Honesty的个人记录博客，记录生活中的趣事 分享一些个人技术观点, HeHouHui,HeHui,明厚,HeHouHui博客,HeHouHui网站,HeHouHui Java

首页

文章

友链

关于我

瞬间

开往

归档

Github

留言

隐私权政策

本文是2025年WebFlux实战指南，全面解析响应式编程框架Spring WebFlux在实际项目中的全方位应用。内容涵盖从环境搭建（核心依赖配置、生产级参数优化）到核心组件实践，包括基于Mono/Flux的控制器设计、过滤器链（请求日志、跨域、全局异常处理）、文件分片上传与断点续传，以及响应式数据库交互（R2DBC的实体映射、Repository接口、事务管理）。同时详解安全鉴权（JWT实现）、高并发限流（Redis令牌桶策略）、响应式缓存设计（Redis缓存管理器与注解使用）、远程调用（OpenFeign与WebClient对比）、MQ响应式集成（RabbitMQ生产者/消费者）、AOP切面增强及测试策略，并提供丰富代码示例与性能优化最佳实践，助力开发者掌握高并发、I/O密集型场景下的响应式编程技巧，构建高效可扩展的分布式系统。

Spring

响应式

异步编程

WebFlux 实战指南 ：从入门到精通，环境搭建、控制器设计、数据库交互（含 R2DBC）到高并发优化（限流、缓存）的响应式编程全链路实践

作为一个每天和代码打交道的打工人，最头疼的莫过于提完MR后漫长的等待—— reviewer可能在开会、可能在改bug、可能在摸鱼，而你的代码只能在“进行中”状态里默默吃灰。更惨的是偶尔遇到“人工漏检”，上线后发现奇奇怪怪的bug，只能对着屏幕疯狂道歉：“这锅我背，下次一定仔细查！”

直到我发现了这个藏在云效里的神器——**yunxiao-LLM-reviewer**，现在我的MR终于有了一个24小时在线的“AI监工”，不仅能秒级反馈问题，还能把代码漏洞掰碎了讲给我听，甚至连摸鱼时都忍不住夸两句：这才是打工人的神仙辅助啊！

当我的代码评审开始 “AI 打工”：聊聊这个让我摸鱼更心安的神器

云效流水线Flow提供了灵活的集成机制，企业可以在云效Flow内开发一个自定义步骤来调用DeepSeek等大模型，对云效Codeup提交的代码评审进行智能评审，并通过云效的API，将这些评审意见回写到合并请求中。
同时，结合云效流水线Flow的能力还可以对提交的代码进行单元测试、代码扫描等任务，并将这些结果一并展示回云效Codeup的提交历史中，反馈每个commit的代码质量状态 
• AI 代码审查：使用大模型（Qwen、DeepSeek 等）对 MR 进行代码审查。
• 问题检测：聚焦于冗余代码、逻辑错误、潜在问题、SQL 性能优化等关键维度。
• 自动生成评论：根据模型输出的问题，自动在 MR 上提交评论。
• 支持多种模型：可选择不同的大模型进行代码审查。

云效Flow 自定义AI代码审核步骤

本文将深入解析 Spring AI 中的 DocumentTransformer 和检索增强生成（RAG）模块，详细讲解每个核心类的功能、参数、使用方法以及高级技巧。通过结合实际代码示例和应用场景，帮助开发者全面掌握这些组件的使用。

SpringAI

Spring AI 中的 DocumentTransformer 与 RAG 深度解析

在当今数字化转型的浪潮中，人工智能（AI）技术正逐渐成为推动业务创新的关键力量。Spring AI 作为 Spring 生态系统中的一员，为开发者提供了一种简单而高效的方式来集成 AI 功能。作为一名专注于 Java 技术的开发者，我深入研究了 Spring AI 的架构、核心模块以及其实现方式，并在此分享我的学习心得和实践代码。

WebFlux

学习

Spring AI 架构解析与核心模块实践

本条件表达式模块是流程引擎的核心决策组件，采用Spring Expression Language（SpEL）实现动态逻辑判断，支撑复杂业务流程的智能化路由。通过灵活的条件配置和强大的表达式解析能力，为企业级审批流系统提供高效、可靠的决策支持。

