协程Flow原理（包教包会的那种）-六虎

什么是Flow

Flow直译过来就是“流”的意思，也就是将我们我们任务如同水流相同一步一步切割做处理。幻想一下，现在有一个任务需求从山里取水来用你需求怎样做？

扛上扁担走几十里山路把水挑回来。简略粗暴，但是有可能当你走了几十里路发现水干枯了，你就白跑一趟。
架起一条从家到水源之间的水管，以后就可以在家翻开水管就有水喝了。假设翻开水龙头没水了，那就知道水池没水了，也不用白跑一趟。

这其实就延伸到了现在的两种干流编程思维，呼应式和非呼应式。

所谓的呼应式就是通过订阅、监听的方法等候数据源把数据传递过来。他的优势是可以很方便的与数据源逻辑解耦，并且在数据源可以传递过来之前随意的改动数据流。比如上边比如，我想喝柠檬味的水，那我彻底可以在我水龙头上接个柠檬味的管子。而像传统的方案就必须要往水源地加入柠檬精，这时分假设另一个人他想喝西瓜味的水，那就完结不了了。

为什么是Flow

在Flow之前，RXjava一直是我们常用的流式写法，那相比较RXjava，Flow的优势是什么呢？ChatGpt以为有以下几点：

更加轻量级：Flow 是 Kotlin 标准库的一部分，无需引入额定的依靠库，而 RxJava 需求引入 RxJava 中心库和相关的操作符库，增加了项目的复杂度和体积。
更加简略：Flow 依据 Kotlin 协程完结，运用协程的语法糖可以完结代码更加简略和易读，比 RxJava 更加简略。
更加灵敏：Flow 支撑背压处理和多个订阅者一同订阅同一个数据流，而 RxJava 关于多个订阅者需求运用 share() 或 replay() 等操作符进行处理。
更加安全：Flow 可以在协程的上下文中运转，因而可以避免 RxJava 中常见的线程安全问题和内存泄露问题。
更加可预测：Flow 运用 Kotlin 的类型安全特性，可以更加容易地避免类型不匹配和空指针失常等问题。

其实作为开发人员最关心的就是简练。越简练的用法意味着越低廉的学习本钱，也更不容易运用犯错出现不可以预知的问题。

传统方案、RXjava、Flow直观比照

我们以一个最常用的比如，子线程网络央求，然后再将数据回来主线程加载UI

传统方案

OkHttpUtils.sendGetRequest("http://example.com", new OkHttpUtils.CallbackListener() {
    @Override
    public void onSuccess(String response) {
        // 在主线程中处理央求成功的作用
        textView.setText(response);
    }
    @Override
    public void onFailure(IOException e) {
        // 在主线程中处理央求失利的作用
        e.printStackTrace();
        Toast.makeText(MainActivity.this, "央求失利", Toast.LENGTH_SHORT).show();
    }
});

主张一个网络央求并注册一个监听，当央求作用回来的时分把作用callback回来。假设此时我们需求网络央求成功之后再去央求第二个接口回来，那我们就需求再嵌套一个callback，就像这样：

OkHttpUtils.sendGetRequest("http://example.com", new OkHttpUtils.CallbackListener() {
    @Override
    public void onSuccess(String response) {
        // 在主线程中处理央求成功的作用
        OkHttpUtils.sendGetRequest("http://example2.com", new OkHttpUtils.CallbackListener() {
            @Override
            public void onSuccess(String response) {
                // 在主线程中处理央求成功的作用
                textView.setText(response);
            }
            @Override
            public void onFailure(IOException e) {
                // 在主线程中处理央求失利的作用
                e.printStackTrace();
                Toast.makeText(MainActivity.this, "央求失利", Toast.LENGTH_SHORT).show();
            }
        });
    }
    @Override
    public void onFailure(IOException e) {
        // 在主线程中处理央求失利的作用
        e.printStackTrace();
        Toast.makeText(MainActivity.this, "央求失利", Toast.LENGTH_SHORT).show();
    }
});

可以看到，当两层的时分我们就彻底陷入了“回调阴间”中，逻辑越来越难直观看清。更为丧命的是这个方法也无法扩展了。比如说另一个运用者要在第一次央求成功之后弹出一个气泡，第二个运用者说我不需求。这样就只能加参数写if-else判断了。一朝一夕这个方法就会迅速胀大再也无法复用，紧接着这个方法的CV1.0、2.0版本就初步“闪亮上台”，毕竟这个类也无法继续维护了。

