSource中实现通知数据的加载，代码NoticeLocalDataSource.java中
public Flowable<List<MessageDetail>> getAndCacheLocalNotices() {
// Respond immediately with cache if available and not dirty
if (mCachedMessages != null && !mCacheIsDirty) {
Logger.i(TAG, " load from cache");
return Flowable.fromIterable(mCachedMessages.values()).toList().toFlowable();
} else if (mCachedMessages == null) {
mCachedMessages = new LinkedHashMap<>();
}
Logger.d(TAG,"begin obtain notices from db");
//从数据库加载数据并缓存到LinkedHashMap中，便于后续操作单条记录
return getAllNotices()
.flatMap(messages -> Flowable.fromIterable(messages)
.doOnNext(message -> mCachedMessages.put(String.valueOf(message.getId()), message))
.toList()
.toFlowable())
.doOnComplete(() -> mCacheIsDirty = false);
}
/*这里使用SqlBrite库，将常规数据类型转成Observable类型， 先将Cursor对象转成JavaBean对象（RxJava 中Function<Cursor, MessageDetail> 操作符实现），然后转成Observable对象*/
public Flowable<List<MessageDetail>> getAllNotices() {
return mBriteContentResolver.createQuery(MessageContract.MessageDetail.CONTENT_URI,
null, LIMIT, null, ORDER_BY, true)
.mapToList(mMessageDetailMapperFunction)
.toFlowable(BackpressureStrategy.BUFFER);
}
2.2 删除、修改
- NoticePresenter中使用RxJava执行异步删除任务
@Override
public void deleteNotices(List<Long> noticeIds) {
Logger.d(TAG," deleting notices...");
Disposable disposable = localDataSource.deleteMarkedNotices(noticeIds)
.subscribeOn(mSchedulerProvider.io())
.observeOn(mSchedulerProvider.ui())
.subscribe(aBoolean -> {
Logger.d(TAG," delete notice completed.");
mNoticeView.showDeleteResult(true);
}, throwable -> {
Logger.e(TAG,"delete notices exception.");
throwable.printStackTrace();
mNoticeView.showDeleteResult(false);
}, () -> {
Logger.d(TAG,"delete Notice subscribe onCompleted.");
});
mCompositeDisposable.add(disposable);
}
- 具体的删除操作在Datasource中执行，执行过程是先从缓存中将该数据项删除，然后在数据库中将该数据项删除，刷新时，只需要重新加载一下缓存列表，不需要重新查询数据库
这里采用create操作符产生一个Observable对象
@Override
public Flowable<Boolean> deleteMarkedNotices(List<Long> idList) {
// Do in memory cache update to keep the app UI up to date
if (mCachedMessages == null) {
mCachedMessages = new LinkedHashMap<>();
}
Iterator<Map.Entry<String, MessageDetail>> it = mCachedMessages.entrySet().iterator();
while (it.hasNext()) {
Map.Entry<String, MessageDetail> entry = it.next();
if (idList.contains(entry.getKey())) {
it.remove();
}
}
return Flowable.create(new FlowableOnSubscribe<Boolean>() {
@Override
public void subscribe(FlowableEmitter<Boolean> e) throws Exception {
ArrayList<ContentProviderOperation> batch = new ArrayList<ContentProviderOperation>();
for(Long id: idList){
String[] whereArgs = new String[]{String.valueOf(id),
String.valueOf(1)};
String smsWhere = MessageContract.MessageDetail._ID + " = ? and "
+ MessageContract.MessageDetail.COLUMN_ACCOUNT_INDEX + "= ?";
batch.add(ContentProviderOperation
.newDelete(MessageContract.MessageDetail.CONTENT_URI)
.withSelection(smsWhere, whereArgs)
.build());
}
int result = 0;
try {
result = mContext.getContentResolver().applyBatch(MessageContract.AUTHORITY,
batch).length;
} catch (RemoteException remoteExp) {
Logger.e(TAG,"deleteMarked Notice occure remoteException.");
} catch (OperationApplicationException operaExp) {
Logger.e(TAG,"deleteMarked Notice occure OperationApplicationException.");
}
if (result > 0) {
e.onNext(true);//返回结果
} else {
e.onNext(false);//返回结果
}
e.onComplete();//返回结束
}
}, BackpressureStrategy.BUFFER);
}
- 更新操作在Presenter中与删除类似，在DataSource中操作代码如下
@Override
public Flowable<Boolean> updateContentType(MessageDetail detail, int type) {
