官方推荐 Flow 取代 LiveData，有必要吗？

前言

打开Android架构组件页面,我们可以发现一些最新发布的jetpack组件，如Room，DataStore, Paging3,DataBinding 等都支持了Flow。Google开发者账号最近也发布了几篇使用Flow的文章，比如：从 LiveData 迁移到 Kotlin 数据流看起来官方在大力推荐使用Flow取代LiveData，那么问题来了,有必要吗?

我LiveData用得好好的，有必要再学Flow吗?本文主要回答这个问题,具体包括以下内容：

• LiveData有什么不足?
• Flow介绍以及为什么会有Flow
• SharedFlow与StateFlow的介绍与它们之间的区别

本文具体目录如下所示：

1. LiveData有什么不足?

1.1 为什么引入LiveData?

要了解LiveData的不足，我们先了解下LiveData为什么被引入

LiveData 的历史要追溯到 2017 年。彼时，观察者模式有效简化了开发，但诸如 RxJava 一类的库对新手而言有些太过复杂。为此，架构组件团队打造了 LiveData: 一个专用于 Android 的具备自主生命周期感知能力的可观察的数据存储器类。 LiveData被有意简化设计，这使得开发者很容易上手;而对于较为复杂的交互数据流场景，建议您使用 RxJava，这样两者结合的优势就发挥出来了

可以看出,LiveData就是一个简单易用的，具备感知生命周期能力的观察者模式

它使用起来非常简单，这是它的优点，也是它的不足，因为它面对比较复杂的交互数据流场景时，处理起来比较麻烦。

1.2 LiveData的不足

我们上文说过LiveData结构简单，但是不够强大，它有以下不足

• LiveData只能在主线程更新数据
• LiveData的操作符不够强大,在处理复杂数据流时有些捉襟见肘

关于LiveData只能在主线程更新数据，有的同学可能要问，不是有postValue吗?其实postValue也是需要切换到到主线程的,如下图所示：

这意味着当我们想要更新LiveData对象时，我们会经常更改线程(工作线程→主线程),如果在修改LiveData后又要切换回到工作线程那就更麻烦了,同时postValue可能会有丢数据的问题。

2. Flow介绍

Flow 就是 Kotlin 协程与响应式编程模型结合的产物，你会发现它与 RxJava 非常像，二者之间也有相互转换的 API，使用起来非常方便。

2.1 为什么引入Flow

为什么引入Flow，我们可以从Flow解决了什么问题的角度切入

LiveData不支持线程切换，所有数据转换都将在主线程上完成，有时需要频繁更改线程，面对复杂数据流时处理起来比较麻烦。

而RxJava又有些过于麻烦了，有许多让人傻傻分不清的操作符，入门门槛较高，同时需要自己处理生命周期，在生命周期结束时取消订阅

可以看出，Flow是介于LiveData与RxJava之间的一个解决方案，它有以下特点

• Flow 支持线程切换、背压
• Flow 入门的门槛很低，没有那么多傻傻分不清楚的操作符
• 简单的数据转换与操作符，如 map 等等 冷数据流，不消费则不生产数据,这一点与LiveData不同：LiveData的发送端并不依赖于接收端。属于kotlin协程的一部分，可以很好的与协程基础设施结合

关于Flow的使用，比较简单，有兴趣的同学可参阅文档：Flow文档

3. SharedFlow介绍

我们上面介绍过,Flow 是冷流，什么是冷流?

冷流 :只有订阅者订阅时，才开始执行发射数据流的代码。并且冷流和订阅者只能是一对一的关系，当有多个不同的订阅者时，消息是重新完整发送的。也就是说对冷流而言，有多个订阅者的时候，他们各自的事件是独立的。

热流:无论有没有订阅者订阅，事件始终都会发生。当 热流有多个订阅者时，热流与订阅者们的关系是一对多的关系，可以与多个订阅者共享信息。

3.1 为什么引入SharedFlow

上面其实已经说得很清楚了，冷流和订阅者只能是一对一的关系，当我们要实现一个流，多个订阅者的需求时(这在开发中是很常见的)，就需要热流了 从命名上也很容易理解，SharedFlow即共享的Flow，可以实现一对多关系,SharedFlow是一种热流

3.2 SharedFlow的使用

我们来看看SharedFlow的构造函数

1. public fun <T> MutableSharedFlow( 
2.     replay: Int = 0, 
3.     extraBufferCapacity: Int = 0, 
4.     onBufferOverflow: BufferOverflow = BufferOverflow.SUSPEND 
5. ): MutableSharedFlow<T> 