RXjava方案

RxJavaUtils.sendGetRequest("http://example.com")
        .subscribe(new Observer<String>() {
            @Override
            public void onSubscribe(Disposable d) {
                // 在这儿可以做一些准备作业，比如闪现进度条等
            }
            @Override
            public void onNext(String response) {
                // 在主线程中处理央求成功的作用
                textView.setText(response);
            }
            @Override
            public void onError(Throwable e) {
                // 在主线程中处理央求失利的作用
                e.printStackTrace();
                Toast.makeText(MainActivity.this, "央求失利", Toast.LENGTH_SHORT
           });

这样的写法相比较传统写法确实高雅了一些，当有多个央求操作的时分可以运用 flatMap 或 concatMap 操作符来完结在一个央求成功之后继续主张另一个央求的功用，就像这样：

RxJavaUtils.sendGetRequest("http://example.com")
        .flatMap(response -> RxJavaUtils.sendGetRequest("http://example2.com"))
        .subscribe(new Observer<String>() {
            @Override
            public void onSubscribe(Disposable d) {
                // 在这儿可以做一些准备作业，比如闪现进度条等
            }
            @Override
            public void onNext(String response) {
                // 在主线程中处理央求成功的作用
                textView.setText(response);
            }
            @Override
            public void onError(Throwable e) {
                // 在主线程中处理央求失利的作用
                e.printStackTrace();
                Toast.makeText(MainActivity.this, "央求失利", Toast.LENGTH_SHORT).show();
            }
            @Override
            public void onComplete() {
                // 在央求完结时进行一些收尾作业，比如躲藏进度条等
            }
        });

这样看起来我们很好的规避了‘回调阴间’的问题，逻辑看起来也非常的清楚。当其他运用者需求扩展这个方法的时分，只需求拿着原始的sendGetRequest方法自己通过rx操作符拼接自己的事务逻辑就可以了。

Flow方案

lifecycleScope.launch {
    FlowUtils.sendGetRequest("http://example.com")
        .collect { response ->
            // 在主线程中处理央求作用
            textView.text = response
        }
}

就是这么简略，关于Flow的创建也是比较简略的，运用flow函数一包装，我们就得到了任务流。

import android.util.Log
import kotlinx.coroutines.Dispatchers
import kotlinx.coroutines.flow.Flow
import kotlinx.coroutines.flow.flow
import kotlinx.coroutines.flow.flowOn
import okhttp3.Call
import okhttp3.Callback
import okhttp3.OkHttpClient
import okhttp3.Request
import okhttp3.Response
import java.io.IOException
object FlowUtils {
    private const val TAG = "FlowUtils"
    private val client = OkHttpClient()
    fun sendGetRequest(url: String): Flow<String> = flow {
        val request = Request.Builder()
            .url(url)
            .build()
        val call = client.newCall(request)
        call.enqueue(object : Callback {
            override fun onFailure(call: Call, e: IOException) {
                Log.e(TAG, "Request failed: ${e.message}")
                // 运用 Flow 的 emit 方法将失常抛出
                emit(e.message ?: "Unknown error")
            }
            override fun onResponse(call: Call, response: Response) {
                val responseBody = response.body()?.string()
                if (response.isSuccessful && responseBody != null) {
                    // 运用 Flow 的 emit 方法将央求成功的作用抛出
                    emit(responseBody)
                } else {
                    val errorMessage = response.message()
                    Log.e(TAG, "Request failed: $errorMessage")
                    // 运用 Flow 的 emit 方法将失常抛出
                    emit(errorMessage)
                }
            }
        })
    }.flowOn(Dispatchers.IO)
}

而将两个flow任务拼接起来也是极为简略的

lifecycleScope.launch {
    FlowUtils.sendGetRequest("http://example.com")
        .flatMapConcat { response ->
            // 在央求1的作用基础上主张央求2
            FlowUtils.sendGetRequest("http://example2.com")
        }
        .collect { response ->
            // 在主线程中处理央求2的作用
            textView.text = response
        }
}

可以看到除去我们所说的操作符的学习本钱，flow在kotlin语法糖的加持下写法更简练直观。

Flow学习

与RXJava相同，Flow也可以分为三大块部分。

Flow的创建，即创建我们的数据源，我们可以通过flow函数或许其他语法糖开启一个Flow流。
中心操作符，像flatMapConcat、map这些操作符，中心改动数据流向。
中止操作符，用来毕竟接纳数据。当实行毕竟操作符的时分，Flow流就不能再被改动，只能得到作用。

