Rx Gleitenden Durchschnitt

Praktisches Rx Training London 6.-7. Oktober 2015 Präsentiert vom Autor von IntroToRx TEIL 1 - Erste Schritte Benutzer erwarten Echtzeitdaten. Sie wollen ihre Tweets jetzt. Ihre Bestellung wurde bestätigt. Sie brauchen Preise ab sofort genau. Ihre Online-Spiele müssen reagieren. Als Entwickler fordern Sie Feuer-und-vergessen-Messaging. Sie möchten nicht auf ein Ergebnis blockiert werden. Sie wollen das Ergebnis an Sie geschoben, wenn es bereit ist. Noch besser, wenn Sie mit Ergebnismengen arbeiten, möchten Sie einzelne Ergebnisse erhalten, sobald sie bereit sind. Sie wollen nicht warten, bis der gesamte Satz verarbeitet wird, bevor Sie die erste Zeile sehen. Die Welt bewegt, um Push-Nutzer warten auf uns aufholen. Entwickler haben Werkzeuge, um Daten zu schieben, das ist einfach. Entwickler benötigen Werkzeuge, um auf Push-Daten zu reagieren. Willkommen bei Reactive Extensions für. NET (Rx). Dieses Buch richtet sich an alle. NET Entwickler neugierig auf die IObservableltTgt und IObserverltTgt Schnittstellen, die in. NET 4 aufgetaucht sind. Die Reactive Extensions Bibliotheken von Microsoft sind die Implementierungen dieser Schnittstellen, die schnell Abholung Traktion mit Server, Client-und Web-Entwickler wie. Rx ist ein leistungsstarkes Entwicklungswerkzeug. Rx ermöglicht Entwicklern, Probleme in einem eleganten, vertrauten und deklarativen Stil zu lösen, oft entscheidend mit weniger Code als ohne Rx möglich war. Durch die Nutzung von LINQ erhält Rx die Standardvorteile einer LINQ-Implementierung 1. Integrierter LINQ ist in die C-Sprache integriert. Unitive Mit LINQ können Sie Ihre vorhandenen Fähigkeiten zur Abfrage von Daten im Ruhezustand (LINQ to SQL, LINQ to XML oder LINQ to Objects) nutzen, um Daten in Bewegung abzufragen. Sie könnten von Rx als LINQ auf Veranstaltungen denken. Mit LINQ können Sie von anderen Paradigmen zu einem gemeinsamen Paradigma übergehen. Beispielsweise können Sie ein normales. NET-Ereignis, einen asynchronen Methodenaufruf, eine Task oder eine Middleware-API in einem gemeinsamen Rx-Paradigma umwandeln. Durch die Nutzung unserer bestehenden Sprache der Wahl und mit vertrauten Operatoren wie Select. Woher . GroupBy etc., können Entwickler rationalisieren und kommunizieren Designs oder Code in einer gemeinsamen Form. Erweiterbar Sie können Rx mit eigenen benutzerdefinierten Abfrageoperatoren (Erweiterungsmethoden) erweitern. Deklaratives LINQ erlaubt Ihnen, Ihren Code als eine Deklaration dessen zu lesen, was Ihr Code tut und lässt, wie die Implementierung der Operatoren. Komponierbare LINQ-Funktionen, wie Erweiterungsmethoden, Lambda-Syntax und Abfrage-Verständnis-Syntax, bieten eine fließend API für Entwickler zu konsumieren. Abfragen können mit zahlreichen Operatoren erstellt werden. Abfragen können dann zusammengesetzt werden, um zusammengesetzte Abfragen weiter zu erzeugen. Transformative Abfragen können ihre Daten von einem Typ in einen anderen transformieren. Eine Abfrage kann einen einzelnen Wert in einen anderen Wert umwandeln, der aus einer Folge von Werten zu einem einzigen Durchschnittswert aggregiert wird oder einen einzelnen Datenwert in eine Folge von Werten erweitert. Wann ist Rx geeignet Rx bietet ein natürliches Paradigma für den Umgang mit Sequenzen von Ereignissen. Eine Sequenz kann null oder mehr Ereignisse enthalten. Rx erweist sich als am wertvollsten, wenn er Sequenzen von Ereignissen zusammensetzt. Sollte Rx Verwalten von Ereignissen wie diese ist, was Rx für gebaut wurde: UI-Ereignisse wie Maus bewegen, Schaltfläche klicken Domain-Ereignisse wie Eigentum geändert, Sammlung aktualisiert, Order Filled, Registrierung akzeptiert etc. Infrastruktur-Ereignisse wie von File Watcher, System und