网站设计找谁做微信小程序怎么做店铺

在 Kotlin 中，Flow 是一种 异步数据流，用于连续或延迟生成数据，并在不同协程之间传输数据。我一般做定时任务或者倒计时会用到这个类。

一、为什么需要 Flow？

在协程中，如果我们要连续返回多个值，可以使用：

1. 集合 (List)：一次性返回所有数据，但不能支持异步或无限数据流。
2. 回调 (Callback)：可以异步获取数据，但不够优雅、易用。
3. Flow：支持异步、序列化、流式数据处理，更适用于长时间运行的任务。

二、Flow的基本用法

在创建 Flow 对象的时候我们也需要调用 emit 方法发射数据，collect 方法用来消费收集数据。

• emit(value)：收集上游的值并发出。不是线程安全，不应该并发调用。线程安全请使用channelFlow而不是flow。
• collect()：接收给定收集器emit()发出的值。它是一个挂起函数，在所在作用域的线程上执行。
• flow的代码块只有调用collected()才开始运行

import kotlinx.coroutines.*
import kotlinx.coroutines.flow.*fun main() = runBlocking {// 创建 Flowval flow = flow {for (i in 1..5) {delay(1000) // 模拟异步操作emit(i) // 发送数据}}// 收集 Flowflow.collect { value ->println("Received: $value")}
}

三、Flow 的特点

1. 顺序执行（上游 emit() 之后，下游 collect() 才会接收）

2. 冷流（Flow 只有在 collect() 时才会开始执行），所谓冷数据流，就是只有消费时才会生产的数据流

3. 可异步（可使用 delay() 等挂起函数）

4. 背压控制（Flow 内部可以控制数据流速）

四、Flow 的构建方式

1.flow {}，最常见的方式，使用 emit(value) 发送数据。

val myFlow = flow {emit(1)emit(2)emit(3)
}

2.flowOf(vararg elements)，直接创建一个 Flow。

val flow = flowOf(1, 2, 3, 4, 5)

3.asFlow()把集合或序列转换成 Flow。

val flow = listOf(1, 2, 3, 4, 5).asFlow()

五、Flow 的基础操作符

map {} - 数据转换
flowOf(1, 2, 3, 4).map { it * 10 }.collect { println(it) }  // 输出: 10, 20, 30, 40
===============================
filter {} - 过滤数据
flowOf(1, 2, 3, 4, 5).filter { it % 2 == 0 }.collect { println(it) }  // 输出: 2, 4
===============================
transform {} - 自定义转换
flowOf(1, 2, 3, 4).transform { emit("Number: $it") }.collect { println(it) }
//输出Number: 1，Number: 2，Number: 3，Number: 4
===============================
take(n) - 只获取前 n 个
flowOf(1, 2, 3, 4, 5).take(3).collect { println(it) }  // 输出: 1, 2, 3

六、Flow 取消 & 超时

6.1 cancel取消

Flow没有提供取消操作，Flow的消费依赖于collect末端操作符，而它们又必须在协程当中调用，因此Flow的取消主要依赖于末端操作符所在的协程的状态。

val job = launch {flow {for (i in 1..10) {delay(500)emit(i)}}.collect { println(it) }
}// 2 秒后取消
delay(2000)
job.cancel()
println("Flow cancelled")

6.2 timeout() - 设置超时

flow {for (i in 1..10) {delay(500)emit(i)}
}.timeout(2000) // 2 秒超时
.collect { println(it) }

七、线程切换

RxJava 也是一个基于响应式编程模型的异步框架，牛逼的地方就是切换线程。提供了两个切换调度器的 API 分别是 subscribeOn 和 observeOn，Flow也可以设定它运行时所使用的调度器，它更加简单，只需使用flowOn就可以了：

lifecycleScope.launch {//创建一个Flow<T>flow {for (i in 1..3) {delay(200)emit(i)//从流中发出值}}.flowOn(Dispatchers.IO)//将上面的数据发射操作放到 IO 线程中的协程.collect { value ->// 具体数据的消费处理}
}

通过flowOn()改变的是Flow函数内部发射数据时的线程，而在collect收集数据时会自动切回创建Flow时的线程。
Tips:flowOn() 只影响它之前（上游）的 flow 代码,所以只能用在 flow{} 之后，不能放在 collect{} 之后。

八、异常捕获

8.1使用flow的catch方法

• catch不会影响 collect() 的执行，如果发生异常，它会在 collect() 之前处理异常。

• 但 catch不能捕获 collect代码中的异常！

lifecycleScope.launch {flow {emit(1)emit(2)throw RuntimeException("Flow 出错了!") // ❌ 故意抛异常}.catch { e -> // ✅ 只会捕获 Flow emit() 的异常println("Caught exception: ${e.message}")}.collect { value ->println("Collected: $value")}
}
Collected: 1
Collected: 2
Caught exception: Flow 出错了!

