你的反对对我意义重大！

🔥 Hi，我是小彭。本文已收录到 GitHub · Android-NoteBook 中。这里有 Android 进阶成长路线笔记 & 博客，有气味相投的敌人，欢送跟着我一起成长。（联系方式 & 入群形式在 GitHub）

背景

• Kotlin Flow 是基于 Kotlin 协程根底能力搭建的一套数据流框架，从性能复杂性上看是介于 LiveData 和 RxJava 之间的解决方案。Kotlin Flow 领有比 LiveData 更丰盛的能力，但裁剪了 RxJava 大量简单的操作符，做得更加精简。并且在 Kotlin 协程的加持下，Kotlin Flow 目前是 Google 主推的数据流框架。

1. 为什么要应用 Flow？

LiveData、Kotlin Flow 和 RxJava 三者都属于 可察看的数据容器类，观察者模式是它们雷同的根本设计模式，那么绝对于其余两者，Kotlin Flow 的劣势是什么呢？

LiveData 是 androidx 包下的组件，是 Android 生态中一个的简略的生命周期感知型容器。简略即是它的劣势，也是它的局限，当然这些局限性不应该算 LiveData 的毛病，因为 LiveData 的设计初衷就是一个简略的数据容器。对于简略的数据流场景，应用 LiveData 齐全没有问题。

• LiveData 只能在主线程更新数据： 只能在主线程 setValue，即便 postValue 外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，会从新收到 LiveData 存储的数据，这在有些状况下不合乎预期（能够应用自定义的 LiveData 子类 SingleLiveData 或 UnPeekLiveData 解决，此处不开展）；
• LiveData 不防抖： 反复 setValue 雷同的值，订阅者会收到屡次 onChanged() 回调（能够应用 distinctUntilChanged() 解决，此处不开展）；
• LiveData 不反对背压： 在数据生产速度 > 数据生产速度时，LiveData 无奈失常解决。比方在子线程大量 postValue 数据但主线程生产跟不上时，两头就会有一部分数据被疏忽。

RxJava 是第三方组织 ReactiveX 开发的组件，Rx 是一个包含 Java、Go 等语言在内的多语言数据流框架。功能强大是它的劣势，反对大量丰盛的操作符，也反对线程切换和背压。然而 Rx 的学习门槛过高，对开发反而是一种新的累赘，也会带来误用的危险。

Kotlin 是 kotlinx 包下的组件，不是单纯 Android 生态下的产物。那么，Flow 的劣势在哪里呢？

• Flow 反对协程： Flow 基于协程根底能力，可能以结构化并发的形式生产和生产数据，可能实现线程切换（依附协程的 Dispatcher）；
• Flow 反对背压： Flow 的子类 SharedFlow 反对配置缓存容量，能够应答数据生产速度 > 数据生产速度的状况；
• Flow 反对数据重放配置： Flow 的子类 SharedFlow 反对配置重放 replay，可能自定义对新订阅者重放数据的配置；
• Flow 绝对 RxJava 的学习门槛更低： Flow 的性能更精简，学习性价比绝对更高。不过 Flow 是基于协程，在协程会有一些学习老本，但这个应该拆分来看。

当然 Kotlin Flow 也存在一些局限：

• Flow 不是生命周期感知型组件： Flow 不是 Android 生态下的产物，天然 Flow 是不会关怀组件生命周期。那么咱们如何确保订阅者在监听 Flow 数据流时，不会在谬误的状态更新 View 呢？这个问题在下文 第 6 节 再说。

2. 冷数据流与热数据流

Kotlin Flow 蕴含三个实体：数据生产方 –（可选的）中介者 – 数据应用方。数据生产方负责向数据流发射（emit）数据，而数据应用方从数据流中生产数据。依据生产方产生数据的机会，能够将 Kotlin Flow 分为冷流和热流两种：