String id = String.valueOf(detail.getId());
try {
MessageDetail newDetail = (MessageDetail)detail.clone();
if(mCachedMessages == null){
mCachedMessages = new LinkedHashMap<>();
}
mCachedMessages.put(id, newDetail);
} catch (CloneNotSupportedException e) {
e.printStackTrace();
}
return Flowable.create(new FlowableOnSubscribe<Boolean>() {
@Override
public void subscribe(FlowableEmitter<Boolean> e) throws Exception {
try {
ContentValues cv = new ContentValues();
cv.put(MessageContract.MessageDetail.COLUMN_LOCKED, 1);
cv.put(MessageContract.MessageDetail.COLUMN_CONTENT_TYPE, type);
int res = mContext.getContentResolver().update(MessageContract.MessageDetail.CONTENT_URI,
cv,MessageContract.MessageDetail._ID + "=?",
new String[]{id});
Logger.d(TAG," update message type return res = "+res);
if(res>0){
e.onNext(true);
} else {
e.onNext(false);
}
e.onComplete();
} catch (Exception e1) {
e.onError(e1);
}
}
}, BackpressureStrategy.BUFFER);
}
2.3 压缩操作zip
zip 专用于合并事件，该合并不是连接（连接操作符后面会说），而是两两配对，也就意味着，最终配对出的 Observable 发射事件数目只和少的那个相同。
该过程中，使用zip操作符将所有条数及未读条数获取过程做压缩操作并一起返回显示
private void loadNoticeStatistics(){
Single<Integer> allNotices = Single.just(localDataSource.getAllNotices().blockingFirst().size());
Single<Integer> unreadNotices = Single.just(localDataSource.getAllNotices()
.flatMap(messages -> Flowable.fromIterable(messages)
.filter(messageDetail -> !messageDetail.isLocked())
.toList().toFlowable()).blockingFirst().size());
Disposable disposable = Single
.zip(allNotices, unreadNotices, (all, unread) -> {
Logger.d(TAG,"all is "+all+", unread is "+unread);
return Pair.create(all, unread);
})
.subscribeOn(mSchedulerProvider.io())
.observeOn(mSchedulerProvider.ui())
.doFinally(() -> {
Logger.d(TAG,"do finally");
})
.subscribe(
// onSuccess
stats -> mainEntryView.showNoticeStatistics(stats.first,stats.second),
// onError
throwable -> {
throwable.printStackTrace();
Logger.e(TAG,"load notice statistics exp");
});
mCompositeDisposable.add(disposable);
}
2.4 RxJava线程切换
RxJava线程切换主要通过调用subscribeOn和observeOn完成。
subscribeOn 用于指定 subscribe() 时所发生的线程。
observeOn 方法用于指定下游 Observer 回调发生的线程。
简单地说，
- subscribeOn() 指定的就是发射事件的线程，observerOn 指定的就是订阅者接收事件的线程。
- 多次指定发射事件的线程只有第一次指定的有效，也就是说多次调用 subscribeOn() 只有第一次的有效，其余的会被忽略。
- 但多次指定订阅者接收线程是可以的，也就是说每调用一次 observerOn()，下游的线程就会切换一次。
线程切换采用Schedulers类实现，该类内置了很多线程选项供我们选择，例如有：
- Schedulers.io() 代表io操作的线程, 通常用于网络,读写文件等io密集型的操作；
- Schedulers.computation() 代表CPU计算密集型的操作, 例如需要大量计算的操作；
- Schedulers.newThread() 代表一个常规的新线程；
- AndroidSchedulers.mainThread() 代表Android的主线程
这些内置的 Scheduler 已经足够满足我们开发的需求，因此我们应该使用内置的这些选项，而 RxJava 内部使用的是线程池来维护这些线程，所以效率也比较高。
为了说明复杂的线程调度过程，下面上一张图来解释说明
图中共有 5 处含有对事件的操作。由图中可以看出，①和②两处受第一个 subscribeOn() 影响，运行在红色线程；③和④处受第一个 observeOn() 的影响，运行在绿色线程；⑤处受第二个 onserveOn() 影响，运行在紫色线程；而第二个 subscribeOn() ，由于在通知过程中线程就被第一个 subscribeOn() 截断，因此对整个流程并没有任何影响。这里也就回答了前面的问题：当使用了多个 subscribeOn() 的时候，只有第一个 subscribeOn() 起作用。
考虑场景，先后台耗时处理，获取一个返回结果刷新界面，紧接着根据前一个返回结果再做一个耗时处理，然后再根据返回结果做界面更新处理，使用RxJava线程切换操作可以很优雅处理这个过程，代码如下
//RxJava做线程切换，先加载联系人数量，刷新UI，再加载选中状态，刷新UI
@Override
public void loadNodeUsrCntAndCheckState(final String nodeId, final RequestCallback<Integer> cntCallback, final RequestCallback<Boolean> checkCallback) {
Disposable disposable = mDataSource.loadNodeUserCnt(nodeId)
.subscribeOn(schedulerProvider.computation())
.observeOn(schedulerProvider.ui())
.doOnNext(new Consumer<Integer>() {
@Override
public void accept(Integer integer) throws Exception {
