Android 上的 Kotlin 数据流
在协程中,与仅返回单个值的挂起函数相反,数据流可按顺序发出多个值。数据流以协程为基础构建,可提供多个值。从概念上来讲,数据流是可通过异步方式进行计算处理的一组数据序列。所发出值的类型必须相同。
来源标注:Android 上的 Kotlin 数据流 | Android Developers
书接上篇:
Android Kotlin知识汇总(二)最佳实践-CSDN博客Android Jetpack之LiveData 使用及源码_android livedata源码-CSDN博客Android Kotlin知识汇总(二)最佳实践-CSDN博客
Kotlin中StateFlow的使用
在 Android 中,StateFlow
非常适合需要让可变状态保持可观察的类。
StateFlow 是 Flow 的实现。默认的 Flow 是冷流,而StateFlow 是热流和 LiveData 类似。
使用 StateFlow 替代 LiveData 应该是目前很多开发者的呼吁了,确实 LiveData 的功能 StateFlow 都能实现,可以说是 LiveData 的升级版。
但请注意,StateFlow
和 LiveData 的行为确实有所不同:
StateFlow
需要将初始状态传递给构造函数,而LiveData
不需要。- 当 View 进入
STOPPED
状态时,LiveData.observe()
会自动取消注册使用方,而从StateFlow
或任何其他数据流收集数据的操作并不会自动停止。
StateFlow的特点
- 它始终是有值的。
- 它的值是唯一的。
- 它允许被多个观察者共用 (因此是共享的数据流)。
- 它永远只会把最新的值重现给订阅者,这与活跃观察者的数量是无关的。
StateFlow的设计
StateFlow是一种单数据更新的热流,通过emit方法更新StateFlow的数据,通过value属性可以获取当前的数据。
设计中,关键讲一下MutableStateFlow接口。它接口继承自StateFlow接口,并在此基础上定义了一个新方法compareAndSet, 即通过CAS的方式更新value。代码如下:
public interface MutableStateFlow<T> : StateFlow<T>, MutableSharedFlow<T> {
// 当前数据
public override var value: T
// 如果except与value相等,则将value更新为update,并返回true
// 如果except与value不相等,不做任何操作,直接返回false
public fun compareAndSet(expect: T, update: T): Boolean
}
StateFlow的使用
方式一
在Activity中像类似LiveData 一样的使用 StateFlow。
class DemoViewModel @Inject constructor(val savedState: SavedStateHandle) : BaseViewModel() {
private val _searchFlow = MutableStateFlow("")
val searchFlow: StateFlow<String> = _searchFlow
fun changeSearch(keyword: String) {
_searchFlow.value = keyword
}
}
private fun testflow() {
mViewModel.changeSearch("key")
}
override fun startObserve() {
lifecycleScope.launchWhenCreated {
mViewModel.searchFlow.collect {
LogUtils.w("value $it")
}
}
}
方式二
通过一个 冷流 Flow 转换为 StateFlow 。
val stateFlow = flowOf(1, 2, 3).stateIn(
scope = lifecycleScope,
started = Lazily,
initialValue = 1
)
lifecycleScope.launch {
stateFlow.collect {}
}
LiveData 与 StateFlow对比
先看看它们的代码的用法。
class DemoViewModel @Inject constructor(val savedState: SavedStateHandle) : BaseViewModel() {
private val _searchLD = MutableLiveData<String>()
val searchLD: LiveData<String> = _searchLD
private val _searchFlow = MutableStateFlow("")
val searchFlow: StateFlow<String> = _searchFlow
fun changeSearch(keyword: String) {
_searchFlow.value = keyword
_searchLD.value = keyword
}
}
Activity中触发与接收事件:
private fun testflow() {
mViewModel.changeSearch("key")
}
override fun startObserve() {
mViewModel.searchLD.observe(this){
LogUtils.w("value $it")
}
lifecycleScope.launchWhenCreated {
mViewModel.searchFlow.collect {
LogUtils.w("value $it")
}
}
}
可以看到,代码使用上十分类似。
LiveData的缺点
- LiveData在某些特定的场景下会丢失数据
- LiveData 只能在主线程不能方便地支持异步化
- LiveData 的数据变换能力远远不如 Flow
- LiveData 粘性问题解决需要额外扩展
- LiveData 多数据源的合流能力远远不如 Flow
- LiveData 默认不支持防抖,值没有变化也会通知
两者在开发中如何选择呢?
- 团队内全部是Koltin代码开发,推荐使用Flow。因为基于Kotlin代码、基于协程。但是现在很多项目还是 Java 语言开发的。那么LiveData还是很香的。
- LiveData的学习成本与协程、Flow 的学习成本不可同日而语,开发项目是整个团队的事情,不能说你一个人会一个人用,目前LiveData的简单学习成本是很有优势的。
注意:特定的场景慎重使用postValue。比如数据密集的场景,尽量使用setValue方法。