• 一般 Flow（冷流）： 冷流是不共享的，也没有缓存机制。冷流只有在订阅者 collect 数据时，才按需执行发射数据流的代码。冷流和订阅者是一对一的关系，多个订阅者间的数据流是互相独立的，一旦订阅者进行监听或者生产代码完结，数据流就主动敞开。
• SharedFlow / StateFlow（热流）： 热流是共享的，有缓存机制的。无论是否有订阅者 collect 数据，都能够生产数据并且缓存起来。热流和订阅者是一对多的关系，多个订阅者能够共享同一个数据流。当一个订阅者进行监听时，数据流不会主动敞开（除非应用 WhileSubscribed 策略，这个在下文再说）。

3. 一般 Flow（冷流）

一般 Flow 是冷流，数据是不共享的，也没有缓存机制。数据源会提早到消费者开始监听时才生产数据（如终端操作 collect{}），并且每次订阅都会创立一个全新的数据流。 一旦消费者进行监听或者生产者代码完结，Flow 会主动敞开。

val coldFlow: Flow<Int> = flow {
    // 生产者代码
    while(true) {
        // 执行计算
        emit(result)
        delay(100)
    }
    // 生产者代码完结，流将被敞开
}.collect{data ->}

冷流 Flow 次要的操作如下：

• 创立数据流 flow{}： Flow 结构器会创立一个新的数据流。flow{} 是 suspend 函数，须要在协程中执行；
• 发送数据 emit()： emit() 将一个新的值发送到数据流中；
• 终端操作 collect{}： 触发数据流生产，能够获取数据流中所有的收回值。Flow 是冷流，数据流会提早到终端操作 collect 才执行，并且每次在 Flow 上反复调用 collect，都会反复执行 flow{} 去触发发送数据动作（源码地位：AbstractFlow）。collect 是 suspend 函数，须要在协程中执行。
• 异样捕捉 catch{}： catch{} 会捕捉数据流中产生的异样；
• 协程上下文切换 flowOn()： 更改上流数据操作的协程上下文 CoroutineContext，对上流操作没有影响。如果有多个 flowOn 运算符，每个 flowOn 只会更改以后地位的上游数据流；
• 状态回调 onStart： 在数据开始发送之前触发，在数据生产线程回调；
• 状态回调 onCompletion： 在数据发送完结之后触发，在数据生产线程回调；
• 状态回调 onEmpty： 在数据流为空时触发（在数据发送完结但事实上没有发送任何数据时），在数据生产线程回调。

一般 Flow 的外围代码在 AbstractFlow 中，能够看到每次调用终端操作 collect，collector 代码块都会执行一次，也就是从新执行一次数据生产代码：

AbstractFlow.kt

public abstract class AbstractFlow<T> : Flow<T> {

    @InternalCoroutinesApi
    public final override suspend fun collect(collector: FlowCollector<T>) {// 1. 对 flow{} 的包装
        val safeCollector = SafeCollector(collector, coroutineContext)
        try {// 2. 执行 flow{} 代码块
            collectSafely(safeCollector)
        } finally {
            // 3. 开释协程相干的参数
            safeCollector.releaseIntercepted()}
    }

    public abstract suspend fun collectSafely(collector: FlowCollector<T>)
}

private class SafeFlow<T>(private val block: suspend FlowCollector<T>.() -> Unit) : AbstractFlow<T>() {override suspend fun collectSafely(collector: FlowCollector<T>) {collector.block()
    }
}

4. SharedFlow —— 高配版 LiveData

下文要讲的 StateFlow 其实是 SharedFlow 的一个子类，所以咱们先讲 SharedFlow。SharedFlow 和 StateFlow 都属于热流，无论是否有订阅者（collect），都能够生产数据并且缓存。 它们都有一个可变的版本 MutableSharedFlow 和 MutableStateFlow，这与 LiveData 和 MutableLiveData 相似，对外裸露接口时，应该应用不可变的版本。

4.1 SharedFlow 与 MutableSharedFlow 接口

间接对着接口讲不明确，这里先放出这两个接口不便查看：

public interface SharedFlow<out T> : Flow<T> {
    // 缓存的重放数据的快照
    public val replayCache: List<T>
}

public interface MutableSharedFlow<T> : SharedFlow<T>, FlowCollector<T> {
    
    // 发射数据（留神这是个挂起函数）override suspend fun emit(value: T)

