翻译自：Reactivity - An overview
转载请注明来源

使用 Shiny 打造可互动的应用非常容易，但是为了走得更远，你需要去理解 Shiny 的响应式编程模型。

在 Shiny 中的响应式编程模型中，有三种组件：响应源、响应传导器（conductor）和响应终端。这三种组件将以下图三种符号表示：

响应源和响应终端

最简单的响应式程序结构如下图。其仅包含一个源和一个终端。

在一个 Shiny 应用中，典型的源是来自浏览器的用户输入。举个例子，当选中一个项目、进行输入，或点击按钮，这些动作会为响应源赋值。终端则一般是出现在用户浏览器窗口内容，比如图（plot）或表格。

在一个简单的 Shiny 应用中，响应源可以从input对象中获取，而响应终端则可以从output对象中获取。（事实上，还有其他可能的响应源和响应终端。这些都将在后续被提到，但是现在仅讨论input和output。）

这个仅有一个响应源和一个相应终端的简单架构，出现在 Shiny 的01_hello示例程序中。其server函数代码类似这个：

server <- function(input, output) {
  output$distPlot <- renderPlot({
    hist(rnorm(input$obs))
  })
}

你可以在这里看到该在线示例：https://gallery.shinyapps.io/01_hello/。

其中，output$distPlot对象是一个响应终端，它使用了响应源input$obs。只要input$obs的值发生改变，output$distPlot就需要重新进行计算。在传统互动界面编程中，这可能会包含设置事件句柄、写代码来读取新值、进行数据转换等一系列操作。但在这里，Shiny 在幕后为你做完了这一切，你只需要简单地编写看起来像简单的R语言代码就可以了。

一个响应源可以连接到多个响应终端上，反之亦然。这里的server函数包含了一个相对复杂一点的 Shiny 应用：

server <- function(input, output) {
  output$plotOut <- renderPlot({
    hist(faithful$eruptions, breaks = as.numeric(input$nBreaks))
    if (input$individualObs)
      rug(faithful$eruptions)
  })

  output$tableOut <- renderTable({
    if (input$individualObs)
      faithful
    else
      NULL
  })
}

在一个 Shiny 应用中，并不需要显式地描述这些关系、告诉 R 如何处理组成元件值的更新。Shiny 会自动为你处理这些细节。

在一个具备上述结构的应用中，只要input$nBreaks发生改变，生成图（plot）的代码就会自动重新执行。只要input$individualObs的值发生改变，生成图和表格的功能就会重新执行。（在 Shiny 应用中，大多数终端函数都会自动将其结果打包并发送到浏览器。）

响应传导器（Reactive conductors）

到目前为止，我们已经见过了响应源和响应终端。同时，大多数简单的例子中，都只用了这两种组件，直接将响应源与响应终端相连。事实上，将响应组件连接在源与终端之间也是可能的。这些组件被称为“响应传导器”。

一个传导器在响应结构图中，既可以作为子节点，又可以成为父节点。响应源只能作为父节点，响应终端只能作为子节点。

响应传导器对于计算成本较高或封装缓慢（encapsulating slow）的操作非常有用。想象你有如下应用，接受值input$n，输出斐波那契数列第n项的值，和第n项值的倒数。（注意，这里的代码只是用来演示响应传导器的作用，并非编程的最佳实践。）

# Calculate nth number in Fibonacci sequence
fib <- function(n) ifelse(n<3, 1, fib(n-1)+fib(n-2))

server <- function(input, output) {
  output$nthValue    <- renderText({ fib(as.numeric(input$n)) })
  output$nthValueInv <- renderText({ 1 / fib(as.numeric(input$n)) })
}

该应用的响应结构图是：

fib()算法非常低效，所以，若无必要，我们并不希望其运行多次。但是在这个应用中，我们运行了它两次！在一台相当快的现代机器上，设置input$n的值为30，就需要15秒来计算结果，而这很大程度是因为fib()运行了两次。

运算的体量可以通过在响应源和响应终端间加上响应传导器来减小：

fib <- function(n) ifelse(n<3, 1, fib(n-1)+fib(n-2))

server <- function(input, output) {
  currentFib         <- reactive({ fib(as.numeric(input$n)) })

  output$nthValue    <- renderText({ currentFib() })
  output$nthValueInv <- renderText({ 1 / currentFib() })
}