WMI-Ereignisse Integration Ereignisse wie eine Broadcast von einem Nachrichtenbus oder ein Push-Ereignis von WebSockets API oder andere niedrige Latenz Middleware wie Nirvana Integration mit einer CEP-Engine wie StreamInsight oder StreamBase. Interessanterweise Microsofts CEP Produkt StreamInsight. Die Teil der SQL Server-Familie ist, verwendet auch LINQ, um Abfragen über Streaming-Ereignisse von Daten zu erstellen. Rx ist auch sehr gut geeignet für die Einführung und Verwaltung von Parallelität zum Zweck der Entlastung. Das bedeutet, dass ein gegebener Satz von Arbeit gleichzeitig ausgeführt wird, um den aktuellen Thread freizugeben. Eine sehr beliebte Verwendung dieser ist die Aufrechterhaltung einer ansprechenden Benutzeroberfläche. Sie sollten erwägen, Rx zu verwenden, wenn Sie ein vorhandenes IEnumerableltTgt haben, das versucht, Daten in Bewegung zu modellieren. Während IEnumerableltTgt Daten in Bewegung modellieren kann (durch Verwendung von faulen Auswertungen wie Renditeertrag), wird es wahrscheinlich nicht skaliert. Iterating über ein IEnumerableltTgt wird verbrauchen einen Thread. Sie sollten entweder die nicht blockierende Natur von Rx entweder über IObservableltTgt favorisieren oder die asynchronen Funktionen in. NET 4.5 berücksichtigen. Rx Rx kann auch für asynchrone Aufrufe verwendet werden. Dies sind effektive Sequenzen eines Ereignisses. Ergebnis einer Task oder TaskltTgt Ergebnis eines APM-Methodenaufrufs wie FileStream BeginReadEndRead Die Verwendung von TPL, Dataflow oder async-Schlüsselwort (.NET 4.5) erweist sich als eine natürlichere Methode, asynchrone Methoden zu erstellen. Während Rx kann definitiv helfen, mit diesen Szenarien, wenn es andere mehr geeignete Rahmenbedingungen zu Ihrer Verfügung sollten Sie diese zuerst berücksichtigen. Rx kann verwendet werden, ist jedoch weniger geeignet für die Einführung und Verwaltung von Parallelität für die Zwecke der Skalierung oder Durchführung von parallelen Berechnungen. Andere spezielle Frameworks wie TPL (Task Parallel Library) oder C AMP eignen sich eher für die Durchführung von parallelen rechenintensiven Arbeiten. Verwenden Sie nicht Rx Rx und speziell IObservableltTgt ist kein Ersatz für IEnumerableltTgt. Ich würde nicht empfehlen, versuchen, etwas zu nehmen, die natürlich Zug basiert und Kraft es auf Push basiert. Übertragen vorhandener IEnumerableltTgt-Werte zu IObservableltTgt nur so, dass die Codebasis mehr Rx Message-Warteschlangen sein kann. Warteschlangen wie in MSMQ oder eine JMS-Implementierung haben in der Regel Transaktionalität und sind per Definition sequenziell. Ich fühle IEnumerableltTgt ist eine natürliche Passform für hier. Durch die Wahl der besten Werkzeug für den Job sollte Ihr Code leichter zu pflegen, bieten eine bessere Leistung und Sie werden wahrscheinlich bessere Unterstützung bekommen. Rx in Aktion Adoptieren und Lernen Rx kann ein iterativer Ansatz sein, wo Sie es langsam auf Ihre Infrastruktur und Domain anwenden können. In kurzer Zeit sollten Sie in der Lage, die Fähigkeiten, um Code zu produzieren oder zu reduzieren vorhandenen Code, um Abfragen aus einfachen Operatoren zusammengesetzt haben. Beispielsweise ist dieses einfache ViewModel alles, was ich brauche, um eine Suche zu integrieren, die als Benutzer-Typen ausgeführt werden soll. Public class MemberSearchViewModel. INotifyPropertyChanged Während dieses Code-Snippet ziemlich klein ist, unterstützt es die folgenden Anforderungen: Bewahrt eine reaktionsfähige Benutzeroberfläche Unterstützt Zeitüberschreitungen Erkennt, wann die Suche abgeschlossen ist Ermöglicht es, die Ergebnisse einzeln zurückzukehren. Handles-Fehler Ist Unit-Test möglich, auch bei den Concurrency-Bedenken Wenn sich ein Benutzer ändert Die Suche