從 API 1 開始，處理 Activity 的生命周期 (lifecycle) 就是個老大難的問題，基本上開發者們都看過這兩張生命周期流程圖:
隨著 Fragment 的加入，這個問題也變得更加複雜:
而開發者們面對這個挑戰，給出了非常穩健的解決方案: 分層架構。
分層架構
如上圖所示，通過將應用分為三層，現在只有最上面的 Presentation 層 (以前叫 UI 層) 才知道生命周期的細節，而應用的其他部分則可以完全地忽略掉它。
而在 Presentation 層內部也有進一步的解決方案: 讓一個對象可以在 Activity 和 Fragment 被銷毀、重新創建時依然留存，這個對象就是架構組件的 ViewModel 類。下面讓我們詳細看看 ViewModel 工作的細節。
如上圖，當一個視圖 (View) 被創建，它有對應的 ViewModel 的引用地址 (注意 ViewModel 並沒有 View 的引用地址)。ViewModel 會暴露出若干個 LiveData，視圖會通過數據綁定或者手動訂閱的方式來觀察這些 LiveData。
當設備配置改變時 (比如屏幕發生旋轉)，之前的 View 被銷毀，新的 View 被創建:
這時新的 View 會重新訂閱 ViewModel 裡的 LiveData，而 ViewModel 對這個變化的過程完全不知情。
歸根到底，開發者在執行一個操作時，需要認真選擇好這個操作的作用域 (scope)。這取決於這個操作具體是做什麼，以及它的內容是否需要貫穿整個屏幕內容的生命周期。比如通過網絡獲取一些數據，或者是在繪圖界面中計算一段曲線的控制錨點，可能所適用的作用域不同。如何取消該操作的時間太晚，可能會浪費很多額外的資源；而如果取消的太早，又會出現頻繁重啟操作的情況。
在實際應用中，以我們的 Android Dev Summit 應用為例，裡面涉及到的作用域非常多。比如，我們這裡有一個活動計劃頁面，裡面包含多個 Fragment 實例，而與之對應的 ViewModel 的作用域就是計劃頁面。與之相類似的，日程和信息頁面相關的 Fragment 以及 ViewModel 也是一樣的作用域。
此外我們還有很多 Activity，而和它們相關的 ViewModel 的作用域就是這些 Activity。
您也可以自定義作用域。比如針對導航組件，您可以將作用域限制在登錄流程或者結帳流程中。我們甚至還有針對整個 Application 的作用域。
有如此多的操作會同時進行，我們需要有一個更好的方法來管理它們的取消操作。也就是 Kotlin 的協程 (Coroutine)。
協程的優勢
協程的優點主要來自三個方面:
很容易離開主線程。我們試過很多方法來讓操作遠離主線程，AsyncTask、Loaders、ExecutorServices……甚至有開發者用到了 RxJava。但協程可以讓開發者只需要一行代碼就完成這個工作，而且沒有累人的回調處理。樣板代碼最少。協程完全活用了 Kotlin 語言的能力，包括 suspend 方法。編寫協程的過程就和編寫普通的代碼塊差不多，編譯器則會幫助開發者完成異步化處理。結構並發性。這個可以理解為針對操作的垃圾收集器，當一個操作不再需要被執行時，協程會自動取消它。
如何啟動和取消協程
在 Jetpack 組件裡，我們為各個組件提供了對應的 scope，比如 ViewModel 就有與之對應的 viewModelScope，如果您想在這個作用域裡啟動協程，使用如下代碼即可:
class MainActivityViewModel : ViewModel { init { viewModelScope.launch { // Start } }}
如果您在使用 AppCompatActivity 或 Fragment，則可以使用 lifecycleScope，當 lifeCycle 被銷毀時，操作也會被取消。代碼如下:
class MyActivity : AppCompatActivity() { override fun onCreate(state: Bundle?) { super.onCreate(savedInstanceState) lifecycleScope.launch { // Run } }}
有些時候，您可能還需要在生命周期的某個狀態 (啟動時/恢復時等) 執行一些操作，這時您可以使用 launchWhenStarted、launchWhenResumed、launchWhenCreated 這些方法:
class MyActivity : Activity { override fun onCreate(state: Bundle?) { super.onCreate(savedInstanceState) lifecycleScope.launch { // Run } lifecycleScope.launchWhenResumed { // Run } }}
注意，如果您在 launchWhenStarted 中設置了一個操作，當 Activity 被停止時，這個操作也會被暫停，直到 Activity 被恢復 (Resume)。
最後一種作用域的情況是貫穿整個應用。如果這個操作非常重要，您需要確保它一定被執行，這時請考慮使用 WorkManager。比如您編寫了一個發推的應用，希望撰寫的推文被發送到伺服器上，那這個操作就需要使用 WorkManager 來確保執行。而如果您的操作只是清理一下本地存儲，那可以考慮使用 Application Scope，因為這個操作的重要性不是很高，完全可以等到下次應用啟動時再做。
WorkManager 不是本文介紹的重點，感興趣的朋友請參考 《WorkManager 進階課堂 | AndroidDevSummit 中文字幕視頻》。
接下來我們看看如何在 viewModelScope 裡使用 LiveData。以前我們想在協程裡做一些操作，並將結果反饋到 ViewModel 需要這麼操作:
class MyViewModel : ViewModel { private val _result = MutableLiveData() val result: LiveData = _result init { viewModelScope.launch { val computationResult = doComputation() _result.value = computationResult } }}
看看我們做了什麼:
準備一個 ViewModel 私有的 MutableLiveData (MLD)暴露一個不可變的 LiveData啟動協程，然後將其操作結果賦給 MLD