这是新的响应结构图：

记住，如果你的应用试图从响应块外部访问响应式变量 / 表达式，或者说从reactive表达式或observer外部，可能会引发错误（error）。你可以想象存在一个响应“世界”（reactive "world"），其可以看到或改变非响应式的“世界”（non-reactive world），但非响应世界并不能改变响应世界。下例的代码不会有效，因为对于fib()的调用不在响应的世界里（其未在reactive()或renderXX()中调用），但却试图访问一些在响应世界里面的对象——变量input$n：

server <- function(input, output) {
  # Will give error
  currentFib      <- fib(as.numeric(input$n))
  output$nthValue <- renderText({ currentFib })
}

同时，如果currentFib是一个访问了响应式变量的函数，并且这个函数在响应世界里，那么这个访问仍是有效的：

server <- function(input, output) {
  # OK, as long as this is called from the reactive world:
  currentFib <- function() {
    fib(as.numeric(input$n))
  }

  output$nthValue <- renderText({ currentFib() })
}

小结

在这一节，我们学习了：

• 响应源可以示意下游对象重新执行。
• 响应传导器位于源和终端之间的某个位置，它们通常用于封装缓慢（encapsulating slow）的操作。
• 响应终端可以收到来自响应式环境（reactive environment）的重新执行信号，可以要求上游对象重新执行。
• 失效箭头（Invalidation arrows）图示了响应事件的流程。也可以说，子节点依赖于父节点。

实践中的响应源、响应传导器和响应终端：values、expressions 和 observers

我们已经讨论了响应源、响应传导器和响应终端。这里是一些在响应式开发中比较重要的一些常见术语。目前，Shiny 拥有一类对象表现为响应源，一类对象表现为响应传导器，一类对象表现为响应终端。但是理论上还有其他可以承担这些作用的类。

• 响应值（Reactive values）扮演响应源的角色。
• Reactive表达式扮演响应传导器。他们可以访问响应值，或其他响应表达式，并返回一个值。
• Observer表达式则作为响应终端。它们可以访问响应源和响应表达式，并且它并不返回值。它们用于产生函数副作用（在函数内修改其他函数外的变量）。

所有的例子都使用了这三类元件，并且目前没有其它。

响应值（Reactive values）

响应值包含了可以被其他响应元件读取的值。input从类型上看，是一个ReactiveValues对象。它看上去像一个列表，并包含了许多独立的响应值。input中的值都来自用户在浏览器中的输入。

Reactive表达式

我们已经在之前的斐波那契示例中，见到过它了。它在服务器内存中缓存运算结果，来使应用更为高效。注意，响应传导器并不一定都会缓存其返回内容。这里只是说reactive()会这么做。

reactive表达式因为会缓存对用户输入的处理中的所有过程的结果而非常有用。这包括以下场景：

• 访问数据库
• 从文件中读取数据
• 从网上下载数据
• 进行大体量计算

Observe表达式

observer()与reactive()非常像。如同reactive，它可以访问响应值和reactive表达式。但是，它不返回任何结果，因此也就无从缓存运算结果。取而代之的，是它具有函数副作用。这包括向浏览器发送数据。（注意，与HTTP协议不同，由于 Shiny 在互动中采用Js脚本开启socket进行前后端数据交互，因此后端服务器可以主动向前端发送数据。——译注）

output对象看上去像一个列表，包含了很多独立的 observer。

如果你看了renderText()方法的源代码，你会发现它返回了一个返回值的函数。在使用上，一般是这样的：

output$number <- renderText({ as.numeric(input$n) + 1 })

这可能让你认为 observer 的确返回值。然而，这并不是所发生的全部。被renderText()返回的函数确实不是一个 observer 或响应终端。当与output$x所绑定时，被renderText()所绑定的函数自动转变成了另一个函数，而这个函数是一个 observer。这里的自动转换函数被调用是因为它需要做一些特殊的事情来把数据发送到用户浏览器。

reactive 和 observe 表达式间的区别

reactive表达式和observer表达式之间非常相似。他们都可以保存程序代码，但是他们有几点根本不同：

• observer（以及响应终端）响应于“流式响应事件”，但reactive表达式不会。我们将会在下一节中学习“流事件”（flush events）。如果你想要reactive表达式执行，那它在响应结构图上必须有一个observer作为子节点。
• reactive表达式返回值，而observer不会。