前言

上篇分析了Kotlin Flow原理，大部分操作符实现比较简单，相较而言背压和线程切换比较复杂，遗憾的是，纵观网上大部分文章，关于Flow背压和协程切换这块的原理说得比较少，语焉不详，鉴于此，本篇重点分析两者的原理及使用。
通过本篇文章，你将了解到：

1. 什么是背压？
2. 如何处理背压？
3. Flow buffer的原理
4. Flow 线程切换的使用
5. Flow 线程切换的原理

1. 什么是背压？

先看自然界的水流：

为了充分利用水资源，人类建立了大坝，以大坝为分界点将水流分为上游和下游。

当上游的流速大于下游的流速，日积月累，最终导致大坝溢出，此种现象称为背压的出现

而对于Kotlin里的Flow，也有上游（生产者）、下游（消费者）的概念，如：

    suspend fun testBuffer1() {
        var flow = flow {
            //生产者
            (1..3).forEach {
                println("emit $it")
                emit(it)
            }
        }

        flow.collect {
            //消费者
            println("collect:$it")
        }
    }

通过collect操作符触发了流，从生产者生产数据(flow闭包)，到消费者接收并处理数据(collect闭包），这就完成了流从上游到下游的一次流动过程。

2. 如何处理背压？

模拟一个生产者消费者速度不一致的场景：

    suspend fun testBuffer3() {
        var flow = flow {
            (1..3).forEach {
                delay(1000)
                println("emit $it")
                emit(it)
            }
        }

        var time = measureTimeMillis {
            flow.collect {
                delay(2000)
                println("collect:$it")
            }
        }
        println("use time:${time} ms")
    }

计算流从生产到消费的整个时间：

生产者的速度比消费者的速度快，而它俩都是在同一个线程里顺序执行的，生产者必须等待消费者消费完毕后才会进行下一次生产。
因此，整个流的耗时=生产者耗时(3 * 1000ms)+消费者耗时(3 * 2000ms)=9s。

显而易见，消费者影响了生产者的速度，这种情况下该怎么优化呢？
最简单的解决方案：

生产者和消费者分别在不同的线程执行

如：

    suspend fun testBuffer4() {
        var flow = flow {
            (1..3).forEach {
                delay(1000)
                println("emit $it in thread:${Thread.currentThread()}")
                emit(it)
            }
        }.flowOn(Dispatchers.IO)

        var time = measureTimeMillis {
            flow.collect {
                delay(2000)
                println("collect:$it in thread:${Thread.currentThread()}")
            }
        }
        println("use time:${time} ms")
    }

添加了flowOn()函数，它的存在使得它前面的代码在指定的线程里执行，如flow闭包了的代码都在IO线程执行，也就是生产者在IO线程执行。
而消费者在当前线程执行，因此两者无需相互等待，节省了总时间：

确实是减少了时间，提升了效率。但我们知道开启线程代价还是挺大的，既然都在协程里运行了，能否借助协程的特性：协程挂起不阻塞线程 来完成此事呢？
此时，Buffer出场了，先看看它是如何表演的：

    suspend fun testBuffer5() {
        var flow = flow {
            (1..3).forEach {
                delay(1000)
                println("emit $it in thread:${Thread.currentThread()}")
                emit(it)
            }
        }.buffer(5)

        var time = measureTimeMillis {
            flow.collect {
                delay(2000)
                println("collect:$it in thread:${Thread.currentThread()}")
            }
        }
        println("use time:${time} ms")
    }

这次没有使用flowOn，取而代之的是buffer。
运行结果如下：

可以看出，生产者消费者都是在同一线程执行，但总耗时却和不在同一线程运行时相差无几。
那么它是如何做到的呢?这就得从buffer的源码说起。

3. Flow buffer的原理

无buffer

先看看没有buffer时的耗时：

    suspend fun testBuffer3() {
        var flow = flow {
            (1..3).forEach {
                delay(1000)
                println("emit $it")
                emit(it)
            }
        }

        var time = measureTimeMillis {
            flow.collect {
                delay(2000)
                println("collect:$it")
            }
        }
        println("use time:${time} ms")
    }

从collect开始，依次执行flow闭包，通过emit调用到collect闭包，因为flow闭包里包含了几次emit，因此整个流程会有几次发射。
如上图，从步骤1到步骤8，因为是在同一个线程里，因此是串行执行的，整个流的耗时即为生产者到消费者(步骤1~步骤8）的耗时。

