即学即用Kotlin - 协程

前言

上周在内部分享会上大佬同事分享了关于 Kotlin 协程的知识，之前有看过 Kotlin 协程的一些知识，以为自己还挺了解协程的，结果...

打脸
在这一次分享中，发现 Flow 和 Channel 这一块儿知识是自己不怎么了解的，本文也将着重和大家聊一聊这一块儿的内容，协程部分将分为三篇，本文是第一篇：

《即学即用Kotlin - 协程》
《抽丝剥茧Kotlin - 协程基础篇》
《抽丝剥茧Kotlin - 协程Flow篇》

目录

一、基础

1. 概念

相信大家或多或少的都了解过，协程是什么，官网上这么说：

Essentially, coroutines are light-weight threads.

协程是轻量级的线程，为什么是轻量的？可以先告诉大家结论，因为它基于线程池API，所以在处理并发任务这件事上它真的游刃有余。

有可能有的同学问了，既然它基于线程池，那我直接使用线程池或者使用 Android 中其他的异步任务解决方式，比如 Handler、RxJava等，不更好吗？

协程可以使用阻塞的方式写出非阻塞式的代码，解决并发中常见的回调地狱，这是其最大的优点，后面介绍。

2. 使用

GlobalScope.launch(Dispatchers.Main) {
    val res = getResult(2)
    mNumTv.text = res.toString()
}

启动协程的代码就是如此的简单。上面的代码中可以分为三部分，分别是 GlobalScope、Dispatcher 和 launch，他们分别对应着协程的作用域、调度器和协程构建器，我们挨个儿介绍。

协程作用域

协程的作用域有三种，他们分别是：

• runBlocking：顶层函数，它和 coroutineScope 不一样，它会阻塞当前线程来等待，所以这个方法在业务中并不适用 。
• GlobalScope：全局协程作用域，可以在整个应用的声明周期中操作，且不能取消，所以仍不适用于业务开发。
• 自定义作用域：自定义协程的作用域，不会造成内存泄漏。

显然，我们不能在 Activity 中调用 GlobalScope，这样可能会造成内存泄漏，看一下如何自定义作用域，具体的步骤我在注释中已给出：

class MainActivity : AppCompatActivity() {
    // 1. 创建一个 MainScope
    val scope = MainScope()

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)
        
        // 2. 启动协程
        scope.launch(Dispatchers.Unconfined) {
            val one = getResult(20)
            val two = getResult(40)
            mNumTv.text = (one + two).toString()
        }
    }

    // 3. 销毁的时候释放
    override fun onDestroy() {
        super.onDestroy()

        scope.cancel()
    }

    private suspend fun getResult(num: Int): Int {
        delay(5000)
        return num * num
    }
}

调度器

调度器的作用是将协程限制在特定的线程执行。主要的调度器类型有：

• Dispatchers.Main：指定执行的线程是主线程，如上面的代码。
• Dispatchers.IO：指定执行的线程是 IO 线程。
• Dispatchers.Default：默认的调度器，适合执行 CPU 密集性的任务。
• Dispatchers.Unconfined：非限制的调度器，指定的线程可能会随着挂起的函数的发生变化。

什么是挂起？我们就以九心吃饭为例，如果到公司对面的广场吃饭，九心得经过：

• 走到广场 10min > 点餐 5min > 等待上餐 10min > 就餐 30min > 回来 10 min

如果九心点广场的外卖呢？

• 九心：下单 5min > 等待(等待的时候可以工作) 30min > 就餐 30min
• 外卖骑手：到店 > 取餐 > 送外卖

从九心吃饭的例子可以看出，如果点了外卖，九心花费的时间较少了，可以空闲出更多的时间做自己的事。再仔细分析一下，其实从公司到广场和等待取餐这个过程并没有省去，只是九心把这个过程交给了外卖员。

协程的原理跟九心点外卖的原理是一致的，耗时阻塞的操作并没有减少，只是交给了其他线程：

协程请求数据过程

launch

launch 的作用从它的名称就可以看的出来，启动一个新的协程，它返回的是一个 Job对象，我们可以调用 Job#cancel() 取消这个协程。

除了 launch，还有一个方法跟它很像，就是 async，它的作用是创建一个协程，之后返回一个 Deferred<T>对象，我们可以调用 Deferred#await()去获取返回的值，有点类似于 Java 中的 Future，稍微改一下上面的代码：

class MainActivity : AppCompatActivity() {
    // 1. 创建一个 MainScope
    val scope = MainScope()

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 2. 启动协程
        scope.launch(Dispatchers.Unconfined) {
            val one = async { getResult(20) }
            val two = async { getResult(40) }
            mNumTv.text = (one.await() + two.await()).toString()
        }
    }