abzubrechen, die aktuelle Suche abzubrechen und eine neue Suche mit neuem Text auszuführen. Um dieses Beispiel zu erstellen, ist fast ein Komponieren der Operatoren, die den Anforderungen entsprechen, zu einer einzigen Abfrage. Die Abfrage ist klein, wartbar, deklarativ und weit weniger Code als Ihre eigenen rollen. Es gibt den zusätzlichen Vorteil der Wiederverwendung einer gut getesteten API. Je weniger Code Sie schreiben müssen, desto weniger Code müssen Sie testen, debuggen und pflegen. Das Erstellen anderer Abfragen wie das Folgende ist einfach: das Berechnen eines gleitenden Mittelwerts einer Reihe von Werten, z. B. Service Level Agreements für durchschnittliche Latenzzeiten oder Ausfallzeiten, die Ereignisdaten aus mehreren Quellen kombinieren, z. B. Suchergebnissen von Bing, Google und Yahoo oder Sensordaten von Accelerometer, Gyro, Magnetometer oder Temperaturgruppierungsdaten, z. B. Tweets nach Thema oder Nutzer oder Aktienkurse durch Delta - oder Liquiditätsfilterdaten, z. B. Online-Spiel-Server in einer Region, für ein bestimmtes Spiel oder mit einer minimalen Anzahl von Teilnehmern. Push ist da. Bewaffnung selbst mit Rx ist eine leistungsfähige Weise, Benutzererwartungen einer Pushwelt zu treffen. Durch das Verständnis und die Zusammensetzung der Bestandteile von Rx werden Sie in der Lage, kurze Arbeit der Komplexität der Verarbeitung eingehender Ereignisse zu machen. Rx wird eingestellt, um ein Tag-zu-Tag Teil Ihres Codierens zu werden. Zusätzliche empfohlene LesungPräsagiert durch den Autor von IntroToRx Sequenzen von Zufall Wir konzipieren Ereignisse, die Dauer als Fenster haben. Zum Beispiel ein Server ist eine Person ist in einem Raum eine Taste gedrückt wird (und noch nicht freigegeben). Das erste Beispiel könnte re-worded wie für dieses Fenster der Zeit, der Server wurde. Ein Ereignis aus einer Quelle kann einen größeren Wert haben, wenn es mit einem Ereignis aus einer anderen Quelle übereinstimmt. Zum Beispiel, während auf einem Musikfestival, können Sie nur interessiert sein, Tweets (Ereignis) über einen Künstler, während sie spielen (Fenster). Im Finanzbereich können Sie sich nur für Trades (Event) für ein bestimmtes Instrument interessieren, während der New Yorker Markt geöffnet ist (Fenster). In Operationen können Sie an den Benutzersitzungen (Fenster) interessiert sein, die während eines Upgrades eines Systems (Fenster) aktiv bleiben. In diesem Beispiel würden wir für übereinstimmende Fenster fragen. Rx bietet die Möglichkeit, Abfolge von Zufällen, manchmal auch Schiebefenster genannt, abzufragen. Wir erkennen bereits den Nutzen, den Rx bei der Abfrage von Daten in Bewegung liefert. Durch die zusätzliche Bereitstellung der Energie zur Abfrage Sequenzen der Koinzidenz, Rx stellt noch eine andere Dimension der Möglichkeiten. Buffer revisited Puffer ist kein neuer Operator für uns, er kann nun konzeptionell mit den Fensteroperatoren gruppiert werden. Jeder dieser Fensteroperatoren wirkt auf eine Sequenz und ein Zeitfenster. Jeder Operator öffnet ein Fenster, wenn die Quellfolge einen Wert erzeugt. Die Art, wie das Fenster geschlossen ist und welche Werte ausgesetzt sind, sind die Hauptunterschiede zwischen jedem der Operatoren. Lassen Sie uns nur schnell rekapitulieren die interne Arbeit des Puffer-Operator und sehen, wie diese Karten auf das Konzept der Fenster der Zeit. Der Puffer erzeugt ein Fenster, wenn der erste Wert erzeugt wird. Es wird dann setzen Sie diesen Wert in einen internen Cache. Das Fenster bleibt so lange offen, bis die Anzahl der Werte erreicht ist. Jeder dieser Werte wird zwischengespeichert. Wenn der Zählerstand erreicht ist, wird das Fenster geschlossen und der Cache als IListltTgt in die Ergebnissequenz veröffentlicht. Wenn