Flow学习

LiveData的不足

LiveData结构简单，但是不够强大，它有以下不足

LiveData不支持线程切换，所有数据转换都将在主线程上完成，有时需要频繁更改线程，面对复杂数据流时处理起来比较麻烦
LiveData的操作符不够强大,在处理复杂数据流时有些捉襟见肘
LiveData 只能在主线程更新数据：只能在主线程 setValue，即使 postValue 内部也是切换到主线程执行；
LiveData 数据重放问题： 注册新的订阅者，会重新收到 LiveData 存储的数据，这在有些情况下不符合预期（可以使用自定义的 LiveData 子类 SingleLiveData 或 UnPeekLiveData 解决，此处不展开）；
LiveData 不防抖： 重复 setValue 相同的值，订阅者会收到多次 onChanged() 回调（可以使用 distinctUntilChanged() 解决，此处不展开）；
LiveData 不支持背压：在数据生产速度 > 数据消费速度时，LiveData 无法正常处理。比如在子线程大量 postValue 数据但主线程消费跟不上时，中间就会有一部分数据被忽略。
Flow可以跟LiveData结合使用，LiveData的生命周期在OnDestory前不会自动取消订阅，在一些UI相关场景没有问题，可以使用LiveData。Flow则更加强大，可以在onPause等时机中止上游流，节省资源。

Flow,LiveData说白了都是观察者模式，在ViewModel中生产数据，在View中观察数据，Flow生产数据时不用切换线程，LiveData生产数据时会切换到主线程，这就是区别。

Flow 支持数据重放配置： Flow 的子类 SharedFlow 支持配置重放
replay：能够自定义对新订阅者重放数据的配置

好文章

Kotlin协程之Flow使用 - 掘金

官方推荐取代LiveData，有必要吗

有小伙伴说看不懂 LiveData、Flow、Channel，跟我走

Kotlin Flow响应式编程，基础知识入门-郭霖

Flow

用法：使用flow {…} 函数创建了一个冷数据流Flow，通过emit来发射数据，然后通过collect函数来收集这些数据

fun test() {
	lifecycleScope.launch {
		flow {
			for (i in 1..3) {
				delay(100)
				emit(i)
			}
		}.collect { value -> Log.d(TAG, "value :${value}") }
	}
}

线程切换

flowOn只影响前面没有自己上下文的操作符。已经有上下文的操作符不受后面flowOn影响。
不管 flowOn 如何切换线程, collect 始终是运行在调用它的协程调度器上。
flowOn 下一行开始生效

fun test() {
	lifecycleScope.launch {
		flow {
			for (i in 1..3) {
				Log.d(TAG, "flow :${ currentCoroutineContext()}")
				delay(100) // io
				emit(i)
			}
		}.flowOn(Dispatchers.IO)
			.map {
				Log.d(TAG, "map :${ currentCoroutineContext()}")  //default
				it
			}.flowOn(Dispatchers.Default)
			.collect { value ->
				Log.d(TAG, "collect:${ currentCoroutineContext()} value :${value}") //主线程
			}
	}
}

常用操作符

过度操作符：又或者叫做流程操作符，用来区分流程执行到某一个阶段。比如：onStart/onEach/onCompletion。过渡操作符应用于上游流，并返回下游流。这些操作符也是冷操作符，就像流一样。这类操作符本身不是挂起函数。它运行的速度很快，返回新的转换流的定义。
异常操作符：用来捕获处理流的异常。比如：catch,onErrorCollect(已废弃，建议用catch)。
转换操作符：主要做一些数据转换操作。比如：transform/map/filter/flatMapConcat等
限制操作符：流触及相应限制的时候会将它的执行取消。比如：drop/take等
末端操作符：是在流上用于启动流收集挂起函数。==collect 是最基础的末端操作符==，但是还有另外一些更方便使用的末端操作符。例如：toList、toSet、first、single、reduce、fold等等

fun test() {
	val flow1 = (1..3).asFlow()
	val flow2 = flowOf("one", "two", "three")
	lifecycleScope.launch {
		flow2.zip(flow1) { value1, value2 ->
			"$value1 :$value2"
		}.collect { value ->
			Log.d(TAG, "collect :${value}")
		}
	}
}

D/carman: collect :1 :one
D/carman: collect :2 :two
D/carman: collect :3 :three

直接使用Flow的局限性

虽然Flow可以将任意的对象转换成流的形式进行收集后计算结果。但是如果我们是直接使用Flow，它一次流的收集是我们已知需要计算的值，而且它每次收集完以后就会立即销毁。我们也不能在后续的使用中，发射新的值到该流中进行计算。

为什么要使用 StateFlow 和 ShareFlow？

[[冷流热流]]

我们希望状态的变动都能通知到会有所动作的观察者。
StateFlow和ShareFlow也是Flow API的一部分，它们允许数据流以最优方式，发出状态更新并向多个使用方发出值。
与使用flow构建器构建的冷数据流不同，StateFlow是热数据流。
StateFlow是继承自SharedFlow，我们可以把StateFlow看作为SharedFlow一个更佳具体实现。