Flow创建

通过 Flow 构造器创建

kotlinCopy code
val flow = flow {
    // 在这儿定义 Flow 的发射进程
    emit(1)
    emit(2)
    emit(3)
}

通过集结转化成 Flow

kotlinCopy code
val flow = listOf(1, 2, 3).asFlow()

通过数组转化成 Flow

kotlinCopy code
val flow = arrayOf(1, 2, 3).asFlow()

通过流转换成 Flow

kotlinCopy code
val flow = inputStream.bufferedReader().lineSequence().asFlow()

通过 channelFlow 构建

kotlinCopy code
val flow = channelFlow {
    // 在这儿定义 Flow 的发射进程
    send(1)
    send(2)
    send(3)
}

通过 transform 操作符转换一个 Flow

kotlinCopy code
val flow = flowOf(1, 2, 3)
    .transform { value ->
        emit(value * 2)
    }

通过其他操作符转换一个 Flow

kotlinCopy code
val flow = flowOf(1, 2, 3)
    .map { it * 2 }

通过 suspendCancellableCoroutine 构建

kotlinCopy code
val flow = flow {
    val data = suspendCancellableCoroutine<String> { continuation ->
        // 这儿是协程挂起等候数据的逻辑
    }
    emit(data)
}

中心操作符

map: 将 Flow 中的每个元素转化为另一个元素。
filter: 依据指定的谓词过滤 Flow 中的元素。
take: 从 Flow 中获取指定数量的元素。
drop: 从 Flow 中删去指定数量的元素。
flatMap: 将 Flow 中的每个元素转化为另一个 Flow，并将全部作用合并为一个 Flow。
zip: 将两个 Flow 中的元素按次第配对并生成新元素。
reduce: 将 Flow 中的全部元素缩减为一个独自的元素。
scan: 将 Flow 中的全部元素累积为一个可变情况，并宣布每个中心情况。
distinctUntilChanged: 仅在 Flow 中出现与上一个不同的元素时才宣布元素。
buffer: 将 Flow 的元素缓存在内存中，以便在上游发生元素速度很快时缓解下贱的压力。
onEach: 对 Flow 中的每个元素实行指定操作，而不会修改元素。
catch: 处理 Flow 中的过错并将其替换为另一个值或另一个 Flow。

中止操作符

collect()：收集Flow流发射的值，并将其处理，直到Flow结束或被吊销。
toList()：将Flow流发射的全部值存储在List调会集，然后回来该集结。
toSet()：将Flow流发射的全部值存储在Set调会集，然后回来该集结。
reduce()：将Flow流发射的值进行累加或其他操作，回来一个毕竟的作用。
fold()：与reduce()类似，但是可以供应一个初始值，用于指定操作的起始值。
first()：回来Flow流发射的第一个值。
last()：回来Flow流发射的毕竟一个值。
single()：回来Flow流发射的单个值，假设Flow流中没有值或有多个值则会抛出失常。
firstOrNull()：回来Flow流发射的第一个值，假设没有值则回来null。
lastOrNull()：回来Flow流发射的毕竟一个值，假设没有值则回来null。

Flow背压处理

与RXJava相同，Flow也会遇到背压问题（任何出产者顾客模型都会有这个问题）。Flow供应了专门处理背压的操作符：

buffer 操作符：可以设置一个缓冲区，使出产者和顾客的处理速度可以有一定的错开，然后避免数据积压。例如：flow.buffer().collect{...}。
conflate 操作符：可以丢掉掉出产者发送的部分数据，只保存最新的数据，这样可以保证顾客一直处理最新的数据，避免处理过多的数据。例如：flow.conflate().collect{...}。

buffer操作符可以设置缓存的大小，比如buffer(2)标识最多缓存两个元素。

我们还可以设置BufferOverflow来约好超越缓存区后的处理逻辑。比如： val channel = producer.buffer(Channel.BUFFERED, onBufferOverflow = BufferOverflow.SUSPEND)

BufferOverflow 背压战略

SUSPEND，默许战略，填满后再来的数据流，发送会被挂起，若 bufferSize <= 0，此战略不行更改。
DROP_OLDEST，丢掉最旧的值。
DROP_LATEST，丢掉最新的值。