der nächste Wert von der Quelle erzeugt wird, wird der Cache gelöscht und wir beginnen wieder. Das bedeutet, dass Puffer ein IObservableltTgt nimmt und ein IObservableltIListltTgtgt zurückgibt. Beispiel-Puffer mit Zählung von 3 In diesem Marmordiagramm habe ich die Liste der Werte dargestellt, die zu einem Zeitpunkt als eine Spalte von Daten zurückgegeben werden, d. h. die Werte 0, 1 amp2 werden alle in dem ersten Puffer zurückgegeben. Verstehen Puffer mit der Zeit ist nur ein kleiner Schritt weg von Verständnis Puffer mit Zähler anstelle der Übergabe einer Zählung, passieren wir eine TimeSpan. Das Schließen des Fensters (und damit des Pufferspeichers) wird nun zeitlich statt der Anzahl von Werten diktiert. Dies ist jetzt komplizierter, da wir eine Art Scheduling eingeführt haben. Um das IListltTgt zum richtigen Zeitpunkt zu erzeugen, benötigen wir einen Scheduler, der dem Timing zugeordnet ist. Übrigens macht dies das Testen viel einfacher. Beispiel Puffer mit der Zeit von 5 Einheiten Die Fensteroperatoren sind den Pufferoperatoren sehr ähnlich, sie unterscheiden sich nur durch ihren Rückgabetyp. Wo Puffer würde ein IObservableltTgt und eine IObservableltIListltTgtgt. Geben die Fensteroperatoren ein IObservableltIObservableltTgtgt zurück. Es ist auch erwähnenswert, dass die Pufferoperatoren ihre Puffer erst nach dem Schließen des Fensters abgeben werden. Hier sehen wir die einfachen Überladungen zu Window. Es gibt eine überraschende Symmetrie mit den Fenster - und Pufferüberladungen. Public static IObservable ltServers ltTSourcegtgt Windowlt-Quelle (diese IObservable ltTSourcegt-Quelle, Beispiel für Fenster mit der Zeit von 5 Einheiten Ein wesentlicher Unterschied sehen wir hier darin, dass die Fensteroperatoren Ihnen Werte von der Quelle mitteilen können, sobald sie erzeugt werden , Müssen Sie warten, bis das Fenster schließt, bevor die Werte als ganze Liste gemeldet werden können. Erstellen einer Fensteroperation Ich denke, es ist erwähnenswert, zumindest aus akademischer Sicht, dass die Fensteroperatoren IObservableltIObservableltTgtgt produzieren Erforschte das Konzept der verschachtelten Observablen im früheren Kapitel über Aggregation. Konzert Merge und Switch haben jeweils eine Überlastung, die ein IObservableltIObservableltTgtgt und gibt ein IObservableltTgt. Wie die Fensteroperatoren sicherstellen, dass die Fenster (Kind-Sequenzen) nicht überlappen, können wir verwenden (TimeSpan. FromMilliseconds (200)) Take (10) var switchedWindow Observable. Interval (TimeSpan. FromMilliseconds (200)), um eine fensterorientierte Sequenz wieder in ihre ursprüngliche Form zurückzubringen. Nehmen Sie (10) Fenster (TimeSpan. FromMilliseconds (500)) Anpassen von Fenstern Die oben genannten Überladungen bieten einfache Möglichkeiten, um eine Sequenz in kleinere verschachtelte Fenster mit einer Zählung und oder einer Zeitspanne zu unterbrechen. Nun werden wir auf die anderen Überladungen, die mehr Flexibilität, wie Fenster verwaltet werden. Projiziert jedes Element einer beobachtbaren Sequenz in aufeinander folgende nichtüberlappende Fenster. FensterClosingSelector. Eine Funktion, die zum Definieren der Grenzen der erzeugten Fenster aufgerufen wird. Ein neues Fenster wird gestartet, wenn das vorherige geschlossen ist. Public static IObservable ltTSourcegtgt WindowltSource, TWindowClosinggt diese IObservable ltTSourcegt-Quelle, Func lt IObservable ltTWindowClosinggtgt windowClosingSelector Die erste dieser komplexen Überladungen ermöglicht es uns zu kontrollieren, wann Windows schließen soll. Die windowClosingSelector-Funktion wird jedes Mal aufgerufen, wenn ein Fenster erstellt wird. Windows werden auf Abonnement erstellt und sofort nach einem Fenster schließt Fenster