其主要有3个参数

• replay表示当新的订阅者Collect时，发送几个已经发送过的数据给它，默认为0，即默认新订阅者不会获取以前的数据
• extraBufferCapacity表示减去replay，MutableSharedFlow还缓存多少数据，默认为0
• onBufferOverflow表示缓存策略，即缓冲区满了之后Flow如何处理，默认为挂起

简单使用如下：

1. //ViewModel 
2. val sharedFlow=MutableSharedFlow<String>() 
3.  
4. viewModelScope.launch{ 
5.       sharedFlow.emit("Hello") 
6.       sharedFlow.emit("SharedFlow") 
7. } 
8.  
9. //Activity 
10. lifecycleScope.launch{ 
11.     viewMode.sharedFlow.collect {  
12.        print(it) 
13.     } 
14. } 

3.3 将冷流转化为SharedFlow

普通flow可使用shareIn扩展方法，转化成SharedFlow

1. val sharedFlow by lazy { 
2.       flow<Int> { 
3.       //... 
4.       }.shareIn(viewModelScope, WhileSubscribed(500), 0) 
5.   } 

shareIn主要也有三个参数：

• @param scope 共享开始时所在的协程作用域范围
• @param started 控制共享的开始和结束的策略
• @param replay 状态流的重播个数

started 接受以下的三个值:

• Lazily: 当首个订阅者出现时开始，在scope指定的作用域被结束时终止。
• Eagerly: 立即开始，而在scope指定的作用域被结束时终止。
• WhileSubscribed: 这种情况有些复杂，后面会详细讲解

对于那些只执行一次的操作，您可以使用Lazily或者Eagerly。然而，如果您需要观察其他的流，就应该使用WhileSubscribed来实现细微但又重要的优化工作

3.4 Whilesubscribed策略

WhileSubscribed策略会在没有收集器的情况下取消上游数据流,通过shareIn运算符创建的SharedFlow会把数据暴露给视图 (View)，同时也会观察来自其他层级或者是上游应用的数据流。

让这些流持续活跃可能会引起不必要的资源浪费，例如一直通过从数据库连接、硬件传感器中读取数据等等。当您的应用转而在后台运行时，您应当保持克制并中止这些协程。

1. public fun WhileSubscribed( 
2.    stopTimeoutMillis: Long = 0, 
3.    replayExpirationMillis: Long = Long.MAX_VALUE 
4. ) 

如上所示，它支持两个参数：

• stopTimeoutMillis 控制一个以毫秒为单位的延迟值，指的是最后一个订阅者结束订阅与停止上游流的时间差。默认值是 0 (立即停止).这个值非常有用，因为您可能并不想因为视图有几秒钟不再监听就结束上游流。这种情况非常常见——比如当用户旋转设备时，原来的视图会先被销毁，然后数秒钟内重建。
• replayExpirationMillis表示数据重播的过时时间，如果用户离开应用太久，此时您不想让用户看到陈旧的数据，你可以用到这个参数

4. StateFlow介绍

4.1 为什么引入StateFlow

我们前面刚刚看了SharedFlow，为什么又冒出个StateFlow?

StateFlow 是 SharedFlow 的一个比较特殊的变种，StateFlow 与 LiveData是最接近的，因为:

• 它始终是有值的。
• 它的值是唯一的。
• 它允许被多个观察者共用 (因此是共享的数据流)。
• 它永远只会把最新的值重现给订阅者，这与活跃观察者的数量是无关的。

可以看出，StateFlow与LiveData是比较接近的，可以获取当前的值，可以想像之所以引入StateFlow就是为了替换LiveData

总结如下：

• StateFlow继承于SharedFlow,是SharedFlow的一个特殊变种
• StateFlow与LiveData比较相近，相信之所以推出就是为了替换LiveData

4.2 StateFlow的简单使用

我们先来看看构造函数：

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

• StateFlow构造函数较为简单，只需要传入一个默认值
• StateFlow本质上是一个replay为1，并且没有缓冲区的SharedFlow,因此第一次订阅时会先获得默认值 3.StateFlow仅在值已更新，并且值发生了变化时才会返回，即如果更新后的值没有变化，也没会回调Collect方法，这点与LiveData不同

与SharedFlow类似，我们也可以用stateIn将普通流转化成StateFlow

1. val result: StateFlow<Result<UiState>> = someFlow 
2.     .stateIn( 
3.         scope = viewModelScope,  
4.         started = WhileSubscribed(5000),  
5.         initialValue = Result.Loading 
6.     ) 

与shareIn类似，唯一不同的时需要传入一个默认值 同时之所以WhileSubscribed中传入了5000，是为了实现等待5秒后仍然没有订阅者存在就终止协程的功能，这个方法有以下功能

用户将您的应用转至后台运行，5 秒钟后所有来自其他层的数据更新会停止，这样可以节省电量。最新的数据仍然会被缓存，所以当用户切换回应用时，视图立即就可以得到数据进行渲染。订阅将被重启，新数据会填充进来，当数据可用时更新视图。

