本文为现代化 Android 开发系列文章第三篇。

完好目录为：

现代化 Android 开发：根底架构
现代化 Android 开发：数据类
现代化 Android 开发：逻辑层(本文)
现代化 Android 开发：组件化与模块化的抉择
现代化 Android 开发：多 Activity 多 Page 的 UI 架构
现代化 Android 开发：Jetpack Compose 最佳实践
现代化 Android 开发：功能监控

写事务时一件繁琐的工作，会触及产品、后端等多端联调，并且多是一些 CRUD 的工作，所以也多被认为是没什么技术含量。但真的去写时，又是 bug 满天飞。所以写 CRUD 没啥难度，可是写好 CRUD 就没那么简单了。假如连个 CRUD 都写不好，那还能谈什么写组件？谈什么写框架？

同是写 CRUD，前后端的侧重点就彻底不一样。后端整个逻辑链路简略些，可是检测高并发、检测大数据量。前端的并发度不高，可是整个链路更杂乱，触及的场景更杂乱。但不管怎样，假如链路走通了，不同事务的代码其实都是迥然不同。所以，能否对自家 App 的事务逻辑进行抽象，也是对大家事务才能的检测。

咱们需求考虑哪些？

咱们不评论只要本地数据的状况，这个没有多少评论价值。

首要咱们要考虑的网络数据获取与本地存储：

是否需求本地存储？本地存储有许多优点，例如可以无网络状况下也能运用。
网络数据是全量同步仍是增量同步？假如对错推荐类和非实时性的数据，每次都向后端恳求全量数据，那是糟蹋用户流量，并且增加了后端处理的数据量，所以用增量同步是比较好的方式，可是客户端与服务端的逻辑处理就会变得更为杂乱。

而 App 本身事务逻辑就更为杂乱：

数据源有网络，有本地数据库，咱们的加载数据的逻辑是怎样的？
UI 该怎样感知加载状况？
反常该怎样处理？怎样处理从头加载？
假如是列表数据，或许存在下拉改写和加载更多，该怎样封装？

除此之外，还有许多边际场景，例如：

频频进出某个界面，怎样做恳求复用？
下拉改写与加载更多怎样阻止频频触发数据恳求？

咱们每写一个事务逻辑，都需求考虑这些问题，假如写一点考虑一点，发现一点问题再解决一点问题，那就会特别苦楚，假如写之前就考虑了一切场景，那代码写起来或许就行云流水。而假如从框架层面加以封装，那就再完美不过了。

单一数据源

运用单一数据源，应该是最佳实践的常识了，其主要的点便是 UI 层数据的来源应该只要一个，假如是只要网络恳求或只要本地数据，那好办，而假如数据来源既有网络也有本地数据库，那咱们 UI 层数据应该只来源于本地数据库。所以简略流程如下图：

数据驱动

现在应该基本上都是数据驱动的方式去更新 UI 了吧。Room 可以直接让返回一个 Flow 或者 LiveData 的数据结构，便是为了方便咱们监听数据库的改变。可是用它的问题是有状况信息传递到 UI，所以往往还需求别的搞一个状况的 StateFlow，写起来并不爽，所以我也现在也不用它的这一套，（LiveData 我也不用，毕竟是 Java 时代的产物，对可空处理非常不友好）。

所以我仍是封装自己的完成：

fun <T> logic(
    scope: CoroutineScope,
    dbAction: suspend () -> T?,
    syncAction: suspend () -> RespResult<SyncRet>
) = flow {
    // LogicResult 在前文已经提及过
    // 首要发送 loading 状况
    emit(logicResultLoading())
    // 记录下数据成果，网络反常或者网络数据没改变，可以复用数据
    var ret: T? = null
    // 然后异步敞开一个协程去查询本地数据
    // 由于本地数据一般比网络数据快，所以先查询一次，交给 UI 烘托，可以减少用户等候
    val local = scope.async {
        dbAction()
    }
    // 敞开另一个协程，查询网络
    val sync = scope.async {
        syncAction()
    }
    try {
        // 等候本地数据成果
        ret = local.await()
        // 发送本地数据成果，status 声明为 Local
        emit(LogicResult(LogicStatus.Local, ret))
    } catch (e: Throwable) {
        // 发送反常
        emit(LogicResult(status, ret, LOCAL_CODE_ERROR_CATCH, e.message))
    }
     try {
        // 等候网络数据成果
        val syncRet = sync.await()
        if (syncRet.isOk()) {
            // 同步数据成功，那就从头从 DB 读取一次数据, 状况更新为网络
            // 其实假如数据没有改变，可以复用前一次的数据成果
            emit(LogicResult(LogicStatus.Network, dbAction()))
        } else {
            // 发送服务端错误
            emit(LogicResult(LogicStatus.Network, ret, syncRet.code, syncRet.msg))
        }
    } catch (e: Throwable) {
        // 发送反常
        emit(LogicResult(LogicStatus.Network, ret, LOCAL_CODE_ERROR_CATCH, e.message))
    }
}.flowOn(Dispatchers.IO)

