「这是我参与2022首次更文挑战的第1天,活动详情查看:2022首次更文挑战」

背景

最近学了下Kotlin Flow,顺便在项目中进行了实践,做一下总结。

Kotlin flow实践总结

Flow是什么

按顺序发出多个值Java的数据接口是什么流。
本质就是一个生产者消费者模型,生产者发送数据给消费者进行消费。

Kotlin flow实践总结

  • 冷流:当执行collejavascriptct的时候(也就是有消费者的时候),生产者才开始发射数据流。
    生产者与消费者是一对一的关系。当生产者发java模拟器送数据的时候,对应的消费者才可以收到数据。
  • 热流:不管有没有执行collect(也就是不管有没有消费者),生产者都会发射数据流到内存中。
    生产者与消费者是一对多的关系。当生产者发送数据的时候,多个消费者都可以收到数据

实践场景

场景一:简单列表数据的加接口的作用载状态

简单的列表显示场景,接口卡可以使用onStart,onEmpty,catch,onCompletion等回调操作符,监听数据流的状态,显示相应的加载状态UI。

  • onStart:在数据发射之前触发,onStart所在的线程,是数据产生的线程
  • onCompletion:在数据流结束时触发,onCompletion所在的线程,是数据产生的线程
  • onEmpty:当数据流结束了,缺没有发出任何元素的时候触javascript发。
  • catch:数据流发生错误的时候触发
  • flowOn:指定上游数据流的CoroutineContexjava模拟器t,下游数据流不会受到影响
private fun coldFlowDemo() {
    //创建一个冷流,在3秒后发射一个数据
    val coldFlow = flow<Int> {
        delay(3000)
        emit(1)
    }
    lifecycleScope.launch(Dispatchers.IO) {
        coldFlow.onStart {
            Log.d(TAG, "coldFlow onStart, thread:${Thread.currentThread().name}")
            mBinding.progressBar.isVisible = true
            mBinding.tvLoadingStatus.text = "加载中"
        }.onEmpty {
            Log.d(TAG, "coldFlow onEmpty, thread:${Thread.currentThread().name}")
            mBinding.progressBar.isVisible = false
            mBinding.tvLoadingStatus.text = "数据加载为空"
        }.catch {
            Log.d(TAG, "coldFlow catch, thread:${Thread.currentThread().name}")
            mBinding.progressBar.isVisible = false
            mBinding.tvLoadingStatus.text = "数据加载错误:$it"
        }.onCompletion {
            Log.d(TAG, "coldFlow onCompletion, thread:${Thread.currentThread().name}")
            mBinding.progressBar.isVisible = false
            mBinding.tvLoadingStatus.text = "加载完成"
        }
            //指定上游数据流的CoroutineContext,下游数据流不会受到影响
            .flowOn(Dispatchers.Main)
            .collect {
                Log.d(TAG, "coldFlow collect:$it, thread:${Thread.currentThread().name}")
            }
    }
}

比如上面的例子。 使用flow构建起函数,创建一个冷流,3秒后发送一个值到数据流中。 使用onStart,onEmpty,catch,onCompletion操作符,监听数据流的状态。

日志输出:

coldFlow onStart, thread:main
coldFlow onCompletion, thread:main
coldFlow collect:1, thread:DefaultDispatcher-worker-1

场景二:同一种数据,需要加载本地数据和网络数据

在实际的开发场景中,经常会将一些网络数据保存到Kotlin本地,下次加载数据的时候,优先使用本地数据,再使用网络数据。
但是本地数据和网络数据的加载完成时机不一样,所以可能会有下面几种场景。

  1. 本地数据比网络数据先加载完成:那先使用本地数据,再使用网络数据
  2. 网络数据比本地数据先加载完成:
  • 网络数据加载成功,那只使用测试工程师网络数据即可,不需要再使用本地数据了。
  • 网络数据加载失败,可以继续尝试使用本地接口和抽象类的区别数据进行兜底。
  1. 本地数据接口自动化和网络数据都加载失败:通知上层数据加载失接口文档

