Kotlin协程-从一到多-当前快报

上一篇文章，我介绍了Kotlin协程的创建，使用，协作等内容。本篇将引入更多的使用场景，继续带你走进协程世界。

(相关资料图)

使用协程处理异步数据流

常用编程语言都会内置对同一类型不同对象的数据集表示，我们通常称之为容器类。不同的容器类适用于不同的使用场景。Kotlin的Flow就是在异步计算的需求下引入的，用于表示异步的数据流。

Flow

“问渠哪得清如许，为有源头活水来”，异步数据流的基本就是以某种方式获得异步数据。Kotlin提供了多种种方式，比较常用的就是Kotlin协程包的asFlow扩展和flow构造器。前者是对普通数据集的Flow化封装，没有更多可言，我们着重来看后者。flow构造器的主要目标就是产生一个异步数据流，它是一个泛型函数，参数是一个挂起函数，并且是FlowCollector是扩展函数。这个接口只有一个emit方法，就是为创建的Flow提供异步计算的数据的，因为它是挂起函数，所以我们能在里面使用其他挂起函数计算异步值，然后通过emit方法将值发送出去，如此反复就能为下游操作提供源源不断的数据流了。事情还没完，上面的步骤我们只是规定了创建数据的方式，并没有真正执行，也就是建好了道路，但是还没有车上路。那么，怎样才能让车在路上跑呢，查看Flow的接口会发现，它提供了collect方法来处理数据。collect接收一个挂起函数作为处理逻辑，但是同时，collect方法本身也是挂起函数，所以，这个方法只能在挂起函数中运行。有了这些知识，我们就可以写出最简单的异步数据流了。

1uspend fun compute():Int{             delay(123)             return 1024 }  viewModelScope.launch {     val flow=flow {         emit(9527)         emit(compute())        delay(256)        emit(256)    }    flow.collect {        println(it)    }}

在flow构造器里面随意做各种操作，只要在必要的时候传递结果就行了，但是需要注意的是，emit方法只能运行在同一个协程里。乍一看，这样分开写和写在一起并没有本质上的差别，但Flow还能做到更多。

该给Flow换个工作环境了

上一节，我们那个简单的示例，假如把构造器里面的数据获取方法换成网络请求，应用就歇菜了。因为它们都是运行在主线程里面的。那么这个时候，看过上一篇文章的小伙伴马上就会反应过来，用withContext方法在构造器里面切换线程就行了哇。思路是很对，因为Flow的默认配置就是构造器和collect方法工作在同一线程，既然现在主线程不让运行，那就把构造器的线程切换一下就行了呗。然后事实并不是这样，这样写出来的代码根本无法运行。因为官方提供了唯一的flowOn方法来切换构造器的执行线程。使用也很简单，就是对创建好的Flow对象配置一次flowOn方法就行了。

val flow=["1.jpg","2.jpg"].asFlow()flow.map { decode(it) }        .flowOn(Dispatchers.IO)viewModelScope.launch {    flow.collect{        adapter.add(it)    }

有些中间处理逻辑

熟悉RxJava的小伙伴可能有疑问了，这些操作RxJava也能完成，甚至还有更多的操作符来支持中间状态的处理，那么异步数据流能做到这些吗。毫无疑问，它可以。普通的数据集有map,filter等操作方法，对于异步数据流来说，这些方法同样适用。而且这些方法参数都是挂起函数，都可以执行异步操作。而且它还有个更灵活的transform方法，这个方法可以定制自己的操作符，实现更灵活的数据操作。

当然，上面那些操作符都只能实现单一异步流的操作，对于多数据流的支持，它也同样不在话下。zip可以将两个两个数据源两两合并起来，合成的数据流长度为两个数据流中最短的那个数据流的长度。combine则与zip不同，它会将两个数据流最近的发送数据作为输入，也就是说，假如一块一慢的两个数据源，慢的数据源的元素可能会被多次取到，从而最终的数据流比最短的那个都长。

val flow = flowOf(1, 2).delayEach(10)val flow2 = flowOf("a", "b", "c").delayEach(15)flow.combine(flow2) { i, s -> i.toString() + s }.collect {     println(it) // Will print "1a 2a 2b 2c"}

结束状态跟踪

上一节提到，由于数据源和处理逻辑不在同一个地方，所以很难确定最终的数据流大小，进而不知道数据流什么时候处理结束。而且中间操作也可能会改变数据流的大小，由此就更加难以确定数据处理结束的时机了。但是我们有的时候却需要在数据处理完成后做一些操作，该怎么办呢？这个时候当然是该onCompletion方法上场了。这个方法有一个可为空的Throwable类型参数，很显然，这可以同时指示两种处理结果，成功或者失败，失败就会将异常对象传递进来。

多个协程共同工作

很多时候，避免不了让多个协程共同工作。对于返回单个值的协程，上一篇我们也提到过了，可以传递async构造器的返回对象Deferred，但是局限性就是这个对象只能传递一个值。针对多值传递的情况，Kotlin提供了Channel的解决方法。Channel类似于阻塞队列，数据通过send方法发送出去，在另外的地方使用receive方法接收。通过这种方法，我们可以极大提供协程的工作效率。利用它就可以轻松实现生产者和消费者模型。

val chanel=Channel() viewModelScope.launch(Dispatchers.IO) {     for (i in 1..5){         delay(1000)         chanel.send(i)     } } viewModelScope.launch {      for (i in chanel){        println("Handle ${i}")    }}

当然，这只是最简单的用法，还可以加入更多的生产者，或者不再需要数据时取消，甚至还有专门的product构造器，直接获得返回多个值的协程对象。