Flow原理

我们从一个简略的demo初步

fun test() {
    runBlocking(Dispatchers.Main) {  
        //出产者
        flow {  
            println("flow block")  
            //发射数据
            emit(1)  
            emit(2) 
        }.flowOn(Dispatchers.IO).collect {  
            //顾客
            println("collect block $it")  
        }  
    }  
}

以上代码涉及到三个要害函数(flow、emit、collect)，两个闭包（flow闭包、collect闭包。
从上面的调用图可知，以上五者的调用关系：

flow–>collect–>flow闭包–>emit–>collect闭包

接下来我们逐渐分析。

flow()

flow函数完结：

public fun <T> flow(@BuilderInference block: suspend FlowCollector<T>.() -> Unit): Flow<T> = SafeFlow(block)

别看这个函数只需一行，其实他所声明的东西还不少。

首要flow()接受一个block参数，这个参数就是我们demo里的flow闭包。
其次这个参数的类型是FlowCollector<T>.() -> Unit，标明他是FlowCollector的一个扩展。
一同这个函数又声清楚suspend，也就是说flow闭包是一个挂起函数。
毕竟这个函数的实践逻辑是回来了一个SafeFlow()，我们的flow闭包作为参数。回来类型是Flow。

我们再看SafeFlow的完结：

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

SafeFlow的父类就是AbstractFlow，这个block参数就是我们上边所说的flow闭包。他重写了collectSafely()方法，这个方法里调用了collector.block()。

collector.block()实践在调用谁？实践调用的是参数里的block，也就是flow闭包的实行。

可以看到flow函数首要作用就是构建flow流，并没有实践发起这个流任务。而实践发起任务流是在调用collect()方法的时分，也就是实践消费的时分。这也就是所谓的冷流。

collect()

我们仍是先看源码定义

public interface Flow<out T> {
    public suspend fun collect(collector: FlowCollector<T>)  
}

点击demo的collect()方法就进入这儿，可以看到Flow其实是一个接口，只需一个方法collect，接纳FlowCollector参数。这儿的collector就是我们外部传来的collect闭包。

上边我们讲到fllow()方法毕竟回来的是SafeFlow目标，而SafeFlow的父类就是AbstractFlow。所以我们接着看AbstractFlow的collect方法。

public abstract class AbstractFlow<T> : Flow<T>, CancellableFlow<T> {
    public final override suspend fun collect(collector: FlowCollector<T>) {  
        val safeCollector = SafeCollector(collector, coroutineContext)  
        try {  
            collectSafely(safeCollector)  
        } finally {  
            safeCollector.releaseIntercepted()  
        }  
    }  
    public abstract suspend fun collectSafely(collector: FlowCollector<T>)  
    }
}

可以看到我们传递的collector闭包毕竟又被包装成了SafeCollector，然后调用笼统函数collectSafely。而collectSafely的具体完结则是由子类完结。而AbstractFlow子类又是谁？是SafeFlow。所以毕竟又走到了SafeFlow的collectSafely方法，而collectSafely方法又触发了flow闭包的实行。此时，顾客通过collect函数现已调用到出产者的闭包里

emit()

上边我们说到Flow在调用collect方法的时分就触发了flow闭包的实行，而在flow闭包怎样把数据传递给collect闭包的呢？对就是通过emit()方法。我们看下emit()方法的完结。

public fun interface FlowCollector<in T> {  
    public suspend fun emit(value: T)  
}

可以看到又是一个接口FlowCollector。在上边我们分析flow方法的时分看到，flow方法将flow闭包转化为FlowCollector的扩展方法。所以FlowCollector可以理解为我们flow闭包。他有一个emit方法，这也就是为什么我们在flow闭包里可以直接调用emit的原因。

