一、前言
Kotlin Flow是Kotlin中响应式编程框架的实现，是Kotlin生态中的一个重要组成部分，而提到响应式编程框架，作为Android开发的我们势必会联想RxJava，因其丰富、强大的功能，陡峭的学习曲线，让人又爱又恨。相较于RxJava，Flow的一个最大特点是其基于Kotlin协程，一个Flow必须运行在协程中，因此在Flow中我们能够利用协程提供的特性编写更加简洁、轻量的异步代码。
1、响应式编程
关于响应式编程，在我的理解中，它是一种面向异步 数据流的编程范式。其中数据流的概念很好理解，就是一组按时间顺序排列的数据序列；而异步是指数据的接收是通过注册的callback/observer/collector来完成的，典型的观察者模式。
正因为响应式编程面向的是异步数据流，而不是函数，所以能够在此之上抽象出一组强大的工具函数，让我们使用少量的代码便能实现复杂的业务逻辑，比如搜索框防抖，多个有依赖关系的网络请求等等。
这里给大家推荐一篇介绍响应式编程的优秀文章：
借用文章中的一个例子，假设我们现在想要统计用户在一次"连击"中对应的点击次数，把250ms内大于等于2次以上的点击视为一次"连击"。 在传统的编程模型下，我们势必要定义一些的变量来记录状态以及编写相应的定时逻辑，但是在响应式编程中，我们只需要极少量的代码便能完成上述逻辑。
通过下面的示意图来更直观地理解这一过程：
首先通过buffer(clickStream.throttle(250ms))将250ms内的产生的点击事件聚合成一个list，再使用map('get length of list')将list的数据流转换为list长度的数据流，最后过滤掉长度小于2的数据就得到了最终期望的数据流。
2、基本概念
在进一步之前，先介绍下Flow中的一些基本概念。在官方文档中，将Flow关联的各角色划分为三类：
- 生产者（Producer）：负责数据的生产、发送；
- 中介（Intermediary）：可选的，可以有若干个，负责对Flow中的数据，甚至是Flow本身的进行变换；
- 消费者（Consumer）：负责从Flow中接收数据。
中介其实就是各类中间操作符：map、filter等，根据角色在数据流中的位置，我们将其上面的部分称作上游，下面的部分称作下游。
举一个例子🌰，假设我们有如下的数据流，Intermediary[i] 便是Producer->...->Intermediary[i - 1] 的下游、Intermediary[i + 1] ->...->Consumer的上游：
rust
Producer->...->Intermediary[i- 1 ] ->Intermediary[i] ->Intermediary[i+ 1 ] ->...->Consumer二、Flow的创建和使用
创建一个Flow非常简单，官方提供了一个顶层函数用于创建Flow，如下所示：
kotlin
public fun <T> flow(@BuilderInference block: suspend FlowCollector<T>.() -> Unit): Flow<T>这一顶层函数又被称作Flow builder ，其中有两个关键的接口：Flow和FlowCollector。
kotlin
public interface Flow<out T> {
public suspend fun collect(collector: FlowCollector<T>)
}
kotlin
public fun interface FlowCollector<in T> {
/**
* Collects the value emitted by the upstream.
* This method is not thread-safe and should not be invoked concurrently.
*/
public suspend fun emit(value: T)
}Flow描述一个异步数据流，类似于RxJava中的Observable，而FlowCollector负责数据的接收，类似于RxJava中的Observer。
Flow的定义很简单，只有一个collect方法，接收一个FlowCollector对象作为参数。当调用collect方法时，会将定义好的FlowCollector对象传递至上游，上游会使用传递过来的FlowCollector对象的emit方法来发送数据。
回到Flow builder ，其接收一个使用suspend修饰，FlowCollector的扩展函数：block，又被称作Producer block ，负责数据的生产，并将生产好的数据通过FlowCollector对象的emit方法发送。
kotlin
public fun <T> flow(@BuilderInference block: suspend FlowCollector<T>.() -> Unit): Flow<T>来看一个简单的例子：
kotlin
private val myFlow = flow<Int> producer@{
var value = 0
while (true) {
emit(value++)
delay(1000)
}
}
GlobalScope.launch {
myFlow.collect(object : FlowCollector<Int> {
override suspend fun emit(value: Int) {
Log.i(TAG, "receive $value")
}
})
}这里定义了一个每间隔1秒发送一次数据的Flow，因为Flow需要运行在协程中，所以通过GlobalScope.launch启动了一个协程，然后在协程中调用Flow对象的collect方法，并传递一个FlowCollector实例，在其emit方法中接收上游发送过来的数据。
需要注意的是，通过Flow Builder 创建的Flow属于冷流 ，意味着只有当Flow的终端操作函数被调用时，比如collect函数，才会执行生产者代码，也就是示例中的producer代码块，并且每次调用终端操作函数时都会创建一条新的数据流，彼此互不影响，在下面的示例中producer代码块会被执行两次，产生两条数据流：
kotlin
GlobalScope.launch {
myFlow.collect consumer1@{ value -> Log.i(TAG, "receive $value") }
}
GlobalScope.launch {
myFlow.collect consumer2@{ value -> Log.i(TAG, "receive $value") }
}此外，因为FlowCollector的emit方法并不是线程安全的，所以不允许我们在一个新的协程或者新的Dispatcher中调用，以下代码都是非法的：