有buffer

在没看源码之前，我们先猜测一下它的流程：

每次emit都发送到buffer里，然后立刻回来继续发送，如此一来生产者没有被消费者的速度拖累。
而消费者会检测Buffer里是否有数据，有则取出来。

根据之前的经验我们知道：collect调用到emit最后到buffer是线性调用的，放入buffer后继续循环emit，那么问题来了：

是谁触发了collect闭包的调用呢？

接下来深入源码，探究答案。

buffer源码流程分析

创建Flow

public fun <T> Flow<T>.buffer(capacity: Int = Channel.BUFFERED, onBufferOverflow: BufferOverflow = BufferOverflow.SUSPEND): Flow<T> {
    var capacity = capacity//buffer容量
    var onBufferOverflow = onBufferOverflow//buffer满之后的处理策略
    if (capacity == Channel.CONFLATED) {
        capacity = 0
        onBufferOverflow = BufferOverflow.DROP_OLDEST
    }
    // create a flow
    return when (this) {
        is FusibleFlow -> fuse(capacity = capacity, onBufferOverflow = onBufferOverflow)
        //走else 分支，构造ChannelFlowOperatorImpl
        else -> ChannelFlowOperatorImpl(this, capacity = capacity, onBufferOverflow = onBufferOverflow)
    }
}

buffer 返回Flow实例，其间涉及几个重要的类和函数：

调用collect
当调用Flow.collect时：

public suspend inline fun <T> Flow<T>.collect(crossinline action: suspend (value: T) -> Unit): Unit =
    collect(object : FlowCollector<T> {
        override suspend fun emit(value: T) = action(value)
    })

构造了匿名内部类FlowCollector，并实现了emit方法，它的实现为collect的闭包。

调用ChannelFlowOperatorImpl.collect最终会调用ChannelFlow.collect：

    override suspend fun collect(collector: FlowCollector<T>): Unit =
        coroutineScope {
            collector.emitAll(produceImpl(this))
        }

    public open fun produceImpl(scope: CoroutineScope): ReceiveChannel<T> =
        scope.produce(context, produceCapacity, onBufferOverflow, start = CoroutineStart.ATOMIC, block = collectToFun)

produceImpl 创建了Channel，内部开启了协程，返回ReceiveChannel。

再来看emitAll函数：

private suspend fun <T> FlowCollector<T>.emitAllImpl(channel: ReceiveChannel<T>, consume: Boolean) {
    ensureActive()
    var cause: Throwable? = null
    try {
        while (true) {
            //挂起等待Channel数据
            val result = run { channel.receiveCatching() }
            if (result.isClosed) {
                //Channel关闭后才会退出循环
                result.exceptionOrNull()?.let { throw it }
                break // returns normally when result.closeCause == null
            }
            //发送数据
            emit(result.getOrThrow())
        }
    } catch (e: Throwable) {
        cause = e
        throw e
    } finally {
        if (consume) channel.cancelConsumed(cause)
    }
}

Channel此时并没有数据，因此协程会挂起等待。

Channel发送
Channel什么时候有数据呢？当然是在调用了Channel.send()函数后。
前面提到过collect之后开启了协程：

  public open fun produceImpl(scope: CoroutineScope): ReceiveChannel<T> =
        scope.produce(context, produceCapacity, onBufferOverflow, start = CoroutineStart.ATOMIC, block = collectToFun)

  internal val collectToFun: suspend (ProducerScope<T>) -> Unit
        get() = { collectTo(it) }

  protected override suspend fun collectTo(scope: ProducerScope<T>) =
        flowCollect(SendingCollector(scope))

此时传入的参数为：collectToFun，最后构造了：

public class SendingCollector<T>(
    private val channel: SendChannel<T>
) : FlowCollector<T> {
    override suspend fun emit(value: T): Unit = channel.send(value)
}

当协程得到执行时，会调用collectToFun-->collectTo(it)-->flowCollect(SendingCollector(scope))，最终调用到：

#ChannelFlowOperatorImpl
    override suspend fun flowCollect(collector: FlowCollector<T>) =
        flow.collect(collector)

而该flow为最开始的flow，collector为SendingCollector。
flow.collect后会调用到flow的闭包，进而调用到emit函数：

    private fun emit(uCont: Continuation<Unit>, value: T): Any? {
        val currentContext = uCont.context
        currentContext.ensureActive()
        //...
        completion = uCont
        return emitFun(collector as FlowCollector<Any?>, value, this as Continuation<Unit>)
    }

emitFun本质上会调用collector里的emit函数，而此时的collector即为SendingCollector，最后调用channel.send(value)

如此一来，Channel就将数据发送出去了，此时channel.receiveCatching()被唤醒，接下来执行emit(result.getOrThrow())，这函数最后会流转到最初始的collect的闭包里。
上面的分析即为生产者到消费者的流转过程，单看源码可能比较乱，看图解惑：