    // 尝试发射数据（如果缓存溢出策略是 SUSPEND，则溢出时不会挂起而是返回 false）public fun tryEmit(value: T): Boolean

    // 沉闷订阅者数量
    public val subscriptionCount: StateFlow<Int>

    // 重置重放缓存，新订阅者只会收到注册后新发射的数据
    public fun resetReplayCache()}

4.2 结构一个 SharedFlow

我会把 SharedFlow 了解为一个高配版的 LiveData，这点首先在构造函数就能够体现进去。SharedFlow 的构造函数容许咱们配置三个参数：

SharedFlow.kt

public fun <T> MutableSharedFlow(
    // 重放数据个数
    replay: Int = 0,
    // 额定缓存容量
    extraBufferCapacity: Int = 0,
    // 缓存溢出策略
    onBufferOverflow: BufferOverflow = BufferOverflow.SUSPEND
): MutableSharedFlow<T> {
    val bufferCapacity0 = replay + extraBufferCapacity
    val bufferCapacity = if (bufferCapacity0 < 0) Int.MAX_VALUE else bufferCapacity0 // coerce to MAX_VALUE on overflow
    return SharedFlowImpl(replay, bufferCapacity, onBufferOverflow)
}

public enum class BufferOverflow {
    // 挂起
    SUSPEND,
    // 抛弃最早的一个
    DROP_OLDEST,
    // 抛弃最近的一个
    DROP_LATEST
}

SharedFlow 默认容量 capacity 为 0，重放 replay 为 0，缓存溢出策略是 SUSPEND，发射数据时已注册的订阅者会收到数据，但数据会立即抛弃，而新的订阅者不会收到历史发射过的数据。

为什么咱们能够把 SharedFlow 了解为“高配版”LiveData，拿 SharedFlow 和 LiveData 做个简略的比照就晓得了：

• 容量问题： LiveData 容量固定为 1 个，而 SharedFlow 容量反对配置 0 个到 多个；
• 背压问题： LiveData 无奈应答背压问题，而 SharedFlow 有缓存空间能应答背压问题；
• 重放问题： LiveData 固定重放 1 个数据，而 SharedFlow 反对配置重放 0 个到多个；
• 线程问题： LiveData 只能在主线程订阅，而 SharedFlow 反对在任意线程（通过协程的 Dispatcher）订阅。

当然 SharedFlow 也并不是完胜，LiveData 可能解决生命周期平安问题，而 SharedFlow 不行（因为 Flow 自身就不是纯 Android 生态下的组件），不合理的应用会存在不必要的操作和资源节约，以及在谬误的状态更新 View 的危险。不过别放心，这个问题能够通过 第 6 节 的 Lifecycle API 来解决。

4.3 一般 Flow 转换为 SharedFlow

后面提到过，冷流是不共享的，也没有缓存机制。应用 Flow.shareIn 或 Flow.stateIn 能够把冷流转换为热流，一来能够将数据共享给多个订阅者，二来能够减少缓冲机制。

Share.kt

public fun <T> Flow<T>.shareIn(
    // 协程作用域范畴
    scope: CoroutineScope,
    // 启动策略
    started: SharingStarted,
    // 控制数据重放的个数
    replay: Int = 0
): SharedFlow<T> {val config = configureSharing(replay)
  val shared = MutableSharedFlow<T>(
      replay = replay,
      extraBufferCapacity = config.extraBufferCapacity,
      onBufferOverflow = config.onBufferOverflow
  )
  @Suppress("UNCHECKED_CAST")
  scope.launchSharing(config.context, config.upstream, shared, started, NO_VALUE as T)
  return shared.asSharedFlow()}
public companion object {
    // 热启动式：立刻开始，并在 scope 指定的作用域完结时终止
    public val Eagerly: SharingStarted = StartedEagerly()
    // 懒启动式：在注册首个订阅者时开始，并在 scope 指定的作用域完结时终止
    public val Lazily: SharingStarted = StartedLazily()
 
    public fun WhileSubscribed(
        stopTimeoutMillis: Long = 0,
        replayExpirationMillis: Long = Long.MAX_VALUE
    ): SharingStarted =
        StartedWhileSubscribed(stopTimeoutMillis, replayExpirationMillis)
}

sharedIn 的参数 scope 和 replay 不须要过多解释，次要介绍下 started: SharingStarted 启动策略，分为三种：

• Eagerly（热启动式）： 立刻启动数据流，并放弃数据流（直到 scope 指定的作用域完结）；
• Lazily（懒启动式）： 在首个订阅者注册时启动，并放弃数据流（直到 scope 指定的作用域完结）；

