官方推荐Flow，LiveData：那我走？

非典型流氓

记得正在之前挖金上看到Google开辟者的账号收了一篇《从 LiveData 迁徙到 Kotlin 数据流》的文章。正在之前打仗ViewModel战LiveDta的时分便有正在考虑，ViewModel战Repository之间交互，经由过程甚么去完成。厥后翻了一下材料，发明民圆保举正在ViewModel战Repository经由过程Flow去做为桥梁停止交互。

为了呼应民圆召唤，我又一顿理解Flow。但正在理解了Flow以后，其时心中便有年夜年夜的迷惑，Flow可以完成LiveData的功用，而且比LiveData功用愈加壮大，为何没有利用Flow去做为View战ViewModel之间的桥梁。
而如今民圆的确保举将Flow做为计划去替换LiveData。LiveData一脸懵逼：那我走？

LiveData

LiveData正在2017年推出以去，做为Jetpack大家族的元老级人物，为安卓的MVVM架构做出了不凡的奉献，究竟结果正在其时的背景状况，大家皆深陷RxJava的安排。而LiveData做为察看者形式的框架，可以以更光滑的进修直线去完成变量的定阅，比起RxJava那一套愈加沉量级，并且做为Google的亲女子，正在性命周期的办理上也有更超卓的表示。

LiveData的缺陷：

而LiveData它的缺陷实在也十分较着，LiveData负担着为UI供给数据定阅的才能，以是他的数据定阅只能正在主线程，大要会有小同伴道能够正在子线程经由过程postValue来公布数据啊。可是实在那个postValue是有坑的，被坑过的小同伴皆该当明白短工夫经由过程屡次postValue，中心大要会存正在数据的丧失。
并且正在庞大的场景LiveData撑持的才能的确有一些为难。
总结一下LiveDta有几个缺陷：

正在同步线程修正数据大要存正在数据丧失的成绩
正在庞大的场景，LiveData的才能有一些左支右绌

LiveData您别走

但我们也不该该踩一捧一，的确LiveData团体上有更低的进修本钱，正在一些简朴的场景LiveData曾经完整可以满意我们的需求。
并且民圆也道过其实不会烧毁LiveData，缘故原由是：

用 Java 写 Android 的人借需求它，由于Flow是协程的工具，以是假如您是用 Java 的，是出有法子利用Flow的，以是LiveData仍是故意义的。
LiveData 的利用比力简朴，并且功用上关于简朴场景也是充足的，而 RxJava 战 Flow 这类工具教起去便出 LiveData 那末曲不雅。

Flow

Flow是Google民圆供给的一个相似于RxJava的呼应式编程模子。它是基于Kotlin协程的。它相对Rxjava具有以下特性：

具有更友爱的API，进修本钱较低
跟Kotlin协程、LiveData分离更严密，Flow可以转换成LiveData，正在ViewModel中间接利用
分离协程的感化域，当协程被打消时，Flow也会被打消，制止内乱存走漏

我们明白Flow的特性之一便是热流。那末甚么是热流呢？

热流：当数据被定阅的时分，公布者才开端施行收射数据流的代码。而且当有多个定阅者的时分，每个定阅者何公布者皆是一对一的干系，每一个定阅者城市支到公布者完好的数据。
热流：不管有无定阅者定阅，变乱一直城市发作。当热流有多个定阅者时，公布者跟定阅者是一对多的干系，热流能够取多个定阅者同享疑息。

StateFlow

由于Flow是热流，那取LiveData的特性完整纷歧样，因而Flow供给了StateFlow去完成热流。
StateFlow 是 SharedFlow 的一个比力特别的变种，而 SharedFlow 又是 Kotlin 数据流傍边比力特别的一品种型。StateFlow 取 LiveData 是最接近的，由于:

它一直是有值的。
它的值是独一的。
它许可被多个察看者共用 (因而是同享的数据流)。
它永久只会把最新的值重现给定阅者，那取活泼察看者的数目是无闭的。

民圆保举当裸露 UI 的形态给视图时，该当利用 StateFlow。那是一种宁静战下效的察看者，特地用于包容 UI 形态。
StateFlow利用

StateFlow交换失落LiveData是简朴的。我们去看看StateFlow的机关函数：

/**
* Creates a [MutableStateFlow] with the given initial [value].
*/
@Suppress("FunctionName")
public fun <T> MutableStateFlow(value: T): MutableStateFlow<T> = StateFlowImpl(value ?: NULL)