Logger.d(TAG,"doOnNext thread = "+Thread.currentThread().getName());
cntCallback.processData(integer);
}
})
.observeOn(schedulerProvider.computation())
.flatMap(new Function<Integer, Flowable<Boolean>>() {
@Override
public Flowable<Boolean> apply(Integer integer) throws Exception {
Logger.d(TAG,"flatMap thread = "+Thread.currentThread().getName());
if(integer <= 200 && integer>0){
try {
return mDataSource.isDepartmentChecked(integer, nodeId);
} catch (Exception e) {
e.printStackTrace();
}
}
return Flowable.just(false);
}
})
.observeOn(schedulerProvider.ui())
.subscribe(new Consumer<Boolean>() {
@Override
public void accept(Boolean aBoolean) throws Exception {
Logger.d(TAG, "subscribe thread = " + Thread.currentThread().getName());
checkCallback.processData(aBoolean);
}
}, new Consumer<Throwable>() {
@Override
public void accept(Throwable throwable) throws Exception {
checkCallback.processErrorCode("error");
}
});
mCompositeDisposable.add(disposable);
adpaterDisposable.add(disposable);
}
3. RxJava网络请求操作
3.1 嵌套网络请求
考虑场景：登录服务器后获取Token，然后使用Token请求Api数据
该过程首先登录到服务器，通过flatMa操作符，将Single<HttpResult> 类型的loginInfoHttpResult 结果转换为Single<HttpResult> 类型的数据
也就是根据登录获取到的token信息转化为请求数据库版本信息的结果，整个过程实在异步线程中执行，其中线程切换的逻辑采用compose操作符做了合并操作，具体实现在applySchedulers()函数
@Override
public void loginAndReqDbVersion() {
Single<HttpResult<LoginInfo>> singleLoginResult = loginServerSync();
if(singleLoginResult == null) return;
Disposable disposable = singleLoginResult
.flatMap(loginInfoHttpResult -> {
processLoginInfo(mContext, loginInfoHttpResult.data());
Logger.d(TAG,"loginAndReqDbVersion, thread = "
+Thread.currentThread().getName());
return reqDbVersionSync();
})
.compose(applySchedulers())
.subscribe(contactsVersionHttpResult -> {
ContactsVersion dbVersionInfo = contactsVersionHttpResult.data();
if (dbVersionInfo != null) {
Logger.d(TAG, "dbVersionInfo is " + dbVersionInfo.toString());
String version = dbVersionInfo.version();
if (!TextUtils.isEmpty(version)) {
SharePrefUtil.getInstance(mContext).setContactDbVersion(version);
}
}
}, throwable -> {
processException(throwable, null);
});
mCompositeDisposable.add(disposable);
}
applySchedulers() 代码如下
public <T> SingleTransformer<T,T> applySchedulers(){
return new SingleTransformer<T, T>() {
@Override
public SingleSource<T> apply(Single<T> upstream) {
return upstream.subscribeOn(mSchedulerProvider.io())
.observeOn(mSchedulerProvider.ui());
}
};
}
3.2 网络请求错误处理retryWhen
考虑场景：请求某个Api时候，token过期了
这种场景下首先需要重新登录服务器，更新token，然后重新请求该API
在这种场景下如果采用常规逻辑处理是不是很棘手，如果使用RxJava处理，逻辑上就显得简单多了。
这里使用了defer操作符，目的是每次调用都重新发送一个新的Observable对象，避免出错后重新请求，发现新请求token不生效，relogin()过程采用compose操作符做了压缩处理，另外，在请求过程中肯定需要弹一个进度条，这里也使用compose压缩处理，具体实现逻辑在RxProgress.bindToLifecycle
@Override
public void reqDbVersion(RequestCallback<ContactsVersion> callback) {
int expNo = preProcessBeforeRequest();
if(expNo > NetErrorCode.EXP_NONE){
callback.processException(expNo);
return;
}
Disposable disposable = Single.defer(()->ServiceGenerator.createService(mContext,IPVTService.class)
.reqContactsVersion(RequestParamManager.getInstance().dbVersionParamsMap(mContext)))
.compose(relogin())//这里需要做错误码重试请求
.compose(applySchedulers())/*.subscribeOn(mSchedulerProvider.io()).observeOn(mSchedulerProvider.ui())*/
.compose(RxProgress.bindToLifecycle(mActivity, R.string.load_msg))
.subscribe(contactsVersionHttpResult -> {
processResult(contactsVersionHttpResult, callback);
}, throwable -> {
processException(throwable, callback);
});
mCompositeDisposable.add(disposable);