那这个接口具体完结是谁呢？我们上边看AbstractFlow源码的时分说到，flow闭包被包装成了SafeCollector，然后调用collectSafely。在collectSafely毕竟触发了flow闭包的实行。而flow闭包完结了emit接口。所以毕竟触发emit的就是SafeCollector。

override suspend fun emit(value: T) {
    return suspendCoroutineUninterceptedOrReturn sc@{ uCont ->  
        try {  
            emit(uCont, value)  
        } catch (e: Throwable) {  
            lastEmissionContext = DownstreamExceptionContext(e, uCont.context) 
            throw e  
            }  
    } 
}
private fun emit(uCont: Continuation<Unit>, value: T): Any? {  
    val currentContext = uCont.context  
    currentContext.ensureActive() 
    val previousContext = lastEmissionContext  
    if (previousContext !== currentContext) {  
        checkContext(currentContext, previousContext, value)  
        lastEmissionContext = currentContext  
    }  
    completion = uCont  
    val result = emitFun(collector as FlowCollector<Any?>, value, this as Continuation<Unit>)  
    if (result != COROUTINE_SUSPENDED) {  
        completion = null  
    }  
    return result  
}
private val emitFun = FlowCollector<Any?>::emit as Function3<FlowCollector<Any?>, Any?, Continuation<Unit>, Any?>

这样在flow闭包里调用emit函数后，将会调用到collect的闭包里，此时数据从flow的上游流转到下贱。

有同学就问了private val emitFun = FlowCollector<Any?>::emit as Function3<FlowCollector<Any?>, Any?, Continuation<Unit>, Any?>就这么一行，怎样理阐明调到collect的闭包里的？

说实话刚初步我也不懂，不得不说kotlin的高阶语法真是太难理解了。不过我们换种思路来，通过kotlin转java看下这行代码转化后的样子。

private static final Function3 emitFun = (Function3)TypeIntrinsics.beforeCheckcastToFunctionOfArity(new Function3() {
// $FF: synthetic method  
// $FF: bridge method  
public Object invoke(Object var1, Object var2, Object var3) {  
    return this.invoke((FlowCollector)var1, var2, (Continuation)var3);  
}  
@Nullable  
public final Object invoke(@NotNull FlowCollector p1, @Nullable Object p2, @NotNull Continuation continuation) {  
    return p1.emit(p2, continuation);  
}  
}, 3);

这下就简略清楚了吧？p1对应的是就是我们的collector，那这个collector又是什么鬼？他是SafeCollector类的参数。

internal actual class SafeCollector<T> actual constructor(@JvmField internal actual val collector: FlowCollector<T>,@JvmField internal actual val collectContext: CoroutineContext  ) : FlowCollector<T>, ContinuationImpl(NoOpContinuation, EmptyCoroutineContext), CoroutineStackFrame{

}

而我们往上翻SafeCollector的collector参数不就是AbstractFlow类中collect方法传递进去的collect闭包吗？

中心操作符

毕竟我们来研究下Flow中心操作符是怎样运作的，我们仍是以最关心的flowOn线程切换操作符来阐明吧。点进flowOn的源码看下：

public fun <T> Flow<T>.flowOn(context: CoroutineContext): Flow<T> {
    checkFlowContext(context)  
    return when {  
        context == EmptyCoroutineContext -> this  
        this is FusibleFlow -> fuse(context = context)  
        else -> ChannelFlowOperatorImpl(this, context = context)  
    }  
}

看方法签名，又是给Flow类扩展了一个flowOn方法，毕竟又回来了一个Flow类。所以可以猜测这个方法其实是做了一层包装。在这儿我们的demo逻辑走ChannelFlowOperatorImpl这个分支（为啥？打断点啊！）。

internal class ChannelFlowOperatorImpl<T>(flow: Flow<T>,context: CoroutineContext = EmptyCoroutineContext,capacity: Int =Channel.OPTIONAL_CHANNEL,onBufferOverflow: BufferOverflow = BufferOverflow.SUSPEND  ) : ChannelFlowOperator<T, T>(flow, context, capacity, onBufferOverflow) {
    override fun create(context: CoroutineContext, capacity: Int,onBufferOverflow: BufferOverflow): ChannelFlow<T> =  ChannelFlowOperatorImpl(flow, context, capacity, onBufferOverflow)  
    override fun dropChannelOperators(): Flow<T>? = flow  
    override suspend fun flowCollect(collector: FlowCollector<T>) =  flow.collect(collector)  
}

首要ChannelFlowOperatorImpl的父类完结了Flow接口，所以我们可以以为这儿就是flow闭包。
其次create方法创建了ChannelFlowOperatorImpl实体目标。flowCollect方法里毕竟调用了flow.collect(collector)。也就是我们上边分析的触发顾客实行。
所以我们得出结论，中心操作符其实也是一个小的Flow流，有出产者、顾客。出产者就是上一级传来的流，顾客就是自己。将流改动之后再调用本来的顾客，就是拦截器的原理。