• WhileSubscribed()： 在首个订阅者注册时启动，并放弃数据流直到在最初一个订阅者登记时完结（或直到 scope 指定的作用域完结）。通过 WhildSubscribed() 策略可能在没有订阅者的时候及时进行数据流，防止引起不必要的资源节约，例如始终从数据库、传感器中读取数据。

  whileSubscribed() 还提供了两个配置参数：

  • stopTimeoutMillis 超时工夫（毫秒）： 最初一个订阅者登记订阅后，保留数据流的超时工夫，默认值 0 示意立即进行。这个参数可能帮忙防抖，防止订阅者长期短时间登记就马上敞开数据流。例如心愿期待 5 秒后没有订阅者则进行数据流，能够应用 whileSubscribed(5000)。
  • replayExpirationMillis 重放过期工夫（毫秒）： 进行数据流后，保留重放数据的超时工夫，默认值 Long.MAX_VALUE 示意永恒保留（replayExpirationMillis 产生在进行数据流后，阐明 replayExpirationMillis 工夫是在 stopTimeoutMillis 之后产生的）。例如心愿心愿期待 5 秒后进行数据流，再期待 5 秒后的数据视为无用的古老数据，能够应用 whileSubscribed(5000, 5000)。

5. StateFlow —— LiveData 的替代品

StateFlow 是 SharedFlow 的子接口，能够了解为一个非凡的 SharedFlow。不过它们的继承关系只是接口上有继承关系，外部的实现类 SharedFlowImpl 和 StateFlowImpl 其实是离开的，这里要留个印象就好。

5.1 StateFlow 与 MutableStateFlow 接口

这里先放出这两个接口不便查看：

public interface StateFlow<out T> : SharedFlow<T> {
    // 以后值
    public val value: T
}

public interface MutableStateFlow<T> : StateFlow<T>, MutableSharedFlow<T> {
    // 以后值
    public override var value: T

    // 比拟并设置（通过 equals 比照，如果值产生实在变动返回 true）public fun compareAndSet(expect: T, update: T): Boolean
}

5.2 结构一个 StateFlow

StateFlow 的构造函数就简略多了，有且仅有一个必选的参数，代表初始值：

public fun <T> MutableStateFlow(value: T): MutableStateFlow<T> = StateFlowImpl(value ?: NULL)

5.3 非凡的 SharedFlow

StateFlow 是 SharedFlow 的一种非凡配置，MutableStateFlow(initialValue) 这样一行代码实质上和上面应用 SharedFlow 的形式是完全相同的：

val shared = MutableSharedFlow(
    replay = 1,
    onBufferOverflow = BufferOverflow.DROP_OLDEST
)
shared.tryEmit(initialValue) // emit the initial value
val state = shared.distinctUntilChanged() // get StateFlow-like behavior

• 有初始值： StateFlow 初始化时必须传入初始值；
• 容量为 1： StateFlow 只会保留一个值；
• 重放为 1： StateFlow 会向新订阅者重放最新的值；
• 不反对 resetReplayCache() 重置重放缓存： StateFlow 的 resetReplayCache() 办法抛出 UnsupportedOperationException
• 缓存溢出策略为 DROP_OLDEST： 意味着每次发射的新数据会笼罩旧数据；

总的来说，StateFlow 要求传入初始值，并且仅反对保留一个最新的数据，会向新订阅者会重放一次最新值，也不容许重置重放缓存。说 StateFlow 是 LiveData 的替代品一点不为过。除此之外，StateFlow 还额定反对一些个性：