实现CacheRepositity

将上面的逻辑进行简单封装成一个基类,C测试智商acheRepositity。
相应的子类,只需要实现两个方法即可。

  • CResult:代表加载结果,Success 或者 Error。
  • fetchDataF线程池的七个参数romLocal(),实现本地数测试你适合学心理学吗据读取的逻辑
  • fetchDataFromNetWork(),实现网络数据获取的逻辑
abstract class CacheRepositity<T> {
    private val TAG = "CacheRepositity"
    fun getData() = channelFlow<CResult<T>> {
        supervisorScope {
            val dataFromLocalDeffer = async {
                fetchDataFromLocal().also {
                    Log.d(TAG,"fetchDataFromLocal result:$it , thread:${Thread.currentThread().name}")
                    //本地数据加载成功  
                    if (it is CResult.Success) {
                        send(it)
                    }
                }
            }
            val dataFromNetDeffer = async {
                fetchDataFromNetWork().also {
                    Log.d(TAG,"fetchDataFromNetWork result:$it , thread:${Thread.currentThread().name}")
                    //网络数据加载成功  
                    if (it is CResult.Success) {
                        send(it)
                        //如果网络数据已加载,可以直接取消任务,就不需要处理本地数据了
                        dataFromLocalDeffer.cancel()
                    }
                }
            }
            //本地数据和网络数据,都加载失败的情况
            val localData = dataFromLocalDeffer.await()
            val networkData = dataFromNetDeffer.await()
            if (localData is CResult.Error && networkData is CResult.Error) {
                send(CResult.Error(Throwable("load data error")))
            }
        }
    }
    protected abstract suspend fun fetchDataFromLocal(): CResult<T>
    protected abstract suspend fun fetchDataFromNetWork(): CResult<T>
}
sealed class CResult<out R> {
    data class Success<out T>(val data: T) : CResult<T>()
    data class Error(val throwable: Throwable) : CResult<Nothing>()
}

测试验证

写个TestRepositity,实现CacheRepositi测试ty的抽象方法。
通过delay延迟耗时来模拟各种场景,观察日志的输出顺序。

private fun cacheRepositityDemo(){
    val repositity=TestRepositity()
    lifecycleScope.launch {
        repositity.getData().onStart {
            Log.d(TAG, "TestRepositity: onStart")
        }.onCompletion {
            Log.d(TAG, "TestRepositity: onCompletion")
        }.collect {
            Log.d(TAG, "collect: $it")
        }
    }
}

本地数据比网络数据加载快

class TestRepositity : CacheRepositity<String>() {
    override suspend fun fetchDataFromLocal(): CResult<String> {
        delay(1000)
        return CResult.Success("data from fetchDataFromLocal")
    }
    override suspend fun fetchDataFromNetWork(): CResult<String> {
        delay(2000)
        return CResult.Success("data from fetchDataFromNetWork")
    }
}

模拟数据:本地加载delay1秒,网络加载delay2秒
日志输出:collect 执行两次,先收到本地数据,再收到线程安全网络数接口的作用据。

onStart
fetchDataFromLocal result:Success(data=data from fetchDataFromLocal) , thread:main
collect: Success(data=data from fetchDataFromLocal)
fetchDataFromNetWork result:Success(data=data from fetchDataFromNetWork) , thread:main
collect: Success(data=data from fetchDataFromNetWork)
onCompletion

网络数据比本地数接口英文据加载快

class TestRepositity : CacheRepositity<String>() {
    override suspend fun fetchDataFromLocal(): CResult<String> {
        delay(2000)
        return CResult.Success("data from fetchDataFromLocal")
    }
    override suspend fun fetchDataFromNetWork(): CResult<String> {
        delay(1000)
        return CResult.Success("data from fetchDataFromNetWork")
    }
}

模拟数接口和抽象类的区别据:本地kotlin怎么读加载delay 2秒,网络加载delay 1秒
日志输出:collect 只执行1次,只收到网络数据。

onStart
fetchDataFromNetWork result:Success(data=data from fetchDataFromNetWork) , thread:main
collect: Success(data=data from fetchDataFromNetWork)
onCompletion

网络测试用例数据加载失接口测试败,使用本地数据

class TestRepositity : CacheRepositity<String>() {
    override suspend fun fetchDataFromLocal(): CResult<String> {
        delay(2000)
        return CResult.Success("data from fetchDataFromLocal")
    }
    override suspend fun fetchDataFromNetWork(): CResult<String> {
        delay(1000)
        return CResult.Error(Throwable("fetchDataFromNetWork Error"))
    }
}

模拟数据:本地加载delay 2秒,网络接口crc错误计数数据加载失败
日志输出:collect 只执行1次,只收到本地数据。

onStart
fetchDataFromNetWork result:Error(throwable=java.lang.Throwable: fetchDataFromNetWork Error) , thread:main
fetchDataFromLocal result:Success(data=data from fetchDataFromLocal) , thread:main
collect: Success(data=data from fetchDataFromLocal)
onCompletion

网络数据和本地数据都加载失败

class TestRepositity : CacheRepositity<String>() {
    override suspend fun fetchDataFromLocal(): CResult<String> {
        delay(2000)
        return CResult.Error(Throwable("fetchDataFromLocal Error"))
    }
    override suspend fun fetchDataFromNetWork(): CResult<String> {
        delay(1000)
        return CResult.Error(Throwable("fetchDataFromNetWork Error"))
    }
}

