首先要做的就是隔离微服务的访问。现在，我们将不再返回 `T` 或 `Future<T>`，取而代之的将是 `Publisher<T>` 以及特定的 `Stream<T>` 或 `Promise<T>`。立竿见影的好处就是我们可以不必费心考虑错误处理或是线程（仅是现在)了：错误将在 `onError` 调用（非冒泡）中传递，而线程可以在后续过程中使用类似 `dispatchOn` 的方法进行调整。另一个好处就是它能让我们的代码更加实用。Java 8 Lambdas 也可以正常使用。我们的目标是减少控制语句中的括号噪音（if、for、while 等），并限制上下文中分享的需求。我们的最终设计目标就是鼓励在大型数据集中流式轮询：函数将适用于序列，一个一个返回结果，避免循环重复。

我们提倡使用实现的部件且非 `Publisher<T>` 在编译时访问所有的 `Reactor Stream` API，除非你希望你的 API 隐藏（图书馆的开发者可能有此需求）。` `Streams.wrap(Publisher<T>)` 将会使尽解数将这种通用的返回类型转化成一个合适的 `Stream<T>`。

#####表15，进化成响应型微服务，第一部分，UserService 中的错误隔离和非阻塞操作#### ```java public User get(String name) throws Exception { Result r = userDB.findByName(name); return convert(r); } public List<User> allFriends(User user) throws Exception { ResultSet rs = userDB.findAllFriends(user); return convertToList(r); } public Future<List<User>> filteredFind(String name) throws Exception { User user = get(name); if(user == null || !user.isAdmin()){ return CompletedFuture.completedFuture(null); } else { //could be in an async thread if wanted return CompletedFuture.completedFuture(allFriends(user)); } } ``````java public Promise<User> get(final String name) { return Promises .task( () -> userDB.findByName(name)) .timeout(3, TimeUnit.Seconds) .map(this::convert) .subscribeOn(workDispatcher()); } public Stream<User> allFriends(final User user) { return Streams .defer(() -> Streams.just(userDB.findAllFriends(user))) .timeout(3, TimeUnit.Seconds) .map(this::convertToList) .flatMap(Streams::from) .dispatchOn(cachedDispatcher()); .subscribeOn(workDispatcher()); } public Stream<User> filteredFind(String name){ return get(name) .stream() .filter(User::isAdmin) .flatMap(this::allFriends); } ```

不是很好的	很好的

* **所有的查询方法** 时： * 不再有`异常抛出`，异常都在管道中传递。 * 不再有控制逻辑，我们使用例如 map 或 filter 这样的预定义操作。 * 只返回`发布者`(Stream 或 Promise)。 * 通过超时机制限制阻塞的查询（之后可以进行重试或者回退等操作）。 * 在订阅时使用一个分配好的 workDispatcher。 * **get(name):** 时： * 使用类型定义的**单一数据**发布者，或是`Promise`。 * 在订阅时，调用**task**回调函数。 * **allFriends(user):** 时： * 在 **onSubscribe** 线程中使用 `defer()` 惰性的调用数据库查询。 * 现在还没有背压策略，我们在一个阻塞（但异步）的调用中读取所有的结果。 * 在 FlatMap 中，我们将返回的列表转化为一个数据流。 * 在一个异步调度器中分派数据，这样下游处理不会影响读取操作。 * **filteredFind(name):** 时： * 我们使用 `stream()` 将第一个 get 操作获取到的 `Promise` 转化为 Stream。 * 如果用户可用，我们只需要调用 allFriends() sub-stream。 * 返回的 Stream<User> 将在第一次 allFriends() 信号发出后恢复。

结果