那flowOn的实践处理逻辑在哪呢？上边我们分析了Flow类只需一个collect函数。所以我们找父类看collect函数的完结就行了。

private suspend fun collectWithContextUndispatched(collector: FlowCollector<T>, newContext: CoroutineContext) {
    val originalContextCollector = collector.withUndispatchedContextCollector(coroutineContext)  
    // invoke flowCollect(originalContextCollector) in the newContext  
    return withContextUndispatched(newContext, block = { flowCollect(it) }, value = originalContextCollector)  
}  
// Slow path when output channel is required  
protected override suspend fun collectTo(scope: ProducerScope<T>) =  flowCollect(SendingCollector(scope))  
// Optimizations for fast-path when channel creation is optional  
override suspend fun collect(collector: FlowCollector<T>) {  
    // Fast-path: When channel creation is optional (flowOn/flowWith operators without buffer)  
    if (capacity == Channel.OPTIONAL_CHANNEL) {  
        val collectContext = coroutineContext  
        val newContext = collectContext + context // compute resulting collect context  
        // #1: 上下文相同 直接调用flowCollect，就是上边看到的子类，也就是实行下一步流转。
        if (newContext == collectContext)  
            return flowCollect(collector)  
        // #2: 检验上下文拦截器是否相同，假设相同就走不用分发的逻辑。
        if (newContext[ContinuationInterceptor] == collectContext[ContinuationInterceptor])  
        return collectWithContextUndispatched(collector, newContext)  
    }  
    // 毕竟都不相同走了父类处理。 
    super.collect(collector)  
}

我们这儿没有设置拦截器，仅仅修改了线程。所以肯定走collectWithContextUndispatched逻辑。

internal suspend fun <T, V> withContextUndispatched(
newContext: CoroutineContext, value: V, countOrElement: Any = threadContextElements(newContext), block: suspend (V) -> T ): T =  
suspendCoroutineUninterceptedOrReturn { uCont ->  
    //瞅这个，是不是很亲近？
    withCoroutineContext(newContext, countOrElement) {  block.startCoroutineUninterceptedOrReturn(value,StackFrameContinuation(uCont,newContext))  
    }  
}

看到withCoroutineContext这个方法我们就明白了，在上一文《kotlin协程中的线程切换》中我们现已分析过相应的切换逻辑。

总结

什么是冷流？什么是热流？
- 冷流：没有顾客，出产者不会出产数据没有观察者，被观察者不会发送数据
- 热流：没有顾客，出产者也会出产数据没有观察者，被观察者也会发送数据
Flow是怎样流转的？
直接搬大佬的图。
Flow中心操作符是怎样做转化的？
- 本质也是一个小的Flow流，在collect逻辑中中止上一步的流转，刺进自己的逻辑，然后调用下一步流转
Flow相比较RXJava有什么优势？
- 更加轻量级：Flow 是 Kotlin 标准库的一部分，无需引入额定的依靠库，而 RxJava 需求引入 RxJava 中心库和相关的操作符库，增加了项目的复杂度和体积。
- 更加简略：Flow 依据 Kotlin 协程完结，运用协程的语法糖可以完结代码更加简略和易读，比 RxJava 更加简略。
- 更加灵敏：Flow 支撑背压处理和多个订阅者一同订阅同一个数据流，而 RxJava 关于多个订阅者需求运用 share() 或 replay() 等操作符进行处理。
- 更加安全：Flow 可以在协程的上下文中运转，因而可以避免 RxJava 中常见的线程安全问题和内存泄露问题。
- 更加可预测：Flow 运用 Kotlin 的类型安全特性，可以更加容易地避免类型不匹配和空指针失常等问题。

参看文章

# Kotlin Flow啊，你将流向何方？

协程Flow原理（包教包会的那种）

什么是Flow

为什么是Flow

传统方案、RXjava、Flow直观比照

传统方案

RXjava方案

Flow方案

Flow学习

Flow创建

中心操作符

中止操作符

Flow背压处理

Flow原理

flow()

collect()

emit()

中心操作符

总结

参看文章

相关文章

自定义view实战(4)：安卓滚动选择控件

SpringBoot+Vue3+Element Plus 打造分布式存储系统

由浅入深、详解Android中Drawable的那些事

Spring Aop+Redis优雅的记录接口调用情况

作者信息