}
relogin()实现代码如下，整个过程主要是通过retryWhen操作符完成， 首先每次请求的结果通过flatMap操作符进行处理，如果错误码为ERR_TOKEN_EXPIRED或者ERR_INVALID_TIMESTAMP，
则将该异常传递给retryWhen操作符，retryWhen根据错误类型执行不同的重新请求的逻辑， 比如ERR_TOKEN_EXPIRED需要先登录服务器后再发起重新请求，ERR_INVALID_TIMESTAMP需要更新请求参数的时间戳后发起重新请求。
private <T> SingleTransformer<HttpResult<T>, HttpResult<T>> relogin() {
return (Single<HttpResult<T>> observable) -> observable
.flatMap(tRequestResult -> {
String retCode = tRequestResult.retCode();
if (retCode.equals(NetErrorCode.ERR_TOKEN_EXPIRED)) {
//重新登录。
Logger.e(TAG, "token expired");
return Single.error(new TokenExpiredException("tokenExpired"));
} else if(retCode.equals(NetErrorCode.ERR_INVALID_TIMESTAMP)){
Logger.e(TAG, "timeStamp error");
String timeStamp = tRequestResult.timeStamp();
SharePrefUtil.getInstance(mContext).setServerTimeStamp(timeStamp);
return Single.error(new TimeStampErrorException("timeStampError"));
}
return Single.just(tRequestResult);
})
.retryWhen(error -> {
return error.flatMap(throwable -> {
if(throwable instanceof TokenExpiredException) {
Logger.d(TAG, " relogin current Thread = "
+ Thread.currentThread().getName());
Single<HttpResult<LoginInfo>> loginSingle = loginServerSync();
if (loginSingle != null) {
return loginSingle.toFlowable().flatMap(loginInfoHttpResult -> {
processLoginInfo(mContext, loginInfoHttpResult.data());
return Flowable.just(1);
});
}
}else if(throwable instanceof TimeStampErrorException){
return Flowable.just(1);
}
return Flowable.error(throwable);
});
});
}
RxProgress.bindToLifecycle具体代码实现如下，这里是将进度条显示放到订阅过程不同阶段去处理，订阅开始时会调用doOnSubscribe方法，订阅成功执行doOnSuccess方法，订阅出错执行doOnError方法，这样将UI显示状态与订阅过程同步起来了。
public final class RxProgress {
private static ProgressDialog sProgressDialog;
private static final Handler handler = new Handler();
private RxProgress() {
throw new AssertionError("No instances.");
}
public static <U> SingleTransformer<U, U> bindToLifecycle(Context context, @StringRes int stringRes) {
if(context == null){
return bindToLifecycle(null, null);
}
return bindToLifecycle(context, context.getString(stringRes));
}
public static <U> SingleTransformer<U, U> bindToLifecycle(Context context, CharSequence message) {
return upstream -> {
if(context == null){
return upstream;
}
if(sProgressDialog != null && sProgressDialog.isShowing()){
return upstream;
}
final ProgressDialog progressDialog = new ProgressDialog(context);
progressDialog.setMessage(message);
sProgressDialog = progressDialog;
return upstream
.doOnSubscribe(disposable -> progressDialog.show())
.doOnSuccess(u -> {
handler.postDelayed(()->progressDialog.dismiss(), 800);
})
.doOnError(throwable -> {
handler.postDelayed(()-> progressDialog.dismiss(), 800);
});
};
}
}
3.3 网络请求Json格式封装成RxJava Observable对象
该过程主要是在构造OkhttpClient对象的时候完成，该过程配合了Retrofit的使用，整个OkHttpClient构造在ServiceGenerator中完成，代码如下：
public class ServiceGenerator {
private static final String TAG = ServiceGenerator.class.getSimpleName();
private static final int DEFAULT_TIMEOUT = 20;
public final static Moshi moshi = new Moshi.Builder()
.add(MyAdpaterFactory.create())
.build();
private final static HttpLoggingInterceptor loggingInterceptor = new HttpLoggingInterceptor()
.setLevel(HttpLoggingInterceptor.Level.BODY);
/*private final static File cacheDir = new File(IPVTApplication.getInstance().getCacheDir(),
"OkHttpCache");*/
private final static Retrofit.Builder builder = new Retrofit.Builder()
//将OkHttp的Call对象转成Observable对象
.addCallAdapterFactory(RxJava2CallAdapterFactory.create())