8.2 try-catch和catch的比较

方式	能捕获 emit() 的异常？	能捕获 collect() 的异常？
catch {}	✅ 能	❌ 不能
try-catch	✅ 能	✅ 能

九、retryWhen()重试

lifecycleScope.launch {flow {emit(1)throw RuntimeException("Flow 出错了!") // ❌ 故意抛异常}.retryWhen { e, attempt -> // attempt: 第几次重试println("Retrying... attempt $attempt")attempt < 3 // ✅ 只重试 3 次}.catch { e ->println("Caught exception: ${e.message}")}.collect { value ->println("Collected: $value")}
}
打印：
Collected: 1
Retrying... attempt 0
Collected: 1
Retrying... attempt 1
Collected: 1
Retrying... attempt 2
Caught exception: Flow 出错了!

十、Flow、Channel、RxJava 对比

10.1 Channel（热流）

• 热流（Hot Stream）：启动后就会产生数据，即使没有 collect() 也会持续运行。
• 支持多生产者-多消费者（类似消息队列）。
• 需要手动关闭，否则会一直等待数据。
• 适用于高频数据流，但 默认不支持背压（可以用 BufferedChannel 处理）。

val channel = Channel<Int>()lifecycleScope.launch {for (i in 1..3) {delay(200)channel.send(i) // 发送数据}channel.close() // 需要手动关闭
}lifecycleScope.launch {for (value in channel) {println("Received: $value")}
}

10.2 RxJava（响应式编程）

• 功能丰富（map()、flatMap()、combineLatest()、throttle()）。
• 支持背压（Flowable）。
• 支持线程切换（observeOn()、subscribeOn()）。
• 支持生命周期管理（CompositeDisposable）。

val observable = Observable.create<Int> { emitter ->for (i in 1..3) {Thread.sleep(200) // 模拟数据产生emitter.onNext(i) // 发送数据}emitter.onComplete()
}observable.subscribeOn(Schedulers.io()) // 切换线程.observeOn(AndroidSchedulers.mainThread()) // 观察线程.subscribe { value ->println("Received: $value")}

RxJava概括起来说，就是很牛，他的功能绝不是我上面的介绍的Flow就能概括的，但是API有点复杂，生命周期还需要自己去管理，用了一两个项目后就用协程，viewmodel这些东西了。

10.3 比较详情

特性	Flow	Channel	RxJava
类型	冷流（Cold Stream）	热流（Hot Stream）	热流（Hot Stream）
数据生产方式	按需生产（Lazy）	持续生产（Eager）	持续生产（Eager）
是否支持背压	✅ 自动支持	❌ 默认不支持（需 capacity）	✅ Flowable 支持
是否支持多生产者-多消费者	❌ 不支持	✅ 支持	✅ 支持
生命周期管理	✅ 协程自动管理	✅ 协程自动管理	❌ 需要手动 dispose()
数据转换（map、flatMap）	✅ 支持	❌ 不支持	✅ 强大
线程切换	✅ flowOn()	❌ 不支持（手动切换）	✅ subscribeOn() observeOn()
适用于 Android？	✅ 现代化、推荐	✅ 适用于协程通信	✅ 老项目更常用
学习难度	⭐ 简单	⭐⭐⭐ 中等	⭐⭐⭐⭐ 复杂

10.4 使用场景

你想要的功能	推荐的方案
按需获取数据（如数据库、API 响应）	✅ Flow
生产者-消费者模式（如任务队列、多生产者）	✅ Channel
组合数据流、事件流（如 UI 事件、按钮点击）	✅ RxJava
支持复杂操作符（如 debounce, throttle, merge）	✅ RxJava
简单、现代化、协程友好	✅ Flow

十一、背压

背压（Backpressure） 是指在数据流中，数据生产速度大于消费速度 时，如何处理过量的数据的问题。
如果 数据生产者（Producer） 太快，而 数据消费者（Consumer） 处理不过来，就会导致 OOM（内存溢出） 或 数据丢失。

11.1 Flow 背压

Flow 是挂起（suspend）式流，当 collect() 处理不过来时，Flow 会自动暂停，等消费者处理完再继续。

val flow = flow {repeat(1000) { i ->emit(i) // 生产数据println("Produced: $i")}
}.flowOn(Dispatchers.IO) // 生产者运行在 IO 线程lifecycleScope.launch {flow.collect { value ->delay(100) // 模拟慢速消费println("Consumed: $value")}
}
打印：
Produced: 0
Consumed: 0
Produced: 1
Consumed: 1
...