模拟数据:本地数据java面试题加载失败,网络数据加载失败
日志输出: collect 只执行1次,结果是CResult.E线程是什么意思rror,代表加载数据失败。

onStart
fetchDataFromNetWork result:Error(throwable=java.lang.Throwable: fetchDataFromNetWork Error) , thread:main
fetchDataFromLocal result:Error(throwable=java.lang.Throwable: fetchDataFromLocal Error) , thread:main
collect: Error(throwable=java.lang.Throwable: load data error)
onCompletion

场景三:多种数据源,按照顺序合并进行展示

Kotlin flow实践总结

在实际的开发场景中,经常测试你适合学心理学吗一个页面的数据,是需要发起多个网络请求之测试你适合学心理学吗后,组合数据之后再进行显示。 比如类似这种页面,3种数据,需要由3个网络请求获取得到,然后再进行相应的显示。

实现目标:

  1. 接口间不需要互相等待,哪些数据先回来,就先展示哪部分
  2. 控制数据的显示顺序

flow combine操作符

可以合并多个不同的 Flow 数据流,生成一个新的流。 只要线程安全其中某个子 Flow 数据流有kotlin现在不火了产生新数据的时候,就会触发 combine 操作,进行重新计算,生测试工程师成一个新的数据。

例子

class HomeViewModel : ViewModel() {
    //暴露给View层的列表数据
    val list = MutableLiveData<List<String?>>()
    //多个子Flow,这里简单都返回String,实际场景根据需要,返回相应的数据类型即可
    private val bannerFlow = MutableStateFlow<String?>(null)
    private val channelFlow = MutableStateFlow<String?>(null)
    private val listFlow = MutableStateFlow<String?>(null)
    init {
        //使用combine操作符
        viewModelScope.launch {
            combine(bannerFlow, channelFlow, listFlow) { bannerData, channelData, listData ->
                Log.d("HomeViewModel", "combine  bannerData:$bannerData,channelData:$channelData,listData:$listData")
                //只要子flow里面的数据不为空,就放到resultList里面
                val resultList = mutableListOf<String?>()
                if (bannerData != null) {
                    resultList.add(bannerData)
                }
                if (channelData != null) {
                    resultList.add(channelData)
                }
                if (listData != null) {
                    resultList.add(listData)
                }
                resultList
            }.collect {
                //收集combine之后的数据,修改liveData的值,通知UI层刷新列表
                Log.d("HomeViewModel", "collect: ${it.size}")
                list.postValue(it)
            }
        }
    }
    fun loadData() {
        viewModelScope.launch(Dispatchers.IO) {
            //模拟耗时操作
            async {
                delay(1000)
                Log.d("HomeViewModel", "getBannerData success")
                bannerFlow.emit("Banner")
            }
            async {
                delay(2000)
                Log.d("HomeViewModel", "getChannelData success")
                channelFlow.emit("Channel")
            }
            async {
                delay(3000)
                Log.d("HomeViewModel", "getListData success")
                listFlow.emit("List")
            }
        }
    }
}

HomeViewModel

  1. 提供一个 LiveDa线程的几种状态ta 的列表数据给View测试抑郁程度的问卷层使用
  2. 内部有3个子 flow ,分别负责相应java模拟器数据的生产。(这里简单都返回String,实际场景根据需测试抑郁症要,返回相应的数据类型即可)。
  3. 通过 combine 操作符,组合这3个子flow的数据。
  4. collect 接收生成的新数据,并修改l接口和抽象类的区别iveData的数据,通知刷新UI

View层使用

private fun flowCombineDemo() {
    val homeViewModel by viewModels<HomeViewModel>()
    homeViewModel.list.observe(this) {
        Log.d("HomeViewModel", "observe size:${it.size}")
    }
    homeViewModel.loadData()
}

简单的创建一个 ViewModel ,observe 列表数据对应的 LiveData。
通过输出的日志发现,触发数据加载之后,每次子 Flow 流生产数据的时候,都会触发一次 comb线程撕裂者ine 操作,生成新的数据。

日志输出:
combine  bannerData:null,channelData:null,listData:null
collect: 0
observe size:0
getBannerData success
combine  bannerData:Banner,channelData:null,listData:null
collect: 1
observe size:1
getChannelData success
combine  bannerData:Banner,channelData:Channel,listData:null
collect: 2
observe size:2
getListData success
combine  bannerData:Banner,channelData:Channel,listData:List
collect: 3
observe size:3

总结

具体场景,具体分析。刚好这几个场景,配合Flow进行使用,整体实现也相对kotlin下载简单了一些。