← 课程目录 🚀 从零到一
📐 学习维度 阶段7 · 第29章 设计模式 23 讲 🚀 从零到一 📚 课程目录 🏠 首页 🛤️ 学习路径

29.13 观察者模式:事件一响,八方到位

审校 2026-09-28 · 素材来源:itstack-demo-design 复盘、深度文49
📑 本篇章节导航 (共10节,点击直达)
场景:一个动作触发一串后续手写一个最小事件总线推模型与拉模型框架现场:这模式撑起了半个生态同步的坑:监听器在主流程线程里跑循环事件与风暴事件的粒度:宁粗勿细踩坑清单面试怎么问一句话总结

行为型第一讲。观察者模式(一对多依赖:被观察者状态一变,全体观察者自动收到通知)管的是「怎么协作」——前半 12 讲解决对象怎么生、怎么搭,这一讲起解决对象之间怎么说话。它也是你最早用过的模式之一:Spring 的 @EventListener(13.4)背后就是它。

场景:一个动作触发一串后续

营销活动审核通过,接下来要发短信通知、记一条审计日志、往 MQ 投一条消息给积分服务、刷新缓存。最直觉的写法是把四件事顺序写进审核方法里——从此审核方法背着四个不相关的职责,加一个下游就改一次审核代码。观察者的解法:审核只负责发一个「审核通过」事件,谁关心谁订阅,发的人和听的人互不认识。

这也是 13.4 讲过的思想:主流程与后续动作解耦。区别在那篇讲用法,这篇拆模式本身。

手写一个最小事件总线

itstack-demo-design 的 18-02 场景是活动审核事件,核心就三个角色:事件、监听器接口、管理器:


public enum EventType { MQ, MESSAGE }               // 事件类型

public interface EventListener {
    void handle(Event event);                       // 监听器只认事件
}

public class EventManager {
    private final Map<EventType, List<EventListener>> listeners = new HashMap<>();

    public void subscribe(EventType type, EventListener l) {
        listeners.computeIfAbsent(type, k -> new ArrayList<>()).add(l);
    }
    public void notify(Event event) {               // 逐个喊一嗓子
        listeners.getOrDefault(event.type(), List.of())
                 .forEach(l -> l.handle(event));
    }
}

十行出头,这就是观察者的全部骨架:一个 Map 存「谁关心什么」,通知时按类型取出来逐个调用。Spring 的 ApplicationEventMulticaster(28.12.1 里 refresh 第 8 步初始化的就是它)把这套骨架做到了工业级——加了泛型事件、异常隔离、异步广播。

推模型与拉模型

通知时带不带数据,是观察者的第一个分水岭。推模型:事件对象里装满字段,监听器伸手就拿——简单直接,但事件类被塞成大杂烩,字段一改全体监听器跟着编译。拉模型:事件只带一个来源引用,监听器自己按需取——事件类稳定,监听器和来源耦合深了一点。Spring 走的是推模型(事件对象继承 ApplicationEvent),但事件体建议只放不可变的值——事件是广播出去的快照,不是共享的可变对象。

框架现场:这模式撑起了半个生态

Spring 事件(13.4):publishEvent 一发,@EventListener 各自响应,容器初始化的 ContextRefreshedEvent、Boot 的 ApplicationReadyEvent 全是它——28.12.1 的启动时间轴上,事件是每一站的报站器。Nacos 的 NotifyCenter(28.1.2):注册表一变,按事件类型分发订阅者,客户端推送、配置变更全靠这条总线——开源项目里它几乎不叫 observer,叫 EventCenter/EventBus。Guava EventBus:给不依赖 Spring 的场景用的注解版,@Subscribe 标方法即监听。MQ(11 章)则是观察者的跨进程版:进程内同步通知换成 broker 异步转投,可靠性换来了延迟和运维成本。

同步的坑:监听器在主流程线程里跑

Spring 的 @EventListener 默认同步执行——监听器抛异常,publishEvent 直接炸,主流程跟着回滚;监听器跑三秒,主流程就等三秒。两个正解:加 @Async 丢进线程池(注意 13.4 讲的 @Async 失效条件,同类内部调用不走代理);或用 @TransactionalEventListener 监听事务提交——否则「事务还没提交、下游已经收到事件去查库」的经典竞态就来了,17.5 讲双写一致性时提过的坑,根子常在这。

循环事件与风暴

A 监听事件 X 后又发布 Y,B 监听 Y 又发布 X——死循环不报错,只把 CPU 吃满。防御两招:事件对象里带上溯源 ID,监听器发现「这事件是我自己引发的」就跳过;发布前判断内容有没有真的变化(Nacos 的 md5 比对就是这个用途,28-1-1)。再记一笔性能账:一层事件扇出十个监听器,监听器再各发事件,深度三层就是千级调用——广播解耦的是认识,不是成本。

事件的粒度:宁粗勿细

设计事件时最容易犯的错是把粒度切太细:订单创建、订单金额变更、订单地址变更各发一个事件,两周后事件类型二十个,谁也不敢删。经验是按「下游真正关心的业务事实」命名,而不是按字段变化命名——OrderPaid 比 OrderAmountChanged 生命力强得多。判断标准做个思想实验:一年后这批事件要重放(配合 MQ 的回溯),下游能不能只靠事件流重建业务状态?能,粒度就对。另外事件名用过去时(OrderPaid 而不是 PayOrder):事件是已经发生的事实陈述,不是命令——这个命名习惯顺带把「发事件」和「下命令」(29.18)划清了界线,混用两者是事件驱动系统烂掉的头号起点。

踩坑清单

面试怎么问

一句话总结

观察者用「一个事件、多方订阅」把主流程和后续动作拆干净:进程内 Spring 事件、跨进程 MQ、开源项目里的 EventCenter 全是同一副骨架——记住它默认同步、广播的是快照,就躲开了九成的坑。