schließen, wenn die Sequenz aus dem FensterClosingSelector einen Wert erzeugt. Der Wert wird ignoriert, so ist es egal, welche Art die Sequenzwerte sind in der Tat können Sie einfach die Sequenz aus windowClosingSelector, um das Fenster zu schließen. In diesem Beispiel erstellen wir ein Fenster mit einem Auswahlschalter. Wir geben immer das gleiche Thema von diesem Selektor jedes Mal, dann benachrichtigen Sie aus dem Thema, wenn ein Benutzer drückt Eingabe von der Konsole. Var windowIdx 0 var source Beobachtbar. Interval (TimeSpan. FromSeconds (1)) Nehmen Sie (10) var closer new Betreff lt Einheit gt () source. Window (() gt closer) var windowClose index. Skip (count-1) return Shared. Window (windowOpen, gt windowClose) Wir können hier sehen, dass die windowClose-Sequenz bei jedem Öffnen eines Fensters neu subskribiert wird, da es von einer Funktion zurückgegeben wird. Dadurch können wir für jedes Fenster den Skip (Skip (count-1)) erneut anwenden. Derzeit ignorieren wir den Wert, den das windowOpen zum windowClose selector drückt, aber wenn Sie es für eine Logik benötigen, steht es Ihnen zur Verfügung. Wie Sie sehen können, kann der Fensteroperator ziemlich mächtig sein. Wir können sogar Fenster verwenden, um andere Operatoren zu replizieren, zum Beispiel können wir unsere eigene Implementierung von Puffer auf diese Weise erstellen. Der SelectMany-Operator kann einen einzigen Wert (das Fenster) erzeugen, um Null oder mehr Werte eines anderen Typs (in unserem Fall eines einzelnen IListltTgt) zu erzeugen. Um das IListltTgt ohne Sperren zu erstellen, können wir die Aggregate-Methode anwenden und ein neues ListltTgt als Samen verwenden. Öffentliches statisches IObservable ltIListltTgtgt MyBufferltTgt (diese IObservable ltTgt-Quelle) Es kann eine interessante Übung sein, andere Methoden der Verschiebung, wie Sample oder Throttle, mit Window zu implementieren. Der Join-Operator ermöglicht es, logisch zwei Sequenzen zu verknüpfen Werte aus den beiden Sequenzen zusammen durch einen Index kann der Join-Operator es Ihnen ermöglichen, Sequenzen durch sich überschneidende Fenster zu verbinden. Wie die Fenster-Überladung, die wir gerade sahen, können Sie angeben, wann ein Fenster über eine beobachtbare Sequenz schließen soll, die diese Sequenz von einer Funktion zurückgibt Der Join-Operator hat zwei Funktionen, einen für die erste Source-Sequenz und einen für die zweite Source-Sequenz. Wie der Zip-Operator, müssen wir auch eine Selektor-Funktion zur Erzeugung der Ergebnisposition aus dem Paar von Werten bereitstellen. public static IObservable ltTResultgt Join ltTLeft, Tright, TLeftDuration, TRightDuration, TResultgt diese IObservable ltTLeftgt links, IObservable ltTRightgt rechts, Func ltTLeft, IObservable ltTLeftDurationgtgt leftDurationSelector, Func ltTRight, IObservable ltTRightDurationgtgt rightDurationSelector, Func ltTLeft, Tright, TResultgt resultSelector Dies ist eine komplexe Signatur Versuchen und verstehen in einem go, so lasst es einen Parameter zu einem Zeitpunkt. IObservableltTLeftgt left ist die Quellsequenz, die festlegt, wann ein Fenster startet. Dies ist genau wie die Puffer - und Fensteroperatoren, außer dass jeder Wert, der aus dieser Quelle veröffentlicht wird, ein neues Fenster öffnet. In Puffer und Fenster. Im Gegensatz dazu fielen einige Werte in ein bestehendes Fenster. Ich mag an IObservableltTRightgt rechts als die Fensterwertfolge denken. Während die linke Sequenz das Öffnen der Fenster steuert, versucht die rechte Sequenz, sich mit einem Wert aus der linken Sequenz zu verbinden. Stellen wir uns vor, daß unsere linke Folge einen Wert erzeugt, der ein neues Fenster schafft. Wenn die rechte Sequenz einen Wert erzeugt, während das Fenster geöffnet ist, wird die