    // 3. 销毁的时候释放
    override fun onDestroy() {
        super.onDestroy()

        scope.cancel()
    }

    private suspend fun getResult(num: Int): Int {
        delay(5000)
        return num * num
    }
}

与修改前的代码相比，async 能够并发执行任务，执行任务的时间也因此缩短了一半。

除了上述的并发执行任务，async 还可以对它的 start 入参设置成懒加载

val one = async(start = CoroutineStart.LAZY) { getResult(20) }

这样系统就可以在调用它的时候再为它分配资源了。

suspend

suspend 是修饰函数的关键字，意思是当前的函数是可以挂起的，但是它仅仅起着提醒的作用，比如，当我们的函数中没有需要挂起的操作的时候，编译器回给我们提醒 Redudant suspend modifier，意思是当前的 suspend 是没有必要的，可以把它删除。

那我们什么时候需要使用挂起函数呢？常见的场景有：

• 耗时操作：使用 withContext 切换到指定的 IO 线程去进行网络或者数据库请求。
• 等待操作：使用delay方法去等待某个事件。

withContext 的代码：

private suspend fun getResult(num: Int): Int {
    return withContext(Dispatchers.IO) {
        num * num
    }
}

delay 的代码：

private suspend fun getResult(num: Int): Int {
    delay(5000)
    return num * num
}

结合 Android Jetpack

在介绍自定义协程作用域的时候，我们需要主动在 Activity 或者 Fragment 中的 onDestroy 方法中调用 job.cancel()，忘记处理可能是程序员经常会犯的错误，如何避免呢？

Google 总是能够解决程序员的痛点，在 Android Jetpack 中的 lifecycle、LiveData 和 ViewModel 已经集成了快速使用协程的方法，如果我们已经引入了 Android Jetpack，可以引入依赖：

    dependencies {
        def lifecycle_version = "2.2.0"
        
        // ViewModel
        implementation "androidx.lifecycle:lifecycle-viewmodel-ktx:$lifecycle_version"
        // LiveData
        implementation "androidx.lifecycle:lifecycle-livedata-ktx:$lifecycle_version"
        // Lifecycles only (without ViewModel or LiveData)
        implementation "androidx.lifecycle:lifecycle-runtime-ktx:$lifecycle_version"
    }

使用可以结合具体的场景，比如结合 Lifecycle，需要使用 lifecycleScope 协程作用域：

lifecycleScope.launch {
    // 代表当前生命周期处于 Resumed 的时候才会执行(选择性使用)
    whenResumed { 
        // ... 具体的协程代码
    }
}

即使你不使用 Android Jetpack 组件，由于 Lifecycles 在很早之前就内置在 Android 系统的代码中，所以你仍然可以仅仅引入 Lifecycle 的协程扩展库，因为它会帮助你很好的处理 Activity 或者 Fragment 的生命周期。

引入 Android Jetpack 协程扩展库官方文档：点我打开

二、流

长期以来，在 Android 中响应式编程的首选方案是 RxJava，我们今天就来了解一下 Kotlin中的响应式编程 Flow。如果你能熟练使用 RxJava，那你肯定能快速上手 Flow。

曾经我在《即学即用Android Jetpack - ViewModel & LiveData》一文中说过，LiveData 的使用类似于 RxJava，现在我收回这句话，事实上，LiveData 更加简单和纯粹，它建立单一的生产消费模型，Flow 才是类似于 RxJava 的存在。

1. 基础

先上一段代码：

lifecycleScope.launch {
    // 创建一个协程 Flow<T>
    createFlow()
        .collect {num->
            // 具体的消费处理
            // ...
        }
    }
}

我在 createFlow 这个方法中，返回了 Flow<Int> 的对象，所以我们可以这样对比。

对比	Flow	RxJava
数据源	Flow<T>	Observable<T>
订阅	collect	subscribe

创建 Flow 对象

我们暂不考虑 RxJava中的背压和非背压，直接先将 Flow 对标 RxJava 中的 Observable。

和 RxJava 一样，在创建 Flow 对象的时候我们也需要调用 emit 方法发射数据：

fun createFlow(): Flow<Int> = flow {
    for (i in 1..10)
        emit(i)
}

一直调用 emit 可能不便捷，因为 RxJava 提供了 Observable.just() 这类的操作符，显然，Flow 也为我们提供了快速创建操作：

• flowof(vararg elements: T)：帮助可变数组生成 Flow 实例
• 扩展函数 .asFlow()：面向数组、列表等集合

比如可以使用 (1..10).asFlow() 代替上述的 Flow 对象的创建。

消费数据

collect 方法和 RxJava 中的 subscribe 方法一样，都是用来消费数据的。

除了简单的用法外，这里有两个问题得注意一下：

• collect 函数是一个 suspend 方法，所以它必须发生在协程或者带有 suspend 的方法里面，这也是我为什么在一开始的时候启动了 lifecycleScope.launch。
• lifecycleScope 是我使用的 Lifecycle 的协程扩展库当中的，你可以替换成自定义的协程作用域。

