Flow使用笔记

Flow是什么

Flow用于表达多个连续的异步过程。

实现方式为使用协程封装成生产者消费者模式，上游流负责生产，下游流负责消耗。

Flow创建

创建

fun simpleFlow() = flow {  
  for (i in 1..3) {  
    delay(100)  
    emit(i)
  }  
}

消费

fun createFlowTest() {  
  runBlocking {  
    simpleFlow().collect {  
        Log.v(TAG, "收到数据111 = $it")  
    }  
    Log.v(TAG, "======")  
    simpleFlow().collect {  
        Log.v(TAG, "收到数据2222 = $it")  
    }  
  }
}  

以上输出为

收到数据111 = 1
收到数据111 = 2
收到数据111 = 3
======
收到数据2222 = 1
收到数据2222 = 2
收到数据2222 = 3

runBlocking {  

//flowOf构造器构造
    flowOf(1, 2, 3)  
        .onEach {  
            delay(100)  
        }  
        .collect {  
        Log.v(TAG, "flowOf 构造方法 = $it")  
    }  

//asFlow 构造
    (1..5).asFlow().onEach {  
        delay(100)  
    }.collect {  
        Log.v(TAG, "asFlow 构造方法 = $it")  
    }  
}

以上输出为

flowOf 构造方法 = 1
flowOf 构造方法 = 2
flowOf 构造方法 = 3
asFlow 构造方法 = 1
asFlow 构造方法 = 2
asFlow 构造方法 = 3
asFlow 构造方法 = 4
asFlow 构造方法 = 5

接收

Flow为冷流，冷流不会发射数据，只有到了收集（末端操作符）的时候，数据才开始生产并被发射出去。

collect()

上游流emit()之后，下游流在collect()中接收数据

中间操作符

filter() 过滤

map()转换

runBlocking {  
  (1..10).asFlow().onEach {  
      delay(100)  
  }.filter {  
      it % 2 == 0  
  }.map {  
      it * 2  
  }.collect {  
      Log.v(TAG, "中间操作符filter map 测试 = $it")  
  }  
}

输出结果为

中间操作符filter map 测试 = 4
中间操作符filter map 测试 = 8
中间操作符filter map 测试 = 12
中间操作符filter map 测试 = 16
中间操作符filter map 测试 = 20

flowOn() 指定上游流是否使用子协程

runBlocking {  
    flow {  
        Log.v(TAG, "flow ：${Thread.currentThread().name}")  
        for (i in 1..5) {  
            delay(100)  
            emit(i)  
        }  
    }.flowOn(Dispatchers.Default)  
      .collect {
           Log.v(TAG, "collect：${Thread.currentThread().name} $it")
      }
}

输出结果为

flow ：DefaultDispatcher-worker-1
collect：main 1
collect：main 2
collect：main 3
collect：main 4
collect：main 5

可以看出，只改变了发射的协程，没改变接收的

launchIn() 让flow下游使用全新的携程上下文

runBlocking {  
    flow {  
        Log.v(TAG, "flow ：${Thread.currentThread().name}")  
        for (i in 1..5) {  
            delay(100)  
            emit(i)  
        }  
    }.flowOn(Dispatchers.Default)  
        .onEach {  
            Log.v(TAG, "collect：${Thread.currentThread().name} $it")  
        }  
        .launchIn(CoroutineScope(Dispatchers.IO))  
        .join()//主线程等待这个协程执行结束  
}

输出结果为

flow ：DefaultDispatcher-worker-3
collect：DefaultDispatcher-worker-1 1
collect：DefaultDispatcher-worker-2 2
collect：DefaultDispatcher-worker-3 3
collect：DefaultDispatcher-worker-2 4
collect：DefaultDispatcher-worker-3 5

可以看出，上下游协程都发生了改变

背压 ：

一般情况下，上下游执行同步

runBlocking {  
   val flow = flow {  
     for (i in 1..3) {  
       delay(100)  
       emit(i)  
     }  
   }
  val time = measureTimeMillis {  
    flow  
        .collect {  
            delay(300)  
            Log.v(TAG, "$it")  
        }  
  }  
  Log.v(TAG, "time : $time ms")  
}

输出结果为 1223 ms，可以看出，上下游是同步执行的

buff() 上游流不等待下游流接收，而是发射到缓冲区

runBlocking {  
    val flow = flow {  
     for (i in 1..3) {  
         delay(100)  
         emit(i)  
       }  
     }
     val time = measureTimeMillis {  
       flow .buffer(50)//指定缓存区大小为50个
       .collect {  
        delay(300)  
        Log.v(TAG, "$it") 
      } 
    } 
    Log.v(TAG, "time : $time ms")  
}

输出结果为time : 1078 ms，可以看出，当使用缓冲区时，上游的生产（除第一次生产外）的结果存放到缓冲区内

• 还可以选择如下函数，来指定背压时的丢弃策略

conflate() 下游流来不及处理的，丢掉

collectLast() 只接收上游流发射的最后一个元素

take(n) 只取前n个

末端操作

collect()，收集，不赘述

flod() 、 reduce()将元素整合

runBlocking {  
 val value = flow {  
 for (i in 1..3) {  
 emit(i)  
 }  
 }.map {  
 it * it  
 }.fold(0) { acc, value ->  
 acc + value  
 }
Log.v(TAG, "value = $value")  
}

输出结果为 value = 14

runBlocking {
    val value =  flow {
        for (i in 1..3) {
            emit(i)
        }
    }.reduce { accumulator, value ->
        accumulator + value
    }

    Log.v(TAG, "value = $value")
}

输出结果为 value = 6

组合操作

zip()

runBlocking {
    val flow1 = flow {
        for (i in 1..3) {
            emit(i)
        }
    }

    val flow2 = flowOf("one", "two", "three")

    flow1.zip(flow2) { a, b ->
        "$a -> $b"
    }.collect { value ->
        Log.v(TAG, value)
    }
}

输出结果为

1 -> one
2 -> two
3 -> three

如果两个flow长度不一致的情况，按照短的处理

展平操作符

flatMapConcat()

        runBlocking {
            flow {
                for (i in 1..3) {
                    emit(i)
                }
            }.flatMapConcat {
                flow {
                    emit("first $it")
                    emit("second $it")
                }
            }.collect {
                Log.v(TAG, "result = $it")
            }
        }

输出结果为

result = first 1
result = second 1
result = first 2
result = second 2
result = first 3
result = second 3

以上操作一般用于集合的集合之中

catch()

runBlocking {  
    val flow = flow {  
        for (i in 1..3) {  
            emit(i)  
            throw RuntimeException()  
        }  
    }.catch { e ->  
        Log.v(TAG, "caught: $e")  
    }.collect {  
        println(it)  
    }  
}

输出结果为 caught: java.lang.RuntimeException。可以看出，成功捕获了异常

下篇文章，从源码的角度看看flow是如何运行的