resultSelector-Funktion mit den beiden Werten aufgerufen. Dies ist der Crux von join, indem zwei Werte aus einer Sequenz gekoppelt werden, die innerhalb desselben Fensters auftreten. Dies führt dann zu unserer nächsten Frage, wann das Fenster schließen wird. Die Antwort verdeutlicht sowohl die Leistung als auch die Komplexität des Join-Operators. Wenn links ein Wert erzeugt wird, wird ein Fenster geöffnet. Dieser Wert wird auch zu der leftDurationSelector-Funktion übergeben, die einen IObservableltTLeftDurationgt zurückgibt. Wenn diese Sequenz einen Wert erzeugt oder vervollständigt, wird das Fenster für diesen Wert geschlossen. Beachten Sie, dass es irrelevant ist, was der Typ von TLeftDuration ist. Dies ließ mich zunächst mit dem Gefühl, dass IObservableltTLeftDurationgt war ein wenig übertrieben, wie Sie effektiv brauchen nur eine Art von Veranstaltung zu sagen, Geschlossen. Allerdings, indem es erlaubt IObservableltTgt verwenden. Können Sie einige clever Manipulation, wie wir später sehen werden. Stellen wir uns nun ein Szenario vor, in dem die linke Sequenz doppelt so schnell wie die rechte Sequenz erzeugt. Stellen Sie sich vor, dass wir die Fenster nicht schließen können, indem wir immer wieder Observable. NeverltUnitgt () von der linkenDurationSelector-Funktion zurückgeben. Dies würde dazu führen, dass die folgenden Paare erzeugt werden. Wie Sie sehen können, werden die linken Werte zwischengespeichert und jedes Mal wiedergegeben, wenn die rechte einen Wert erzeugt. Nun scheint es ziemlich offensichtlich, dass, wenn ich sofort das Fenster geschlossen, indem Sie Observable. EmptyltUnitgt. Oder vielleicht Observable. Return (0). Fenster würden nie geöffnet, also würden keine Paare jemals produziert. Aber was konnte ich tun, um sicherzustellen, dass diese Fenster nicht überlappten - so dass, sobald ein zweiter Wert erzeugt wurde, würde ich nicht mehr den ersten Wert sehen Nun, wenn wir die linke Sequenz aus dem linkenDurationSelector zurückgegeben. Das könnte der Trick tun. Aber warten Sie, wenn wir die Sequenz aus dem linkenDurationSelector zurückgeben. Würde es versuchen, ein anderes Abonnement zu erstellen, und das kann Nebenwirkungen hervorrufen. Die schnelle Antwort darauf ist, zu veröffentlichen und RefCount die linke Sequenz. Wenn wir das tun, sehen die Ergebnisse eher so aus. Das letzte Beispiel ist sehr ähnlich zu CombineLatest. Außer dass es nur ein Paar produziert, wenn sich die richtige Sequenz ändert. Wir könnten Join verwenden, um unsere eigene Version von CombineLatest zu produzieren. Wenn die Werte aus der linken Sequenz ablaufen, wenn der nächste Wert von links benachrichtigt wurde, dann wäre ich auch auf dem Weg zur Implementierung meiner Version von CombineLatest. Allerdings brauche ich die gleiche Sache für das richtige passieren. Zum Glück bietet der Join-Operator einen rightDurationSelector, der genau wie der leftDurationSelector funktioniert. Dies ist einfach zu implementieren, alles, was ich tun muss, ist einen Verweis auf die gleiche linke Sequenz zurückgeben, wenn ein linker Wert erzeugt wird, und tun das gleiche für das Recht. Der Code sieht so aus. public static IObservable ltTResultgt MyCombineLatestltTLeft, Tright, TResultgt IObservable ltTLeftgt links, IObservable ltTRightgt rechts, Func ltTLeft, Tright, TResultgt resultSelector Während oben der Code nicht Produktionsqualität ist (es einige Tore in Platz haben müssten Rennbedingungen zu mildern), es zeigt, Wie leistungsfähig Join ist, können wir es tatsächlich verwenden, um andere Operatoren zu erstellen Wenn der Join-Operator Werte zusammenfügt, die innerhalb eines Fensters zusammenfallen, wird es die Skalarwerte links und rechts an den resultSelector übergeben. Der GroupJoin-Operator