• 数据防抖： 意味着仅在更新值并且发生变化才会回调，如果更新值没有变动不会回调 collect，其实就是在发射数据时加了一层拦挡：

StateFlow.kt

public override var value: T
    get() = NULL.unbox(_state.value)
    set(value) {updateState(null, value ?: NULL) }

override fun compareAndSet(expect: T, update: T): Boolean =
    updateState(expect ?: NULL, update ?: NULL)

private fun updateState(expectedState: Any?, newState: Any): Boolean {
    var curSequence = 0
    var curSlots: Array<StateFlowSlot?>? = this.slots // benign race, we will not use it
    synchronized(this) {
        val oldState = _state.value
        if (expectedState != null && oldState != expectedState) return false // CAS support
        if (oldState == newState) return true // 如果新值 equals 旧值则拦挡, 但 CAS 返回 true
        _state.value = newState
        ...
        return true
    }
}

• CAS 操作： 原子性的比拟与设置操作，只有在旧值与 expect 雷同时返回 ture。

5.4 一般 Flow 转换为 StateFlow

跟 SharedFlow 一样，一般 Flow 也能够转换为 StateFlow：

Share.kt

public fun <T> Flow<T>.stateIn(
    // 共享开始时所在的协程作用域范畴
    scope: CoroutineScope,
    // 共享开始策略
    started: SharingStarted,
    // 初始值
    initialValue: T
): StateFlow<T> {val config = configureSharing(1)
    val state = MutableStateFlow(initialValue)
    scope.launchSharing(config.context, config.upstream, state, started, initialValue)
    return state.asStateFlow()}

6. 平安地察看 Flow 数据流

后面也提到了，Flow 不具备 LiveData 的生命周期感知能力，所以订阅者在监听 Flow 数据流时，会存在生命周期平安的问题。Google 举荐的做法是应用 Lifecycle#repeatOnLifecycle API：

// 从 2.4.0 开始反对 Lifecycle#repeatOnLifecycle API
implementation "androidx.lifecycle:lifecycle-runtime-ktx:2.4.1"

• LifecycleOwner#addRepeatingJob： 在生命周期达到指定状态时，主动创立并启动协程执行代码块，在生命周期低于该状态时，主动勾销协程。因为 addRepeatingJob 不是挂起函数，所以不遵循结构化并发的规定。目前曾经废除，被上面的 repeatOnLifecycle() 代替了（废除 addRepeatingJob 的考量见 设计 repeatOnLifecycle API 背地的故事）；
• Lifecycle#repeatOnLifecycle： repeatOnLifecycle 的作用雷同，区别在于它是一个 suspend 函数，须要在协程中执行；
• Flow#flowWithLifecycle： Flow#flowWithLifecycle 的作用雷同，外部基于 repeatOnLifecycle API。

class LocationActivity : AppCompatActivity() {override fun onCreate(savedInstanceState: Bundle?) {super.onCreate(savedInstanceState)

        lifecycleOwner.addRepeatingJob(Lifecycle.State.STARTED) {locationProvider.locationFlow().collect {// update UI}
        }
    }
}

class LocationActivity : AppCompatActivity() {override fun onCreate(savedInstanceState: Bundle?) {super.onCreate(savedInstanceState)

        // repeatOnLifecycle 是 suspends 函数，所以须要在协程中执行
        // 当 lifecycleScope 的生命周期高于 STARTED 状态时，启动一个新的协程并执行代码块
        // 当 lifecycleScope 的生命周期低于 STARTED 状态时，勾销该协程
        lifecycleScope.launch {repeatOnLifecycle(Lifecycle.State.STARTED) {
                // 以后生命周期肯定高于 STARTED 状态，能够平安地从数据流中取数据，并更新 View
                locationProvider.locationFlow().collect {// update UI}
            }
        // 结构化并发：生命周期处于 DESTROYED 状态时，切换回调用 repeatOnLifecycle 的协程继续执行
        }
    }
}

class LocationActivity : AppCompatActivity() {override fun onCreate(savedInstanceState: Bundle?) {super.onCreate(savedInstanceState)

        locationProvider.locationFlow()
            .flowWithLifecycle(this, Lifecycle.State.STARTED)
            .onEach {// update UI}
            .launchIn(lifecycleScope) 
    }
}