上述代码，咱们选用 Flow 去构建数据流，正常流程，UI 端就可以收到 loading、local、network 状况与数据。假如有反常，也可以经过 status 判断反常来自于哪个环节。经过协程的 async 与 await，可以让整个流程看上去是串行的。`

当然，咱们实际运用，会有更多的场景，例如：

下拉改写时，或者静默改写时，咱们不需求 loading 状况，也不需求先读一次本地数据。
假如本地的操作更新了数据库，咱们需求改写数据，那咱们也不需求再次同步网络数据。由于或许需求确认是否是本次恳求的最终态，一切在状况恳求我添加了 LocalButFinal 态，告诉 UI 层不会有网络数据了

具体做法便是添一个 mode 参数来控制具体要履行哪些操作：

// 不要加载态
const val LOGIC_FLAG_NOT_LOADING = 1
// 不先读取一次本地数据
const val LOGIC_FLAG_NOT_LOCAL = 1 shl 1
// 不读取网络
const val LOGIC_FLAG_NOT_SYNC = 1 shl 2
// 快捷函数生成 mode
fun logicMode(needLoading: Boolean, needLocal: Boolean, needSync: Boolean): Int {
    var logic = 0
    if (!needLoading) {
        logic = logic or LOGIC_FLAG_NOT_LOADING
    }
    if (!needLocal) {
        logic = logic or LOGIC_FLAG_NOT_LOCAL
    }
    if (!needSync) {
        logic = logic or LOGIC_FLAG_NOT_SYNC
    }
    return logic
}
fun Int.logicNeedLoading() = (this and LOGIC_FLAG_NOT_LOADING) == 0
fun Int.logicNeedLocal() = (this and LOGIC_FLAG_NOT_LOCAL) == 0
fun Int.logicNeedSync() = (this and LOGIC_FLAG_NOT_SYNC) == 0

经过用 bit 位去检查需求哪些操作，事务运用起来就很便利了。

恳求复用

恳求复用主要是网络层面的，由于是同步到数据库中，大多数状况也不需求去撤销这个恳求，因而运用 emo 的 ConcurrencyShare 就足以解决这个，咱们回到榜首篇文章的比如：

fun logicBookInfo(bookId: Int, mode: Int = 0) = logic(
    scope = authSession.coroutineScope, // 运用用户 session 协程 scope，由于有恳求复用，所以退出界面，再进入，会复用之前的网络恳求
    mode = mode,
    dbAction = { 
        db.bookDao().bookInfo(bookId)
    },
    syncAction = {
        // 假如已有恳求，那么就等候前一个恳求就好了
        concurrencyShare.joinPreviousOrRun("syncBookInfo-$bookId") {
            bookApi.bookInfo(bookId).syncThen { _, data ->
                db.runInTransaction {
                    db.userDao().insert(data.author)
                    db.bookDao().insert(data.info)
                }
                SyncRet.Full
            }
        }
    }
)

经过 ConcurrencyShare，咱们也避免了同一个恳求的并发问题，例如多次发送同一个恳求，由于是增量更新，假如后一个恳求比前一个恳求先回来，然后存了 DB，那或许数据就错乱了。所以假如同一时间一定该办法的恳求只要一个，那不仅节省了流量，也避免了许多并发导致的数据错乱问题。

列表加载更多

一般的 CRUD 事务逻辑，前面的封装基本就够了，可是对于列表而言，往往要分页加载，Jetpac Compose 提供了 Paging 的组件，可是也就要求数据库要返回 Flow 之类的了，并且易用性也不是很强。大多数场景也没有杂乱到要运用它的状况，所以它的运用也不是很普及。