nimmt diesen Schritt noch weiter, indem er den linken (skalaren) Wert sofort an den resultSelector mit dem rechten (Sequenz-) Wert übergibt. Der richtige Parameter repräsentiert alle Werte aus den rechten Sequenzen, die innerhalb des Fensters auftreten. Seine Unterschrift ist sehr ähnlich Join. Aber beachten Sie den Unterschied im resultSelector-Parameter. public static IObservable ltTResultgt GroupJoin ltTLeft, Tright, TLeftDuration, TRightDuration, TResultgt diese IObservable ltTLeftgt links, IObservable ltTRightgt rechts, Func ltTLeft, IObservable ltTLeftDurationgtgt leftDurationSelector, Func ltTRight, IObservable ltTRightDurationgtgt rightDurationSelector, Func ltTLeft, IObservable ltTRightgt, TResultgt resultSelector Wenn wir gingen zurück zu Unsere erste Join-Beispiel, wo wir die linke Werte produzieren doppelt so schnell wie die rechte, die links nie ausläuft das Recht sofort abläuft dies ist, was das Ergebnis aussehen könnte Wir könnten es umschalten und haben die linken abgelaufen sofort und das Recht nie abläuft . Das Ergebnis würde dann so aussehen: Das beginnt, die Dinge interessant zu machen. Perceptive Leser haben vielleicht bemerkt, dass mit GroupJoin Sie effektiv Ihre eigene Join-Methode neu erstellen könnte durch so etwas wie dies zu tun: public IObservable ltTResultgt MyJoinltTLeft, Tright, TLeftDuration, TRightDuration, TResultgt (IObservable ltTLeftgt links, IObservable ltTRightgt rechts, Func ltTLeft, IObservable ltTLeftDurationgtgt Für eine alternative Zusammenfassung der reduzierenden Operatoren zu einem primitiven Satz siehe Bart DeSmets hervorragende MINLINQ Post (und Follow-up-Video). Bart ist eines der wichtigsten Mitglieder des Teams, das Rx gebaut hat, also ist es toll, einen Einblick zu bekommen, wie die Schöpfer von Rx denken. Die Präsentation von GroupJoin und die Nutzung anderer Betreiber erwies sich als spaßige akademische Übung. Während Sie Videos und Bücher lesen auf Rx erhöht Ihre Vertrautheit mit ihm, nichts ersetzt die Erfahrung der tatsächlich Kommissionierung es auseinander und verwenden Sie es im Ernst. GroupJoin und andere Fenster-Betreiber reduzieren die Notwendigkeit für Low-Level-Sanitär von Staat und Parallelität. Durch die Exposition einer High-Level-API, Code, der sonst schwer zu schreiben wäre, wird ein cinch zusammen. Beispielsweise könnten in der Finanzbranche GroupJoin verwendet werden, um in Echtzeit volumen - oder zeitgewichtete Durchschnittspreise (VWAPTWAP) zu erzeugen. Rx liefert noch einen anderen Weg, um Daten in Bewegung zu fragen, indem Sie die Abfrage von Sequenzen von Zufall. Dies ermöglicht Ihnen, das intrinsisch komplexe Problem der Verwaltung von Staat und Parallelität bei der Durchführung von Matching aus mehreren Quellen zu lösen. Durch die Einkapselung dieser Low-Level-Operationen können Sie Rx nutzen, um Ihre Software aussagekräftig und testfähig zu gestalten. Unter Verwendung der Rx-Operatoren als Bausteine ​​wird Ihr Code effektiv zur Komposition vieler einfacher Operatoren. Dies ermöglicht es, dass die Komplexität des Domänencodes der Fokus ist, nicht der ansonsten zufällige unterstützende Code. Wenn LINQ zuerst veröffentlicht wurde, brachte es die Fähigkeit, statische Datenquellen direkt in die Sprache abzufragen. Mit dem Datenvolumen in der heutigen Zeit, nur in der Lage, Data-at-Rest abzufragen, begrenzt Ihren Wettbewerbsvorteil. In der Lage sein, Sinn für Informationen, wie es fließt, öffnet sich ein völlig neues Spektrum an Software. Wir brauchen mehr als nur die Fähigkeit, auf Veranstaltungen zu reagieren, das können wir seit Jahren tun. Wir benötigen die Fähigkeit, komplexe Abfragen über mehrere Quellen von fließenden Daten zu konstruieren. Rx bringt die Ereignisverarbeitung in die