多個Flow不能放到一個lifecycleScope.launch里去collect{}，因為進入collect{}相當于一個死循環(huán)，下一行代碼永遠不會執(zhí)行；如果就想寫到一個lifecycleScope.launch{}里去，可以在內部再開啟launch{}子協(xié)程去執(zhí)行。

示例，下面是錯誤寫法：

  //NOTE: 下面的示例是錯誤寫法
  lifecycleScope.launch { 
        mFlowModel.caseFlow1
            .flowWithLifecycle(lifecycle, Lifecycle.State.STARTED)
            .collect {}

        mFlowModel.caseFlow2
            .flowWithLifecycle(lifecycle, Lifecycle.State.STARTED)
            .collect {}
  }

正確寫法：

  lifecycleScope.launch {
        launch {
            mFlowModel.caseFlow1
                .flowWithLifecycle(lifecycle, Lifecycle.State.STARTED)
                .collect {}
       }

        launch {
            mFlowModel.caseFlow2
                .flowWithLifecycle(lifecycle, Lifecycle.State.STARTED)
                .collect {}
        }
    }

當然，直接啟動多個 lifecycleScope.launch也是可以的。

二幾種使用場景

2.1、處理復雜、耗時邏輯

一般在處理復雜邏輯、耗時操作時，我們會將其放到子線程中去處理，避免在主線程中處理導致卡頓。而Flow可以方便地進行線程切換，所以處理復雜邏輯、耗時操作時，可以考慮使用Flow來進行處理，下面來看一個例子：

假設我們想讀取本地Assets目錄下的person.json文件，并將其解析出來，json文件中的內容

// assets目錄下person.json
{
	"name": "小馬快跑",
	"age": 18,
	"interest": "money! lots of money!"
}

下面通過Flow的方式實現(xiàn)在IO線程中讀取json文件，并最終在主線程中輸出結果：

/**
 * 通過Flow方式，獲取本地文件
 */
 private fun getFileInfo() {
      lifecycleScope.launch {
            flow {
                //解析本地json文件，并生成對應字符串
                val configStr = getAssetJsonInfo(requireContext(), "person.json")
                //最后將得到的實體類發(fā)送到下游
                emit(configStr)
            }
                .map { json ->
                    Gson().fromJson(json, PersonModel::class.java) //通過Gson將字符串轉為實體類
                }
                .flowOn(Dispatchers.IO) //在flowOn之上的所有操作都是在IO線程中進行的
                .onStart { log("onStart") }
                .filterNotNull()
                .onCompletion { log("onCompletion") }
                .catch { ex -> log("catch:${ex.message}") }
                .collect {
                    log("collect parse result:$it")
                }
        }
  }

/**
 * 讀取Assets下的json文件
 */
private fun getAssetJsonInfo(context: Context, fileName: String): String {
        val strBuilder = StringBuilder()
        var input: InputStream? = null
        var inputReader: InputStreamReader? = null
        var reader: BufferedReader? = null
        try {
            input = context.assets.open(fileName, AssetManager.ACCESS_BUFFER)
            inputReader = InputStreamReader(input, StandardCharsets.UTF_8)
            reader = BufferedReader(inputReader)
            var line: String?
            while ((reader.readLine().also { line = it }) != null) {
                strBuilder.append(line)
            }
        } catch (ex: Exception) {
            ex.printStackTrace()
        } finally {
            try {
                input?.close()
                inputReader?.close()
                reader?.close()
            } catch (e: IOException) {
                e.printStackTrace()
            }
        }
    return strBuilder.toString()
}

執(zhí)行結果：

11:11:32.178 E onStart
11:11:32.197 E collect parse result:PersonModel(name=小馬快跑, age=18, interest=money! lots of money!)
11:11:32.198 E onCompletion

可以看到在collect{}中得到了正確的數(shù)據(jù)，這里注意一下flowOn()的作用域是在自身之上的操作，上述例子中flowOn(Dispatchers.IO) 意味著在flowOn之上的所有操作都是在IO線程中進行的。

2.2、存在依賴關系的接口請求

如果最終展示依賴多個接口且接口之間是有依賴關系的，之前我們可能會在第一個接口請求成功的回調里繼續(xù)調用第二個接口，以此類推，這樣雖然能實現(xiàn)，但是會導致回調層級很深，也就是所謂的回調地獄；此時可以使用Flow的flatMapConcat將多個接口串聯(lián)起來。

lifecycleScope.launch {
     lifecycle.repeatOnLifecycle(Lifecycle.State.STARTED) {
                 //將兩個flow串聯(lián)起來 先搜索目的地，然后到達目的地
                mFlowModel.getSearchFlow()
                    .flatMapConcat {
                        //第二個flow依賴第一個的結果
                        mFlowModel.goDestinationFlow(it)
                    }.collect {
                        mTvCallbackFlow.text = it ?: "error"
                    }
     }
}

2.3、組合多個接口的數(shù)據(jù)

有這樣一種場景：數(shù)據(jù)的最終展示依賴多個接口請求到的數(shù)據(jù)，有兩種實現(xiàn)方式：

一個個串行去請求接口，拿到數(shù)據(jù)后最終拼到一起；
所有接口并行去請求，拿到數(shù)據(jù)后最終拼到一起。

串行請求雖然可以，但是效率并不高；更優(yōu)的方式是采用接口并行，可以使用Flow的zip操作符，如下要獲取電費、水費、網(wǎng)費的總花銷，對應的花費需要各自請求自己的接口，最終把數(shù)據(jù)進行合并統(tǒng)計：

  //ViewModel中
  //分別請求電費、水費、網(wǎng)費，F(xiàn)low之間是并行關系
  suspend fun requestElectricCost(): Flow<ExpendModel> =
        flow {
            delay(500)
            emit(ExpendModel("電費", 10f, 500))
        }.flowOn(Dispatchers.IO)

  suspend fun requestWaterCost(): Flow<ExpendModel> =
        flow {
            delay(1000)
            emit(ExpendModel("水費", 20f, 1000))
        }.flowOn(Dispatchers.IO)

  suspend fun requestInternetCost(): Flow<ExpendModel> =
        flow {
            delay(2000)
            emit(ExpendModel("網(wǎng)費", 30f, 2000))
        }.flowOn(Dispatchers.IO)

  data class ExpendModel(val type: String, val cost: Float, val apiTime: Int) {
    fun info(): String {
        return "${type}: ${cost}, 接口請求耗時約$apiTime ms"
    }
}

    //UI層
    mBtnZip.setOnClickListener {
        lifecycleScope.launch {
            val electricFlow = mFlowModel.requestElectricCost()
            val waterFlow = mFlowModel.requestWaterCost()
            val internetFlow = mFlowModel.requestInternetCost()

            val builder = StringBuilder()
            var totalCost = 0f
            val startTime = System.currentTimeMillis()
            //NOTE:注意這里可以多個zip操作符來合并Flow，且多個Flow之間是并行關系
            electricFlow.zip(waterFlow) { electric, water ->
                totalCost = electric.cost + water.cost
                builder.append("${electric.info()},\n").append("${water.info()},\n")
            }.zip(internetFlow) { two, internet ->
                totalCost += internet.cost
                two.append(internet.info()).append(",\n\n總花費：$totalCost")
            }.collect {
                mTvZipResult.text = it.append("，總耗時：${System.currentTimeMillis() - startTime} ms")
            }
        }
    }

執(zhí)行結果：