但咱们许多开发习气的加载更多，很习气的写法便是列表运用 MutableList, 然后加载更多后往里面 append 数据，咱们前一章有提过 Mutable 数据类型很简单出翔，那这也是一个典型的场景，特别是有时分你想要从头改写列表的时分，或许会呈现下面的履行顺序：

触发加载更多
触发列表改写
列表改写数据先回来了，清空 MutableList，添补新的数据
旧的加载更多的数据回来，append 进 MutableList，整个列表的数据便是乱序的了，甚至有或许呈现重复数据。

假如清醒一点的同学，还可以在改写列表时撤销下正在履行的加载更多，更多人或许很难发现这个问题，并且由于偶现，想修正也无从下手。

所以列表加载更多虽然和上文的逻辑层关联不大，但我也在这儿稍微提一下，写事务要谨防这种异步问题，写组件更要关注这种异步问题。

正确的做法便是封装成 Immutable，做法和 PersistentList 类似，每次加载更多、改写都是发生新的 ListWithLoadMore

data class ListWithLoadMore<T>(
    val list: PersistentList<T>,
    val hasMore: Boolean,
    private val doLoadMore: suspend (current: ListWithLoadMore<T>, count: Int) -> List<T>
) : EmptyChecker {
    suspend fun loadMore(count: Int): ListWithLoadMore<T> {
        if (list.isEmpty() || !hasMore) {
            return this
        }
    v   val more =  withContext(Dispatchers.IO) {
            doLoadMore(this@ListWithLoadMore, count)
        }
        return if (more.size < count) {
            if (more.isEmpty()) {
                ListWithLoadMore(list, false, doLoadMore)
            } else {
                ListWithLoadMore((list + more).toPersistentList(), false, doLoadMore)
            }
        } else {
            ListWithLoadMore((list + more).toPersistentList(), true, doLoadMore)
        }
    }
    fun prepend(item: T): ListWithLoadMore<T> {
        return ListWithLoadMore(list.add(0, item), hasMore, doLoadMore)
    }
    fun replace(origin: T, item: T): ListWithLoadMore<T> {
        val index = list.indexOf(origin)
        if (index < 0) {
            return this
        }
        return ListWithLoadMore(list.set(index, item), hasMore, doLoadMore)
    }
    fun update(index: Int, item: T): ListWithLoadMore<T> {
        return ListWithLoadMore(list.set(index, item), hasMore, doLoadMore)
    }
    fun del(index: Int): ListWithLoadMore<T> {
        return ListWithLoadMore(list.removeAt(index), hasMore, doLoadMore)
    }
    override fun isEmpty(): Boolean {
        return list.isEmpty()
    }
}

在 Compose 的运用也很简略：

@Composable
function BookListPage(data: ListWithLoadMore<Book>){ //这儿的数据有界面改写获得
    // 传入的参数作为 key，假如外层数据，那也直接更新 usedData, 
    // 前一次的加载更多由于 LaunchedEffect 参数改变而自动撤销
    val usedData by remember(data) { 
        mutableStateOf(data)
    }
    LazyColumn { 
        items(usedData.list){
            //...
        }
        item {
            // LoadMore 烘托就触发加载更多
            LaunchedEffect(usedData){
                // 当然实际状况要处理加载出错的状况
                usedData = usedData.loadMore()
            }
            LoadMoreItemUI()
        }
    }
}

总结

写逻辑和写 UI 都是一堆屁事，细节多，但写好逻辑也不是那么一件简单的事，仍是要多考虑多总结。这也是锻炼自己了解运用各种数据结构的时机。假如十年开发，仍是用榜首年的写法去写事务逻辑，那走底层、写框架有何意义？

所以，今日提到的各个小点，你平时有考虑到多少呢？

我是古哥E下，前微信读书客户端程序猿 / 自学 5 年中医，现为岐黄小筑 App 的负责人。

关注我可得：ChatGPT 开发玩法 | 程序员学习经验 | 组件库新变化 | 中医健康调度。

现代化 Android 开发：逻辑层

咱们需求考虑哪些？

单一数据源

数据驱动

恳求复用

列表加载更多

总结

作者信息

推广

现代化 Android 开发：逻辑层

咱们需求考虑哪些？

单一数据源

数据驱动

恳求复用

列表加载更多

总结

相关文章

2022年终总结

自如客APP裸眼3D效果的实现

framework | 一文搞定JNI原理

Prompt交易平台；ChatGPT构建自动化工作流；7万字ChatGPT学习笔记；大模型训练避坑指南 | ShowMeAI日报

作者信息

推广