复造代码

我们正在ViewModel上游中不竭的收收值，View层经由过程collect函数来获得到上游收收的数据。
StateFlow只要正在值发作改动时才会返回，假如发作更新但值出有变化时，StateFlow没有会回调collect函数，但LiveData会停止回调。
stateIn

StateIn 可以将一般的流转换为StateFlow，但转换以后借需求一些设置事情.

scope 同享开端时地点的协程感化域范畴
started 掌握同享的开端战完毕的战略
- Lazily: 当尾个定阅者呈现时开端，正在 scope 指定的感化域被完毕时停止。
- Eagerly: 立即开端，而正在 scope 指定的感化域被完毕时停止。
- WhileSubscribed可以指定当前没有有定阅者后，几工夫打消上游数据战可以指定几工夫后，缓存中的数据被丧失，复兴称initialValue的值。
initialValue 初初值

WhileSubscribed

WhileSubscribed 战略会正在出有搜集器的状况下打消上游数据流。经由过程 stateIn 运算符创立的 StateFlow 会把数据裸露给视图 (View)，同时也会察看去自其他层级大概是上游使用的数据流。让那些流连续活泼大要会惹起没必要要的资本华侈，比方不断经由过程从数据库毗连、硬件传感器中读与数据等等。当您的使用转而正在背景运转时，您该当连结抑制并中断那些协程。

@Suppress("FunctionName")
public fun WhileSubscribed(
stopTimeoutMillis: Long = 0,
replayExpirationMillis: Long = Long.MAX_VALUE
): SharingStarted =
StartedWhileSubscribed(stopTimeoutMillis, replayExpirationMillis)

复造代码

WhileSubscribed
WhileSubscribed撑持传进stopTimeoutMillis战replayExpirationMillis参数。
此中stopTimeoutMillis撑持设置超时截至的结果，单位为ms。当最初一个定阅者没有再定阅上游时，StateFlow会截至上游数据的收收。
如许就能够供给APP的机能，当出有定阅者时大概使用被切到背景后会等待stopTimeoutMillis设置的工夫后上游会截至收收数据，而且会缓存截至前的缓存数据。
replayExpirationMillis
假如当上游假如截至收收太暂，这时候候StateFlow中缓存的数据是比力陈腐的数据，当这时候候有定阅者时，我们没有期望给定阅者陈腐的数据。我们能够设置replayExpirationMillis参数，当截至同享携程超越设置的replayExpirationMillis工夫后，StateFlow中会将缓存重置为默许值。
正在视图中察看数据

ViewModel中的StateFlow需求分离性命周期明白他们曾经没有正在需求感知到什么时候没有再需求被监听。我们正在View视图层供给了多少个协程构建器。

Activity.lifecycleScope.launch : 启动协程，而且正在本 Activity 烧毁时完毕协程。
Fragment.lifecycleScope.launch : 启动协程，而且正在本 Fragment 烧毁时完毕协程。
Fragment.viewLifecycleOwner.lifecycleScope.launch : 启动协程，而且正在本 Fragment 中的视图性命周期完毕时打消协程。
launchWhenX :启动协程，它会正在 lifecycleOwner 进进 X 形态之前不断等待，又正在分开 X 形态时挂起协程。

经由过程上里民圆的那个图，我们能够看出当APP进进背景时，假如APP借正在背景搜集数据更新大要激发使用瓦解战资本的华侈。
repeatOnLifecycle

因而谷歌民圆供给了新的API接心repeatOnLifecycle可以正在某个特定的形态满意时启动协程，而且正在性命周期一切者退出该形态时截至协程。

当视图处于 STARTED 形态时会开端搜集流，而且正在 RESUMED 形态时连结搜集，终极正在视图进进 STOPPED 形态时完毕搜集历程。

利用repeatOnLifecycle战StateFlow可以协助我们使用按照使用性命周期劣化机能战装备资本。
经由过程repeatOnLifecycle战StateFlow可以协助我们更好办理数据流。最初以民圆的一句话完毕本文。

固然，假如您其实不需求利用到 Kotlin 数据流的壮大功用，便用 LiveData 好了 :)

免责声明：假如进犯了您的权益，请联络站少，我们会实时删除侵权内乱容，感谢协作！