kotlin
private val myFlow1 = flow<Int> {
GlobalScope.launch {
emit(1)
}
}
private val myFlow2 = flow<Int> {
withContext(Dispatchers.IO) {
emit(1)
}
}1、操作符
1.1、生命周期
Flow中提供了onStart、onCompletion操作符用于监听数据流的开始、结束，以onStart为例：
kotlin
public fun <T> Flow<T>.onStart(
action: suspend FlowCollector<T>.() -> Unit
): Flow<T>参数action是一个使用suspend修饰，FlowCollector的扩展函数，其Receiver直接/间接地持有从下游传递过来的FlowCollector对象，允许我们调用emit方法向数据流的开头添加额外的数据，如下所示：
kotlin
GlobalScope.launch {
flowOf(1, 2)
.onStart {
emit(0)
}
.onCompletion {
emit(3)
}
.collect {
Log.i(TAG, "receive $it")
}
}
// receive 0
// receive 1
// receive 2
// receive 31.2、线程切换
前面有提到，不允许在新起的协程/线程中调用FlowCollector的emit方法，如果需要显示地切换生产者代码运行的线程，需要借助flowOn操作符：
kotlin
public fun <T> Flow<T>.flowOn(context: CoroutineContext): Flow<T>
private val myFlow = flow<Int> producer@{
var value = 0
while (true) {
emit(value++)
delay(1000)
}
}
GlobalScope.launch(Dispatchers.Main) {
myFlow.flowOn(Dispatchers.IO)
.onCompletion completation@{
Log.i(TAG, "on complete")
}
.collect consumer@{
Log.i(TAG, "receive $it")
}
}flowOn操作符只会切换上游数据流的CoroutineContext，不会影响到下游数据流。所以在上述示例代码中，producer代码块会运行在子线程中，completation、consumer代码块会运行在主线程上。
1.3、异常处理
Flow中异常的处理是通过catch操作符来完成的，上游抛出的异常会被捕获，默认会结束流的执行：
kotlin
GlobalScope.launch(Dispatchers.Main) {
flowOf(1, 2, 3)
.map {
if (it == 2) {
throw RuntimeException("error")
}
it
}.flowOn(Dispatchers.IO)
.catch { e ->
Log.i(TAG, "catch exception, ${e.message}")
}
.collect {
Log.i(TAG, "receive $it")
}
}
// receive 1
// catch exception, error2、callbackFlow
flow构建 api只适用于同步生产的数据，而针对异步返回的数据，官方提供了另一个顶层函数：
kotlin
public fun <T> callbackFlow(@BuilderInference block: suspend ProducerScope<T>.() -> Unit): Flow<T>
/**
* Sender's interface to [Channel].
*/
public interface SendChannel<in E> {
public suspend fun send(element: E)
public fun trySend(element: E): ChannelResult<Unit>
public fun close(cause: Throwable? = null): Boolean
......
}block函数接收一个ProducerScope对象，其实现了SendChannel接口，允许我们通过send、trySend方法发送数据。callbackFlow的底层基于Channel，概念上类似于Java中的BlockingQueue，不同之处在于它是非阻塞的，如果发送数据时缓冲区已满，会将发送方协程挂起并加入到内部维护的等待队列中，等待缓冲区有空闲时被唤醒。数据的接收也是类似的，如果当前缓冲区为空，会将接收方协程挂起并加入到等待队列中，等到有数据时被唤醒。
下面通过一个例子来给大家介绍一下callbackFlow的使用：
kotlin
private val myCallbackFlow = callbackFlow {
val callback = object : MyCallback {
override fun onNext(value: Int) {
trySend(value) // trySendBlocking(value)
}
override fun onCompletion() {
close()
}
override fun onFailure(throwable: Throwable?) {
cancel()
}
}
api.register(callback)
awaitClose { api.unregister(callback) }
}
GlobalScope.launch {
myCallbackFlow.collect {
Log.i(TAG, "receive $it")
}
}trySend方法是send方法的非挂起版本，允许我们在协程外、非挂起函数中调用，但是它不能保证数据的发送，当缓冲区已满时，发送的数据会被丢弃掉。如果我们需要保证数据的发送，可以调用trySendBlocking方法，当缓冲区已满时，会堵塞当前线程直至成功发送数据或者对应的Channel、协程被关闭、取消。
需要注意的是，awaitClose方法被强制要求调用，否则会抛出IllegalStateException异常，这是为了避免因协程结束导致我们注册的callback泄露。awaitClose方法会将当前协程挂起，并保证在Channel关闭或者协程取消时执行我们传递的代码块，从而完成相关资源的释放。还有一点是，传递给awaitClose方法的代码块不能保证和传递给callbackFlow方法的代码块在同一个线程执行，因此相关的注册、反注册方法需要是线程安全的。