• Flow 自动挂起，等 collect() 处理完一个数据后，再生产下一个数据。
• 不会内存溢出，因为它是 按需生产（Cold Stream）。

Flow 默认是 顺序执行（类似同步代码），即：

• 生产者（emit）会被挂起，直到 消费者（collect）处理完当前值 才能继续。
• 不会丢弃数据，但可能会导致生产者等待过久，降低吞吐量。

💡 问题：如果 emit 很快，collect 很慢，生产者就会一直等待。

如何优化？使用 buffer/conflate/collectLatest

buffer(capacity) - 让生产者继续工作

• 让生产者不被挂起，数据会先存到 缓冲区（默认容量 64）。
• 消费者依旧一个个处理，但不会影响生产者的速度。

flow {for (i in 1..5) {println("Emitting $i")emit(i)}
}.buffer() // 加 buffer，让 emit 不会被挂起
.collect { value ->delay(1000) // 模拟耗时处理println("Collected $value")
}
打印：
Emitting 1
Emitting 2
Emitting 3
Emitting 4
Emitting 5
Collected 1
Collected 2
...

🔹 适用场景：生产者很快，消费者较慢，但不想丢失数据。

conflate() - 丢弃旧值，只保留最新

• 生产者继续发射新数据，不会等待消费者。
• 如果消费者来不及处理，就丢弃旧数据，只处理最新的。

flow {for (i in 1..5) {println("Emitting $i")emit(i)}
}.conflate() // 只保留最新值
.collect { value ->delay(1000) // 处理较慢println("Collected $value")
}
打印：
Emitting 1
Emitting 2
Emitting 3
Emitting 4
Emitting 5
Collected 1
Collected 5

 conflate() 不会缓存所有数据，如果 emit 速度快，collect 速度慢，中间的值会被丢弃，消费者只会收到最新的值。

🔹 适用场景：

• UI 频繁更新（比如滑动时的坐标、传感器数据），只关心最新数据，不需要每个中间值

collectLatest - 取消上一个，处理最新值

• 每次有新数据到来，取消上一个任务，只处理最新的。
• 适用于耗时操作，避免处理过时数据。

flow {for (i in 1..5) {println("Emitting $i")emit(i)}
}.collectLatest { value ->println("Start collecting $value")delay(1000) // 模拟耗时操作println("Collected $value") // 只有最新的值才会被完整处理
}
打印：
Emitting 1
Start collecting 1
Emitting 2
Start collecting 2  // 取消 1
Emitting 3
Start collecting 3  // 取消 2
Emitting 4
Start collecting 4  // 取消 3
Emitting 5
Start collecting 5  // 取消 4
Collected 5

适用场景：

• 搜索框输入（只处理最新的查询）
• 按钮点击事件（只执行最后一次点击）
• 网络请求（上次请求没完成，新的请求来了，取消旧的）

总结：Flow 背压处理方式对比

方法	生产者是否等待消费者？	数据丢失？	适用场景
默认	是（生产者被挂起）	否	一般情况
buffer()	否（有缓存）	否	高速生产，低速消费
conflate()	否（不缓存旧数据）	是（丢弃旧值）	UI 刷新、传感器数据
collectLatest()	否（取消前一个）	是（取消未完成的）	搜索、按钮点击、网络请求

11.2 Channel 背压

Channel 默认不支持背压，生产者会无限制地发送数据，可能导致 OOM。但可以手动设置 capacity（缓冲区大小） 解决背压问题。

关键代码在第一行哈！capacity = 10 让生产者最多存 10 个数据，多了就 自动阻塞。

val channel = Channel<Int>(capacity = 10) // 设置缓冲区大小lifecycleScope.launch {repeat(1000) { i ->channel.send(i) // 如果缓冲区满了，send() 会挂起等待println("Produced: $i")}
}lifecycleScope.launch {for (value in channel) {delay(100) // 模拟慢速消费println("Consumed: $value")}
}

11.3 RxJava 背压

RxJava 默认不支持背压，但 Flowable 可以用不同的策略处理背压：

Flowable.create<Int>({ emitter ->repeat(1000) { i ->emitter.onNext(i) // 快速生产数据println("Produced: $i")}
}, BackpressureStrategy.DROP) // 选择背压策略.observeOn(Schedulers.io()) // 线程切换.subscribe { value ->Thread.sleep(100) // 模拟慢速消费println("Consumed: $value")}

背压策略

策略	作用
BUFFER	无限制存储，可能导致 OOM
DROP	丢弃过量数据
LATEST	只保留最新数据，丢弃旧数据

11.4 背压对比总结

方案	背压支持	处理方式	适用场景
Flow	✅ 天然支持	挂起（suspend），生产者等待消费者	API 响应、数据库查询
Channel	❌ 默认不支持	需手动 capacity 处理	消息队列、多生产者-多消费者
RxJava	✅ Flowable 支持	BUFFER、DROP、LATEST	UI 事件流、高频数据流