Massen, indem es Ihnen ermöglicht, Daten-in-motion direkt von Ihrer bevorzugten. NET Sprache abzufragen. Komposition ist König: Sie erstellen Operatoren, um Abfragen zu erstellen, und Sie komponieren Sequenzen, um die Daten anzureichern. Rx nutzt gemeinsame Typen, Muster und Sprachfunktionen, um eine unglaublich leistungsfähige Bibliothek zu liefern, die die Art und Weise, wie Sie moderne Software schreiben, verändern kann. Im Laufe des Buches haben Sie gelernt, die grundlegenden Arten und Prinzip der Rx. Sie haben funktionale Programmierung Konzepte entdeckt und wie sie für beobachtbare Sequenzen anzuwenden. Sie können mögliche Fallstricke bestimmter Muster und deren Vermeidung identifizieren. Sie verstehen die interne Arbeit der Betreiber und können sogar eigene Implementierungen von vielen von ihnen aufbauen. Schließlich können Sie komplexe Abfragen konstruieren, die gleichzeitig Parallelität auf sichere und deklarative Weise verwalten und dennoch testfähig sind. Sie haben alles, was Sie für die sichere Erstellung von Anwendungen mit den Reactive Extensions for. NET benötigen. Wenn Sie sich zu irgendeiner Zeit fest und nicht sicher, wie man ein Problem zu lösen oder brauchen Hilfe finden, können Sie es wahrscheinlich ohne äußere Reiz zu lösen. Denken Sie daran, zuerst zeichnen ein Marmor-Diagramm, was Sie denken, das Problem Raum ist. Dies sollte Ihnen erlauben, die Muster im Fluss zu sehen, die Ihnen helfen, die richtigen Operatoren zu wählen. Zweitens, denken Sie daran, die Richtlinien zu befolgen. Drittens schreiben Sie eine Spitze. Verwenden Sie LINQPad oder ein leeres Visual Studio-Projekt, um ein kleines Beispiel auszufüllen. Schließlich, wenn Sie immer noch stecken, ist Ihr bester Ort, um Hilfe zu suchen ist das MSDN Rx-Forum. StackOverflow ist eine weitere nützliche Ressource zu, aber mit Bezug auf Rx Fragen, ist das MSDN Forum gewidmet Rx und scheint eine höhere Qualität der Antworten haben. Zusätzliche empfohlene Lesung Ich bin immer in Rx 8211 Reactive Extensions und ReactiveUI ein wenig als gut und werde durch den Rx-Workshop auf Kanal 9. Die fünfte Episode in der Serie, die über Gruppierung, Puffer, Fenster und andere erweiterte Stream Manipulation spricht verursacht Eine Herausforderung, die ich beschlossen habe. Wie kann ein 5, 10 oder X-Tage-Gleitender Durchschnitt für den Hoch-, Tief-, Nah - oder anderen Datenpunkt der StockQuote-Klasse angehängt werden, wenn ein Strom von StockQuotes vorliegt und der der Übung beigefügte Code die folgende StockQuote-Klasse bereitstellt? Ich glaube, ich habe es endlich geschafft. Der Code ist unten, aber der Ansatz der folgenden: Fügen Sie die mittleren Eigenschaften der ursprünglichen StockQuote-Klasse hinzu. Also, wenn Sie durchschnittlich hoch und niedrig sind, fügen Sie AverageHigh und AverageLow hinzu: 2. Verwenden Sie die Puffermethode, um gleitende Puffer von Stockquotes zu erstellen, die Sie aggregieren möchten. Wenn jeder Aktienzitat einen Tag im Bestand des Aktienbestandes darstellt, würde die Aggregierung von 10 StockQuote-Instanzen einen 10-Tage-Gleitdurchschnitt schaffen, wobei 100 von ihnen einen 100-Tage-Gleitdurchschnitt schaffen würden. Je mehr Tage Sie aggregieren, desto langsamer läuft das Programm. Verwenden Sie den zweiten Parameter zur Puffermethode, um festzulegen, wie viele Instanzen der Aktienkurse einen Puffer von dem nächsten trennen. We8217ll verwenden Sie den Wert 1, um Gleitpuffer von einem Aktienkurs zum nächsten zu erstellen. 3. Verwenden Sie schließlich die Aggregatfunktion, um laufende Durchschnitte für StockQuote-Instanzen zu füllen, die zuletzt in der Pufferliste angezeigt werden. Dies kann nicht die ideale Umsetzung sein. Wenn jemand einen besseren vorschlagen kann, bitte kommentieren.