.addConverterFactory(new StringResponseConverterFactory())
//将Json格式数据转成JavaBean对象，这里JavaBean工具使用google auto，Json工具使用moshi
.addConverterFactory(MoshiConverterFactory.create(moshi));
private final static OkHttpClient httpClient = new OkHttpClient.Builder()
//addInterceptor添加的是应用拦截器Application Interceptor他只会在response被调用一次
.addInterceptor(loggingInterceptor)
.addInterceptor(new ResponseInterceptor())
.connectTimeout(DEFAULT_TIMEOUT, TimeUnit.SECONDS)
.readTimeout(DEFAULT_TIMEOUT, TimeUnit.SECONDS)
.build();
public static <S> S createService(final Context context, Class<S> serviceClass) {
OkHttpClient.Builder clientBuilder = httpClient.newBuilder()
.addInterceptor(new Interceptor() {
@Override
public Response intercept(Chain chain) throws IOException {
//对请求的做预处理，方便后续请求参数处理
Request original = chain.request();
/*String[] headers = {
"application/vnd.github.html+json",
"application/vnd.github.raw+json"
};
String token = TokenStore.getInstance(context).getToken();
Request.Builder requestBuilder = original.newBuilder()
.header("Authorization", "Token " + token)
.method(original.method(), original.body());
if (original.header("Accept") == null) {
requestBuilder.addHeader("Accept", TextUtils.join(",", headers));
}
Request request = requestBuilder.build();
return chain.proceed(request);*/
return chain.proceed(original);
}
})
.cache(new Cache(new File(context.getCacheDir(),
"OkHttpCache"), 10 * 1024 * 1024))
//addNetworkInterceptor,网络拦截器Network Interfacetor它会在request和response时分别被调用一次；
.addNetworkInterceptor(new CacheInterceptor(context))
.cookieJar(new CookieJar() {
final HashMap<HttpUrl, List<Cookie>> cookieStore = new HashMap<>();
@Override
public void saveFromResponse(HttpUrl url, List<Cookie> cookies) {
cookieStore.put(url, cookies);//保存cookie
//也可以使用SP保存
}
@Override
public List<Cookie> loadForRequest(HttpUrl url) {
List<Cookie> cookies = cookieStore.get(url);//取出cookie
return cookies != null ? cookies : new ArrayList<Cookie>();
}
});
//check host ip start
String serverAddress = ApiInstance.getIpvtHost(false);
Logger.d(TAG,"ipvt server address is "+serverAddress);
String newAddr = serverAddress;
if(serverAddress.endsWith("/")){
newAddr = (String) serverAddress.subSequence(0,serverAddress.length()-1);
}
Logger.d(TAG,"ipvt server address is "+newAddr);
boolean isHttpsIpUrl = Setting.isHttpsIpAddress(newAddr);
if(isHttpsIpUrl){
Logger.i(TAG,"need tls skip.");
clientBuilder = clientBuilder
.sslSocketFactory(SSLSocketClient.getSSLSocketFactory())
.hostnameVerifier(SSLSocketClient.getHostnameVerifier());
}
//check host ip end
OkHttpClient client = clientBuilder.build();
Retrofit retrofit = builder.baseUrl(serverAddress)
.client(client)
.build();
return retrofit.create(serviceClass);
}
}
网络请求中的RESTful接口如下， 采用HttpResult泛型对象封装请求结果
public interface IPVTService {
//login
@FormUrlEncoded
@POST("pro/user/login")
Single<HttpResult<LoginInfo>> loginServer(@FieldMap Map<String, String> map);
//query contacts db version
@GET("pro/contacts/departments/lastversion")
Single<HttpResult<ContactsVersion>> reqContactsVersion(@QueryMap Map<String, String> map);
//pkg info
@GET("pro/package/info")
Single<HttpResult<PackageInfo>> reqPackageInfo(@QueryMap Map<String, String> map);
//query enterprise
@GET("pro/enterprise/info")
Single<HttpResult<Enterprise>> reqEnterpriseInfo(@QueryMap Map<String, String> map);
4. 总结
Rxjava库里面还有很多很有用的操作符，这里限于业务没有涉及到，本文中列举了一些常用的使用场景，希望对大家的代码开发有所帮助，RxJava博大精深，如果熟练使用，定能优雅的处理业务逻辑！
对于RxJava详细的使用，大家可以参考ReactiveX文档