红色部分和绿色部分分别为不同的协程，它俩的关联点即是蓝色部分。

Flow buffer的本质上是利用了Channel进行数据的发送和接收

buffer为啥能提升效率

前面分析过无buffer时生产者消费者的流程图，作为对比，我们也将加入buffer后生产者消费者的流程图。

还是以相同的demo，阐述其流程：

1. 生产者挂起1s，当1s结束后调用emit发射数据，此时数据放入buffer里，生产者调用delay继续挂起
2. 此时消费者被唤醒，然后挂起 2s等待
3. 第2s到来之时，生产者调用emit发送数据到buffer里，继续挂起
4. 第2s到来之时，消费者结束挂起，消费数据，然后继续挂起2s
5. 第3s到来之时，生产者继续生产数据，而后生产者退出生产
6. 第5s到来之时，消费者挂起结束，消费数据，然后继续挂起2s
7. 第7s到来之时，消费者挂起结束，消费结束，此时因为channel里已经没有数据了，退出循环，最终消费者退出

由此可见，总共花费了7s。

ps：协程调度时机不同，打印顺序可能略有差异，但总体耗时不变。

至此，我们找到了buffer能够提高效率的原因：

生产者、消费者运行在不同的协程，挂起操作不阻塞对方

抛出一个比较有意思的问题：以下代码加buffer之后效率会有提升吗？

    suspend fun testBuffer6() {
        var flow = flow {
            (1..3).forEach {
                println("emit $it")
                emit(it)
            }
        }
        var time = measureTimeMillis {
            flow.collect {
                delay(2000)
                println("collect:$it")
            }
        }
        println("use time:${time} ms")
    }

在未实验之前，如果你已经有答案，恭喜你已经弄懂了buffer的本质。

4. Flow 线程切换的使用

    suspend fun testBuffer4() {
        var flow = flow {
            (1..3).forEach {
                delay(1000)
                println("emit $it in thread:${Thread.currentThread()}")
                emit(it)
            }
        }.flowOn(Dispatchers.IO)

        var time = measureTimeMillis {
            flow.collect {
                delay(2000)
                println("collect:$it in thread:${Thread.currentThread()}")
            }
        }
        println("use time:${time} ms")
    }

flowOn(Dispatchers.IO)表示其之前的操作符(函数)都在IO线程执行，如这里的意思是flow闭包里的代码在IO线程执行。
而其之后的操作符(函数)在当前的线程执行。
通常用在子线程里获取网络数据(flow闭包)，然后再collect闭包里(主线程)更新UI。

5. Flow 线程切换的原理

public fun <T> Flow<T>.flowOn(context: CoroutineContext): Flow<T> {
    checkFlowContext(context)
    return when {
        context == EmptyCoroutineContext -> this
        this is FusibleFlow -> fuse(context = context)
        else -> ChannelFlowOperatorImpl(this, context = context)
    }
}

看到这你可能已经有答案了：这不就和buffer一样的方式吗？
但仔细看，此处多了个上下文：CoroutineContext。
CoroutineContext的作用就是用来决定协程运行在哪个线程。

前面分析的buffer时，我们的协程的作用域是runBlocking，即使生产者、消费者在不同的协程，但是它们始终在同一个线程里执行。
而使用了flowOn指定线程，此时生产者、消费者在不同的线程运行协程。
因此，只要弄懂了buffer原理，flowOn原理自然而然就懂了。

以上为Flow背压和线程切换的全部内容，下篇将分析Flow的热流。
本文基于Kotlin 1.5.3，文中完整Demo请点击

您若喜欢，请点赞、关注、收藏，您的鼓励是我前进的动力

持续更新中，和我一起步步为营系统、深入学习Android/Kotlin

1、Android各种Context的前世今生
2、Android DecorView 必知必会
3、Window/WindowManager 不可不知之事
4、View Measure/Layout/Draw 真明白了
5、Android事件分发全套服务
6、Android invalidate/postInvalidate/requestLayout 彻底厘清
7、Android Window 如何确定大小/onMeasure()多次执行原因
8、Android事件驱动Handler-Message-Looper解析
9、Android 键盘一招搞定
10、Android 各种坐标彻底明了
11、Android Activity/Window/View 的background
12、Android Activity创建到View的显示过
13、Android IPC 系列
14、Android 存储系列
15、Java 并发系列不再疑惑
16、Java 线程池系列
17、Android Jetpack 前置基础系列
18、Android Jetpack 易学易懂系列
19、Kotlin 轻松入门系列
20、Kotlin 协程系列全面解读

作者：小鱼人爱编程
链接：https://juejin.cn/post/7172957388348063780