Spring WebFlux R2DBC插入超256条记录报请求队列超限异常

256这个阈值刚好对应Reactor框架flatMap操作符的默认并发上限（内置常量Queues.SMALL_BUFFER_SIZE = 256）。之前修改Flux.create搭配OverflowStrategy.BUFFER的方案没有解决问题，是因为该溢出策略仅控制Flux生产端的缓存逻辑，流到flatMap环节时，操作符还是会默认同时订阅最多256个内部的save发布者，把请求全部推给下游R2DBC层。当插入数据量超过256时，短时间内堆积的数据库请求会超出R2DBC连接池的请求队列上限，直接抛出Cannot exchange messages because the request queue limit is exceeded异常。

以下两种方案均完全保留响应式非阻塞特性，可根据业务场景选择：

方案1：限制flatMap并发度（改动量最小） #

给flatMap显式传入并发度参数，将同时执行的数据库写入操作数量限制在R2DBC连接池可承载的范围内，从根源上避免请求瞬间打满连接池队列。原代码里的Flux.fromIterable本身没有问题，不需要额外包装一层Flux.create。
实现代码：

if (employeeList == null || employeeList.isEmpty())
    return Flux.empty();

return Flux.fromIterable(employeeList)
        .doOnNext(employee -> {
            employee.setParentResourceId(parentResourceId);
            employee.setCreatedBy(userId);
        })
        .map(employeeMapper::entityFromModel)
        // 并发度根据R2DBC连接池配置的最大连接数调整，通常设为连接数的1~2倍即可，比如最大连接为10时设10~20
        .flatMap(employeeRepository::save, 16)
        .map(employeeMapper::fromEntity);

如果对吞吐量要求不高，也可以直接把flatMap替换为concatMap，该操作符会严格按顺序串行执行所有写入操作，并发度固定为1，完全不会出现请求堆积的问题，只是写入效率会低于配置了合理并发度的flatMap。

方案2：使用R2DBC批量写入（性能最优） #

循环单条插入本身IO开销很高，数据量较大时优先选择非阻塞批量写入API，一次数据库请求完成整批数据写入，既不会触发队列超限问题，写入性能也比单条循环插入高1~2个量级。
基于Spring Data R2DBC的实现参考：

if (employeeList == null || employeeList.isEmpty())
    return Flux.empty();

// 提前统一赋值
employeeList.forEach(employee -> {
    employee.setParentResourceId(parentResourceId);
    employee.setCreatedBy(userId);
});
List<EmployeeEntity> entities = employeeList.stream()
        .map(employeeMapper::entityFromModel)
        .toList();

// 执行批量插入
return databaseClient.sql("INSERT INTO employee (parent_resource_id, created_by, /* 其余业务字段 */) " +
                "VALUES (:parentResourceId, :createdBy, /* 其余字段占位符 */)")
        .filter(statement -> {
            for (EmployeeEntity entity : entities) {
                statement.bind("parentResourceId", entity.getParentResourceId())
                        .bind("createdBy", entity.getCreatedBy())
                        // 绑定其余业务字段
                        .add();
            }
            return statement;
        })
        .map((row, metadata) -> {
            // 映射返回结果为Employee模型
            return employeeMapper.fromEntity(/* 从row读取字段组装实体 */);
        })
        .all();

• 不要为了快速解决问题在响应式链路中调用block()、同步批量写入等阻塞方法，会直接破坏WebFlux的非阻塞线程模型
• flatMap的并发值不要设置得远高于R2DBC连接池的最大连接数，否则还是会出现请求排队超限的问题
• 不要在doOnNext等钩子操作里写阻塞逻辑，会拖慢整个响应式链路的执行效率

内容的提问来源于stack exchange，提问作者Sooraj V