2. 线程切换

我们学习 RxJava 的时候，大佬们都会说，RxJava 牛逼，牛逼在哪儿呢？

切换线程，同样的，Flow 的协程切换也很牛逼。Flow 是这么切换协程的：

lifecycleScope.launch {
    // 创建一个协程 Flow<T>
    createFlow()
        // 将数据发射的操作放到 IO 线程中的协程
        .flowOn(Dispatchers.IO)
        .collect { num ->
            // 具体的消费处理
            // ...
        }
    }
}

和 RxJava 对比：

操作	Flow	RxJava
改变数据发射的线程	flowOn	subscribeOn
改变消费数据的线程	无	observeOn

改变数据发射的线程

flowOn 使用的参数是协程对应的调度器，它实质改变的是协程对应的线程。

改变消费数据的线程

我在上面的表格中并没有写到在 Flow 中如何改变消费线程，并不意味着 Flow 不可以指定消费线程？

Flow 的消费线程在我们启动协程指定调度器的时候就确认好了，对应着启动协程的调度器。比如在上面的代码中 lifecycleScope 启动的调度器是 Dispatchers.Main，那么 collect 方法就消费在主线程。

3. 异常和完成

异常捕获

对比	Flow	RxJava
异常	catch	onError

Flow 中的 catch 对应着 RxJava 中的 onError，catch 操作：

lifecycleScope.launch {
    flow {
        //...
    }.catch {e->

    }.collect(

    )
}

除此以外，你可以使用声明式捕获 try { } catch (e: Throwable) { } 去捕获异常，不过 catch 本质上是一个扩展方法，它是对声明式捕获的封装。

完成

对比	Flow	RxJava
完成	onCompletion	onComplete

Flow 中的 onCompletion 对应这 RxJava 中的 onComplete 回调，onCompletion操作：

lifecycleScope.launch {
    createFlow()
        .onCompletion {
            // 处理完成操作
        }
        .collect {

        }
}

除此以外，我们还可以通过捕获式 try {} finally {} 去获取完成情况。

4. Flow的特点

我们在对 Flow 已经有了一些基础的认知了，再来聊一聊 Flow 的特点，Flow 具有以下特点：

• 冷流
• 有序
• 协作取消

如果你对 Kotlin 中的 Sequence 有一些认识，那么你应该可以轻松的 Get 到前两个点。

冷流

有点类似于懒加载，当我们触发 collect 方法的时候，数据才开始发射。

lifecycleScope.launch {
    val flow = (1..10).asFlow().flowOn(Dispatchers.Main)

    flow.collect { num ->
            // 具体的消费处理
            // ...
        }
    }
}

也就是说，在第2行的时候，虽然流创建好了，但是数据一直到第四行发生 collect 才开始发射。

有序

看代码比较容易理解：

lifecycleScope.launch {
    flow {
        for(i in 1..3) {
            Log.e("Flow","$i emit")
            emit(i)
        }
    }.filter {
        Log.e("Flow","$it filter")
        it % 2 != 0
    }.map {
        Log.e("Flow","$it map")
        "${it * it} money"
    }.collect {
        Log.e("Flow","i get $it")
    }
}

得到的日志：

E/Flow: 1 emit
E/Flow: 1 filter
E/Flow: 1 map
E/Flow: i get 1 money
E/Flow: 2 emit
E/Flow: 2 filter
E/Flow: 3 emit
E/Flow: 3 filter
E/Flow: 3 map
E/Flow: i get 9 money

从日志中，我们很容易得出这样的结论，每个数据都是经过 emit、filter 、map和 collect 这一套完整的处理流程后，下个数据才会开始处理，而不是所有的数据都先统一 emit，完了再统一 filter，接着 map，最后再 collect。

协作取消

Flow 采用和协程一样的协作取消，也就是说，Flow 的 collect 只能在可取消的挂起函数中挂起的时候取消，否则不能取消。

如果我们想取消 Flow 得借助 withTimeoutOrNull 之类的顶层函数，不妨猜一下，下面的代码最终会打印出什么？

lifecycleScope.launch {
    val f = flow {
        for (i in 1..3) {
            delay(500)
            Log.e(TAG, "emit $i")
            emit(i)
        }
    }
    withTimeoutOrNull(1600) {
        f.collect {
            delay(500)
            Log.e(TAG, "consume $it")
        }
    }
    Log.e(TAG, "cancel")
}

