การจัดการ Backpressure ใน Spring WebFlux

Sharing is caring!

เวลาอ่านโดยประมาณ 20 นาที — บทความนี้จะพาคุณเจาะลึกแนวคิด Reactive Streams Backpressure และวิธีนำไปใช้งานอย่างเป็นระบบใน Spring WebFlux (บน Project Reactor) เพื่อป้องกัน Out-Of-Memory, ปรับสมดุล workload และยกระดับ throughput ของแอป Reactive API ที่ใช้ Netty หรือ Undertow อยู่เบื้องหลัง

---

สารบัญ

1. Backpressure คืออะไร & ทำไมต้องสนใจ?
2. สัญญา Reactive Streams 4 ข้อ
3. Operators รับมือ Backpressure ยอดนิยม
4. ตัวอย่างโค้ด ครบวงจร
5. เทคนิค Tuning ใน Spring Boot 3.5+
6. ข้อผิดพลาดที่พบบ่อย
7. Checklist สำหรับ Production

1. Backpressure คืออะไร & ทำไมต้องสนใจ?

ในระบบ Reactive Publisher กับ Subscriber จะสื่อสารกันด้วยสัญญาณ request(n) ผู้บริโภค (Consumer) จะบอกผู้ผลิต (Producer) ว่าต้องการข้อมูลทีละกี่ชิ้น หากผู้ผลิตส่งเร็วกว่าที่ร้องขอ เราเรียกว่า “overflow”. อาการที่พบบ่อย:

• คิว buffer โตไม่จำกัด → RAM พุ่งจน OOM
• Thread ถูกบล็อกรอ I/O เพราะ Storm ของ onNext()
• Latency กระโดดสูงใน P99 เพราะ GC ยิงถี่

การเปิด Backpressure จึงเหมือนใส่วาล์วควบคุมแรงดัน ช่วยรักษาอัตราการไหลให้สมดุล

2. สัญญา Reactive Streams 4 ข้อ

1. Responsive – ต้องพร้อมตอบสนองตลอด
2. Resilient – ต้องทนต่อความผิดพลาด
3. Elastic – ขยายตามภาระงาน
4. Message-Driven – ใช้ non-blocking message เป็นตัวควบคุม

ข้อสุดท้ายคือหัวใจ เพราะ Publisher จะส่ง onNext ได้ก็ต่อเมื่อ Subscriber ขอ

3. Operators รับมือ Backpressure ยอดนิยม

Operator	หลักการ	ข้อดี	ข้อควรระวัง
limitRate(int n)	ผ่อนส่งข้อมูลทีละก้อน	ควบคุมแรงดันได้แม่น, API อ่านง่าย	เพิ่ม latency เล็กน้อยหาก n ต่ำไป
buffer(int size)	กักข้อมูลในหน่วยความจำ	ไม่มี data loss	เสี่ยง OOM ถ้า size ไม่จำกัด
onBackpressureDrop()	ทิ้ง element เกิน demand	รักษา latency, ใช้ RAM น้อย	ข้อมูลหาย ไม่เหมาะกับ critical data

4. ตัวอย่างโค้ด ครบวงจร

4.1 Controller แบบ Endpoint-Streaming

// src/main/java/com/example/controller/EventController.java
@RestController
@RequestMapping("/v1/events")
public class EventController {

  private final EventService eventService;

  public EventController(EventService eventService) {
      this.eventService = eventService;
  }

  @GetMapping(value = "/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
  public Flux<Event> streamEvents() {
      return eventService.events()
              .limitRate(128)                // ปรับแรงดัน
              .onBackpressureBuffer(256)     // กักไม่เกิน 256
              .publishOn(Schedulers.boundedElastic());
  }
}

4.2 Service จำลอง Producer เร็วกว่า Consumer

@Service
public class EventService {

  public Flux<Event> events() {
      return Flux.interval(Duration.ofMillis(5)) // ยิงถี่มาก
                 .map(this::toEvent);
  }

  private Event toEvent(Long seq) {
      return new Event(seq, Instant.now());
  }
}

4.3 ทดสอบ Backpressure ใน JUnit 5

@Test
void backpressure_should_not_overflow() {
    StepVerifier.create(eventService.events()
                     .limitRate(10)
                     .take(100))
          .expectNextCount(100)
          .verifyComplete();
}

5. เทคนิค Tuning ใน Spring Boot 3.5+

• ปรับ reactor.netty.io-worker-count เท่าจำนวน CPU logical core
• ตั้ง spring.codec.max-in-memory-size จำกัด buffer แปลง JSON ใหญ่ ๆ
• ใช้ @Scheduler กำหนด thread pool เฉพาะสำหรับ blocking I/O
• เปิด BlockHound ตรวจเจอ blocking call ขณะ ทำ load test

6. ข้อผิดพลาดที่พบบ่อย

⚠ ลืม Backpressure ที่ DB Layer
เช่น ดึง Flux ใหญ่จาก R2DBC แล้ว collectList() ใน Service → กลายเป็น blocking

• ทำ parallel() แต่ไม่ .runOn() → ยังคงทำงานบน main event-loop
• ละเลย error signal → ต้อง onErrorResume() ก่อน retry
• เชน operator ที่ขยายข้อมูล (flatMap) โดยไม่จำกัด concurrency

7. Checklist ก่อนขึ้น Production

1. เขียน StepVerifier กับทุก Flux/Mono ที่ Critical
2. ตั้งค่า limitRate ใน ทุก จุด ที่ Producer > Consumer
3. กำหนดขนาด buffer ให้เหมาะกับ JVM Heap
4. ใช้ SLA (P99) ตรวจ latency เสมอใน Grafana/Prometheus
5. จำลอง Load Spike จริง ด้วย k6 หรือ Vegeta

---

สรุป

Backpressure ไม่ใช่แค่ตัวเลือก แต่คือหัวใจของสถาปัตยกรรม Reactive ทุกระดับ ตั้งแต่ function เล็ก ๆ จนถึง microservice ทั้งระบบ หากเข้าใจจังหวะ request-response ของ Reactive Streams และนำ operators มาใช้ถูกต้อง คุณจะได้แอปที่ เร็ว เสถียร และ รองรับ โหลดสูง อย่างมั่นใจ