如果不应用 Lifecycle#repeatOnLifecycle API，具体会呈现什么问题呢？

• Activity.lifecycleScope.launch： 立刻启动协程，并在 Activity 销毁时勾销协程；
• Fragment.lifecycleScope.launch： 立刻启动协程，并在 Fragment 销毁时勾销协程；
• Fragment.viewLifecycleOwner.lifecycleScope.launch： 立刻启动协程，并在 Fragment 中视图销毁时勾销协程。

能够看到，这些协程 API 只有在最初组件 / 视图销毁时才会勾销协程，当视图进入后盾时协程并不会被勾销，Flow 会继续生产数据，并且会触发更新视图。

• LifecycleContinueScope.launchWhenX： 在生命周期达到指定状态时立刻启动协程执行代码块，在生命周期低于该状态时挂起（而不是勾销）协程，在生命周期从新高于指定状态时，主动复原该协程。

能够看到，这些协程 API 在视图来到某个状态时会挂起协程，可能防止更新视图。然而 Flow 会继续生产数据，也会产生一些不必要的操作和资源耗费（CPU 和内存）。 尽管能够在视图进入后盾时手动勾销协程，但很显著增写了模板代码，没有 repeatOnLifecycle API 来得简洁。

class LocationActivity : AppCompatActivity() {

    // 协程控制器
    private var locationUpdatesJob: Job? = null

    override fun onStart() {super.onStart()
        locationUpdatesJob = lifecycleScope.launch {locationProvider.locationFlow().collect {// update UI} 
        }
    }

    override fun onStop() {
       // 在视图进入后盾时勾销协程
        locationUpdatesJob?.cancel()
        super.onStop()}
}

回过头来看，repeatOnLifecycle 是怎么实现生命周期感知的呢？其实很简略，是通过 Lifecycle#addObserver 来监听生命周期变动：

RepeatOnLifecycle.kt

suspendCancellableCoroutine<Unit> { cont ->
    // Lifecycle observers that executes `block` when the lifecycle reaches certain state, and
    // cancels when it falls below that state.
    val startWorkEvent = Lifecycle.Event.upTo(state)
    val cancelWorkEvent = Lifecycle.Event.downFrom(state)
    val mutex = Mutex()
    observer = LifecycleEventObserver { _, event ->
        if (event == startWorkEvent) {
            // Launch the repeating work preserving the calling context
            launchedJob = this@coroutineScope.launch {
                // Mutex makes invocations run serially,
                // coroutineScope ensures all child coroutines finish
                mutex.withLock {
                    coroutineScope {block()
                    }
                }
            }
            return@LifecycleEventObserver
        }
        if (event == cancelWorkEvent) {launchedJob?.cancel()
            launchedJob = null
        }
        if (event == Lifecycle.Event.ON_DESTROY) {cont.resume(Unit)
        }
    }
    this@repeatOnLifecycle.addObserver(observer as LifecycleEventObserver)
}

7. Channel 通道

在协程的根底能力上应用数据流，除了上文提到到 Flow API，还有一个 Channel API。Channel 是 Kotlin 中实现跨协程数据传输的数据结构，相似于 Java 中的 BlockQueue 阻塞队列。不同之处在于 BlockQueue 会阻塞线程，而 Channel 是挂起线程。Google 的倡议 是优先应用 Flow 而不是 Channel，次要起因是 Flow 会更主动地敞开数据流，而一旦 Channel 没有失常敞开，则容易造成资源透露。此外，Flow 相较于 Channel 提供了更明确的束缚和操作符，更灵便。