在屏幕旋转时，因为重新订阅的时间在5s内，因此上游流不会中止

4.3 在页面中观察StateFlow

与LiveData类似，我们也需要经常在页面中观察StateFlow

观察StateFlow需要在协程中，因此我们需要协程构建器，一般我们会使用下面几种

• lifecycleScope.launch : 立即启动协程，并且在本 Activity或Fragment 销毁时结束协程。
• LaunchWhenStarted 和 LaunchWhenResumed,它会在lifecycleOwner进入X状态之前一直等待，又在离开X状态时挂起协程

如上图所示：

• 使用launch是不安全的，在应用在后台时也会接收数据更新，可能会导致应用崩溃
• 使用launchWhenStarted或launchWhenResumed会好一些，在后台时不会接收数据更新，但是，上游数据流会在应用后台运行期间保持活跃，因此可能浪费一定的资源

这么说来，我们使用WhileSubscribed进行的配置岂不是无效了吗?订阅者一直存在，只有页面关闭时才会取消订阅

官方推荐repeatOnLifecycle来构建协程

在某个特定的状态满足时启动协程，并且在生命周期所有者退出该状态时停止协程,如下图所示。

比如在某个Fragment的代码中:

1. onCreateView(...) { 
2.     viewLifecycleOwner.lifecycleScope.launch { 
3.         viewLifecycleOwner.lifecycle.repeatOnLifecycle(STARTED) { 
4.             myViewModel.myUiState.collect { ... } 
5.         } 
6.     } 
7. } 

当这个Fragment处于STARTED状态时会开始收集流，并且在RESUMED状态时保持收集，最终在Fragment进入STOPPED状态时结束收集过程。

结合使用repeatOnLifecycle API和WhileSubscribed,可以帮助您的应用妥善利用设备资源的同时，发挥最佳性能

4.4 页面中观察Flow的最佳方式

通过ViewModel暴露数据，并在页面中获取的最佳方式是:

• 使用带超时参数的 WhileSubscribed 策略暴露 Flow。示例 1
• 使用 repeatOnLifecycle 来收集数据更新。示例 2

最佳实践如上图所示，如果采用其他方式，上游数据流会被一直保持活跃，导致资源浪费 当然，如果您并不需要使用到Kotlin Flow的强大功能，就用LiveData好了 :)

5 StateFlow与SharedFlow有什么区别?

从上文其实可以看出，StateFlow与SharedFlow其实是挺像的，让人有些傻傻分不清，有时候也挺难选择该用哪个的 我们总结一下，它们的区别如下:

• SharedFlow配置更为灵活，支持配置replay,缓冲区大小等，StateFlow是SharedFlow的特化版本，replay固定为1，缓冲区大小默认为0
• StateFlow与LiveData类似，支持通过myFlow.value获取当前状态，如果有这个需求，必须使用StateFlow
• SharedFlow支持发出和收集重复值，而StateFlow当value重复时，不会回调collect

对于新的订阅者，StateFlow只会重播当前最新值，SharedFlow可配置重播元素个数(默认为0，即不重播)

可以看出,StateFlow为我们做了一些默认的配置，在SharedFlow上添加了一些默认约束，这些配置可能并不符合我们的要求

• 它忽略重复的值，并且是不可配置的。这会带来一些问题，比如当往List中添加元素并更新时，StateFlow会认为是重复的值并忽略
• 它需要一个初始值，并且在开始订阅时会回调初始值，这有可能不是我们想要的
• 它默认是粘性的，新用户订阅会获得当前的最新值，而且是不可配置的,而SharedFlow可以修改replay

StateFlow施加在SharedFlow上的约束可能不是最适合您，如果不需要访问myFlow.value，并且享受SharedFlow的灵活性，可以选择考虑使用SharedFlow

总结

简单往往意味着不够强大，而强大又常常意味着复杂,两者往往不能兼得，软件开发过程中常常面临这种取舍。

LiveData的简单并不是它的缺点，而是它的特点。StateFlow与SharedFlow更加强大，但是学习成本也显著的更高。

我们应该根据自己的需求合理选择组件的使用

如果你的数据流比较简单，不需要进行线程切换与复杂的数据变换，LiveData对你来说相信已经足够了 如果你的数据流比较复杂，需要切换线程等操作，不需要发送重复值，需要获取myFlow.value，StateFlow对你来说是个好的选择

如果你的数据流比较复杂，同时不需要获取myFlow.value，需要配置新用户订阅重播无素的个数，或者需要发送重复的值，可以考虑使用SharedFlow

原文地址：https://juejin.cn/post/6986265488275800072