5. 操作符对比

限于篇幅，我仅介绍一下 Flow 中操作符的作用，就不一一介绍每个操作符具体怎么使用了。

普通操作符：

Flow 操作符	作用
map	转换操作符，将 A 变成 B
take	后面跟 Int 类型的参数，表示接收多少个 emit 出的值
filter	过滤操作符

特殊的操作符

总会有一些特殊的情况，比如我只需要取前几个，我只要最新的数据等，不过在这些情况下，数据的发射就是并发执行的。

Flow 操作符	作用
buffer	数据发射并发，collect 不并发
conflate	发射数据太快，只处理最新发射的
collectLatest	接收处理太慢，只处理最新接收的

组合操作符

Flow 操作符	作用
zip	组合两个流，双方都有新数据才会发射处理
combine	组合两个流，在经过第一次发射以后，任意方有新数据来的时候就可以发射，另一方有可能是已经发射过的数据

展平流操作符

展平流有点类似于 RxJava 中的 flatmap，将你发射出去的数据源转变为另一种数据源。

Flow 操作符	作用
flatMapConcat	串行处理数据
flatMapMerge	并发 collect 数据
flatMapLatest	在每次 emit 新的数据以后，会取消先前的 collect

末端操作符

顾名思义，就是帮你做 collect 处理，collect 是最基础的末端操作符。

末端流操作符	作用
collect	最基础的消费数据
toList	转化为 List 集合
toSet	转化为 Set 集合
first	仅仅取第一个值
single	确保流发射单个值
reduce	规约，如果发射的是 Int，最终会得到一个 Int，可做累加操作
fold	规约，可以说是 reduce 的升级版，可以自定义返回类型

其他还有一些操作符，我这里就不一一介绍了，感兴趣可以查看 API。

三、通道

Channel是一个面向多协程之间数据传输的 BlockQueue。它的使用方式超级简单：

lifecycleScope.launch {
    // 1. 生成一个 Channel
    val channel = Channel<Int>()

    // 2. Channel 发送数据
    launch {
        for(i in 1..5){
            delay(200)
            channel.send(i * i)
        }
        channel.close()
    }
            
    // 3. Channel 接收数据
    launch {
        for( y in channel)
            Log.e(TAG, "get $y")
    }
}

实现协程之间的数据传输需要三步：

1.创建 Channel

创建的 Channel的方式可以分为两种：

• 直接创建对象：方式跟上述代码一致。
• 扩展函数 produce

如果使用了扩展函数，代码就变成了：

lifecycleScope.launch {
    // 1. 生成一个 Channel
    val channel = produce<Int> {
        for(i in 1..5){
            delay(200)
            send(i * i)
        }
        close()
    }

    // 2. 接收数据
    // ... 省略 跟之前代码一致
}

直接将第一步和第二步合并了。

2. 发送数据

发送数据使用的 Channel#send() 方法，当我们数据发送完毕的时候，可以使用 Channel#close() 来表明通道已经结束数据的发送。

3. 接收数据

正常情况下，我们仅需要调用 Channel#receive() 获取数据，但是该方法只能获取一次传递的数据，如果我们仅需获取指定次数的数据，可以这么操作：

repeat(4){
    Log.e(TAG, "get ${channel.receive()}")
}

但如果发送的数据不可以预估呢？这个时候我们就需要迭代 Channel 了

for( y in channel)
    Log.e(TAG, "get $y")

四、多协程数据处理

多协程处理并发数据的时候，原子性同样也得不到保证，协程中出了一种叫 Mutex 的锁，区别是它的 lock 操作是挂起的，非阻塞的，感兴趣的同学可以自行查看。

总结

个人感觉协层的主要作用是简化代码的逻辑，减少了代码的回调地狱，结合 Kotlin，既可以写出优雅的代码，还能降低我们犯错的概率。至于提升多协程开发的性能？

不存在的

如果觉得本文不错，「三连」是对我最大的鼓励。我将会在下一篇文章中和大家讨论协程的原理，欢迎大家关注。

学习协程和 kotlin 还是很有必要的，我们团队在开发新的功能的时候，也全部选择了 Kotlin。

关于我

我是九心，新晋互联网码农，如果想要进阶和了解更多的干货，欢迎关注我的公众号接收到的我的最新文章。

微信二维码

参考文章：

《最全面的Kotlin协程: Coroutine/Channel/Flow 以及实际应用》
《Kotlin中文站》
《Kotlin 的协程用力瞥一眼》