Channel 次要的操作如下：

• 创立 Channel： 通过 Channel<Int>(Channel.UNLIMITED) 创立一个 Channel 对象，或者间接应用 produce<Int>{} 创立一个生产者协程；
• 敞开 Channel： Channel#close()；
• 发送数据： Channel#send() 往 Channel 中发送一个数据，在 Channel 容量有余时 send() 操作会挂起，Channel 默认容量 capacity 是 1；
• 接收数据： 通过 Channel#receive() 从 Channel 中取出一个数据，或者间接通过 actor<Int> 创立一个消费者协程，在 Channel 中数据有余时 receive() 操作会挂起。
• 播送通道 BroadcastChannel（废除，应用 SharedFlow）： 一般 Channel 中一个数据只会被一个生产端接管，而 BroadcastChannel 容许多个生产端接管。

public fun <E> Channel(

    // 缓冲区容量，当超出容量时会触发 onBufferOverflow 回绝策略
    capacity: Int = RENDEZVOUS,  

    // 缓冲区溢出策略，默认为挂起，还有 DROP_OLDEST 和 DROP_LATEST
    onBufferOverflow: BufferOverflow = BufferOverflow.SUSPEND,

    // 解决元素未能胜利送达解决的状况，如订阅者被勾销或者抛异样
    onUndeliveredElement: ((E) -> Unit)? = null

): Channel<E>

8. 浅尝一下

到这里，LiveData、Flow 和 Channel 咱们都讲了一遍了，理论场景中怎么应用呢，浅尝一下。

• 事件（Event）： 事件是一次无效的，新订阅者不应该收到旧的事件，因而事件数据适宜用 SharedFlow(replay=0)；
• 状态（State）： 状态是能够复原的，新订阅者容许收到旧的状态数据，因而状态数据适宜用 StateFlow。

示例代码如下，不相熟 MVI 模式的同学能够移步：Android UI 架构演进：从 MVC 到 MVP、MVVM、MVI

BaseViewModel.kt

interface UiState

interface UiEvent

interface UiEffect

abstract class BaseViewModel<State : UiState, Event : UiEvent, Effect : UiEffect> : ViewModel() {

    // 初始状态
    private val initialState: State by lazy {createInitialState() }

    // 页面须要的状态，对应于 MVI 模式的 ViewState
    private val _uiState = MutableStateFlow<State>(initialState)
    // 对外接口应用不可变版本
    val uiState = _uiState.asStateFlow()

    // 页面状态变更的“副作用”，相似一次性事件，不须要重放的状态变更（例如 Toast）private val _effect = MutableSharedFlow<Effect>()
    // 对外接口应用不可变版本
    val effect = _effect.asSharedFlow()

    // 页面的事件操作，对应于 MVI 模式的 Intent 
    private val _event = MutableSharedFlow<Event>()

    init {
        viewModelScope.launch {
            _event.collect {handleEvent(it)
            }
        }
    }

    // 初始状态
    protected abstract fun createInitialState(): State

    // 事件处理
    protected abstract fun handleEvent(event: Event)

    /**
     * 事件入口
     */
    fun sendEvent(event: Event) {
        viewModelScope.launch {_event.emit(event)
        }
    }

    /**
     * 状态变更
     */
    protected fun setState(newState: State) {_uiState.value = newState}

    /**
     * 副作用
     */
    protected fun setEffect(effect: Effect) {_effect.send(effect)
    }
}

参考资料

• 协程 Flow 最佳实际 | 基于 Android 开发者峰会利用 —— Android 官网文档
• 设计 repeatOnLifecycle API 背地的故事 —— Android 官网文档
• 应用更为平安的形式收集 Android UI 数据流 —— Android 官网文档
• Flow 操作符 shareIn 和 stateIn 应用须知 —— Android 官网文档
• 从 LiveData 迁徙到 Kotlin 数据流 —— Android 官网文档
• 用 Kotlin Flow 解决开发中的痛点 —— 都梁人 著
• 抽丝剥茧 Kotlin – 协程中绕不过的 Flow —— 九心 著
• Kotlin flow 实际总结! —— 入魔的冬瓜 著
• Android—kotlin-Channel 超具体解说 —— hqk 著

你的点赞对我意义重大！微信搜寻公众号 [彭旭锐]，心愿大家能够一起探讨技术，找到气味相投的敌人，咱们下次见！