流程引擎

低代码

审批流

流程条件表达式技术方案

在Java开发中，我们经常需要对集合数据进行各种操作，比如批量获取用户信息、订单信息等。如果处理不当，很容易导致代码冗余、性能低下等问题。今天给大家介绍一个我最近发现的超实用的Java集合处理库——collection-complete。
collection-complete是一个用于处理集合数据并补充相关信息的Java库。它提供了链式调用的功能，可以方便地对集合中的元素进行批量操作和属性补充。这个库的设计理念是简化集合数据的处理流程，让开发者能够更高效地完成业务逻辑的实现。

Java

工具

一个超实用的Java集合处理库——collection-complete

在Elasticsearch中Mapping Index是一个核心概念，它定义了索引中数据的结构，包括字段的名称、类型、属性等。用于定义索引中文档及其字段如何被存储和索引的过程。它类似于传统关系型数据库中的表结构定义。在 MySQL 中，表结构里包含了字段名称，字段的类型还有索引信息等。在 Mapping 里也包含了一些属性，比如字段名称、类型、字段使用的分词器、是否评分、是否创建索引等属性。
‌作用‌：
• 定义索引下的字段名（Field Name）。
• 定义字段的类型，如文本型（text）、关键字型（keyword）、数字型（integer、long、float、double等）等。
• 定义字段的索引相关配置，如是否索引、是否记录位置信息等。

Elasticsearch

数据结构

Elasticsearch — 索引（Mapping Index）

Elasticsearch是一个基于Lucene分布式的开源搜索和分析引擎，适用于所有类型的数据，包括文本、数字、地理空间数据等。它构建于Lucene之上，并提供了一个易于使用的RESTful API来处理数据索引和搜索。Elasticsearch以其强大的全文搜索能力而闻名，并且能够实时地存储、搜索和分析大量数据。此外，Elasticsearch还常常与Logstash（用于收集、解析和处理数据流）和Kibana（用于数据可视化）结合使用，形成了ELK Stack，广泛应用于日志分析、指标分析以及其他大数据应用场景中。
在实际业务场景中我们或许是因为数据库中数量大且需要一个复杂的条件过滤时才考虑到应用Elasticsearch，因为它提供大数据量（PB）近乎实时的搜索功能。

分布式

Elasticsearch — 如何存储数据并保持一致性？

上一小节我们总结了Reactor模型，Netty基于主从Reactor模型设计了自己的模型结构，使得Netty在不同的场景下都有非常亮眼的性能和可用性表现。进入到这一小节，我又想到了那句话”Talk is cheap, show me code”。虽然上一小节我们简单写了一个“快速开始”，但是这对于要达到快速使用Netty进行网络开发的目的还远远不够。在一小节中我们会通过一系列的Demo示例熟悉Netty的开发，从代码中感受他们的特性。最后我们会通过一个简单的聊天加深我们对Netty各个核心组件的理解。最后我们动手设计实践一个API网关，认识网关的功能和结构，同时也进入提升我们使用Netty进行网络开发的熟练度，同时为后续深入源码打下基础。这一小节代码比较多，不要害怕耐心看完并付诸实践，一定会收获满满。

Netty

Netty — API网关Demo

异步执行对于开发者来说并不陌生，在实际的开发过程中，很多场景多会使用到异步，相比同步执行，异步可以大大缩短请求链路耗时时间，比如：发送短信、邮件、异步更新等，这些都是典型的可以通过异步实现的场景。1. 线程Thread
2. Future
3. 异步框架CompletableFuture
4. Spring注解@Async
5. Spring ApplicationEvent事件
6. 消息队列
7. 第三方异步框架，比如Hutool的ThreadUtil
8. Guava异步

多线程

Java异步编程方式介绍

常见的技术选择包括：
• 数据库级多租户：使用多个数据库实例分别存储各个租户的数据，每个租户对应一个独立的数据库。
• 模式级多租户：使用同一个数据库实例，但是为每个租户创建独立的数据库模式，实现数据隔离。
• 表级多租户：在同一个数据库模式下，使用不同的表来存储各个租户的数据，实现数据隔离。
• 应用级多租户：在应用程序中实现租户隔离，例如使用Spring Cloud等微服务框架。
• 容器级多租户：使用容器技术，为每个租户创建独立的容器，实现资源隔离和控制。
4 实现多租户架构的注意事项
• 保证租户数据的隔离性和安全性。
• 设计合理的租户数据结构和关系模型。
• 统一管理租户的配置和权限。
• 保证系统的可扩展性和可伸缩性，支持水平扩展。
• 保证系统的高可用性和容错性，避免单点故障。
• 对租户数据进行备份和恢复，保证数据的可靠性和完整性