推模型 vs 拉模型：两种数据传递方式

推荐一个学习网站，http://easelearningai.com  输入学习主题，会根据你的知识背景，帮你把学习内容讲得通俗易懂。

概要

简单说，观察者模式里的“推模型”和“拉模型”，就是一个消息该由发送方主动塞给你，还是由你主动去取。就像你订阅了一份报纸：推模型是邮递员每天把报纸送到你家门口；拉模型是报纸放在报摊上，你想看的时候自己去拿。

这两种方式没有绝对的好坏，关键看场景。今天我们就来聊聊，为什么会有这两种设计，它们各自解决什么问题，以及在实际开发中该怎么选。

整体架构流程

从“通知”这件事说起

想象一个典型的观察者模式场景：天气站（被观察者）检测到温度变化，然后通知所有显示屏幕（观察者）更新数据。

最早的设计很简单：天气站一有变化，就把所有数据（温度、湿度、气压）打包成一个消息，发给每个屏幕。屏幕收到后，直接更新显示——这就是推模型。

但问题来了：

• 如果某个屏幕只关心温度，不关心湿度和气压呢？它还是得接收全部数据，白白浪费了处理时间。
• 如果天气站每秒变化100次，每次都要打包所有数据发出去，网络和CPU开销很大。

于是有人想：能不能让屏幕自己决定要什么数据？ 天气站只发一个“我变了”的信号，屏幕收到信号后，自己来查需要的数据——这就是拉模型。

两种模型的流程对比