這個做法並不理想。在 LifeCycle 2.2.0 之後，同樣的操作可以用更精簡的方法來完成，也就是 LiveData 協程構造方法 (coroutine builder):
class MyViewModel { val result = liveData { emit(doComputation()) }}
這個 liveData 協程構造方法提供了一個協程代碼塊，這個塊就是 LiveData 的作用域，當 LiveData 被觀察的時候，裡面的操作就會被執行，當 LiveData 不再被使用時，裡面的操作就會取消。而且該協程構造方法產生的是一個不可變的 LiveData，可以直接暴露給對應的視圖使用。而 emit() 方法則用來更新 LiveData 的數據。
讓我們來看另一個常見用例，比如當用戶在 UI 中選中一些元素，然後將這些選中的內容顯示出來。一個常見的做法是，把被選中的項目的 ID 保存在一個 MutableLiveData 裡，然後運行 switchMap。現在在 switchMap 裡，您也可以使用協程構造方法:
private val itemId = MutableLiveData()val result = itemId.switchMap { liveData { emit(fetchItem(it)) }}
LiveData 協程構造方法還可以接收一個 Dispatcher 作為參數，這樣您就可以將這個協程移至另一個線程。
liveData(Dispatchers.IO) {}
最後，您還可以使用 emitSource() 方法從另一個 LiveData 獲取更新的結果:
liveData(Dispatchers.IO) { emit(LOADING_STRING) emitSource(dataSource.fetchWeather())}
接下來我們來看如何取消協程。絕大部分情況下，協程的取消操作是自動的，畢竟我們在對應的作用域裡啟動一個協程時，也同時明確了它會在何時被取消。但我們有必要講一講如何在協程內部來手動取消協程。
這裡補充一個大前提:所有 kotlin.coroutines 的 suspend 方法都是可取消的。比如這種:
suspend fun printPrimes() { while(true) { // Compute delay(1000) }}
在上面這個無限循環裡，每一個 delay 都會檢查協程是否處於有效狀態，一旦發現協程被取消，循環的操作也會被取消。
那問題來了，如果您在 suspend 方法裡調用的是一個不可取消的方法呢？這時您需要使用 isActivate 來進行檢查並手動決定是否繼續執行操作:
suspend fun printPrimes() { while(isActive) { // Compute }}LiveData 操作實踐
在進入具體的操作實踐環節之前，我們需要區分一下兩種操作: 單詞 (One-Shot) 操作和監聽 (observers) 操作。比如 Twitter 的應用:
單次操作，比如獲取用戶頭像和推文，只需要執行一次即可。 監聽操作，比如界面下方的轉發數和點讚數，就會持續更新數據。
讓我們先看看單次操作時的內容架構:
如前所述，我們使用 LiveData 連接 View 和 ViewModel，而在 ViewModel 這裡我們則使用剛剛提到的 liveData 協程構造方法來打通 LiveData 和協程，再往右就是調用 suspend 方法了。
如果我們想監聽多個值的話，該如何操作呢？
第一種選擇是在 ViewModel 之外也使用 LiveData:
△ Reopsitory 監聽 Data Source 暴露出來的 LiveData，同時自己也暴露出 LiveData 供 ViewModel 使用
但是這種實現方式無法體現並發性，比如每次用戶登出時，就需要手動取消所有的訂閱。LiveData 本身的設計並不適合這種情況，這時我們就需要使用第二種選擇: 使用 Flow。
ViewModel 模式
當 ViewModel 監聽 LiveData，而且沒有對數據進行任何轉換操作時，可以直接將 dataSource 中的 LiveData 賦值給 ViewModel 暴露出來的 LiveData:
val currentWeather: LiveData = dataSource.fetchWeather()
如果使用 Flow 的話就需要用到 liveData 協程構造方法。我們從 Flow 中使用 collect 方法獲取每一個結果，然後 emit 出來給 liveData 協程構造方法使用:
val currentWeatherFlow: LiveData = liveData { dataSource.fetchWeatherFlow().collect { emit(it) }}
不過 Flow 給我們準備了更簡單的寫法:
val currentWeatherFlow: LiveData = dataSource.fetchWeatherFlow().asLiveData()
接下來一個場景是，我們先發送一個一次性的結果，然後再持續發送多個數值:
val currentWeather: LiveData = liveData { emit(LOADING_STRING) emitSource(dataSource.fetchWeather())}
在 Flow 中我們可以沿用上面的思路，使用 emit 和 emitSource:
val currentWeatherFlow: LiveData = liveData { emit(LOADING_STRING) emitSource( dataSource.fetchWeatherFlow().asLiveData() )}
但同樣的，這種情況 Flow 也有更直觀的寫法:
val currentWeatherFlow: LiveData = dataSource.fetchWeatherFlow() .onStart { emit(LOADING_STRING) } .asLiveData()
接下來我們看看需要為接收到的數據做轉換時的情況。
使用 LiveData 時，如果用 map 方法做轉換，操作會進入主線程，這顯然不是我們想要的結果。這時我們可以使用 switchMap，從而可以通過 liveData 協程構造方法獲得一個 LiveData，而且 switchMap 的方法會在每次數據源 LiveData 更新時調用。而在方法體內部我們可以使用 heavyTransformation 函數進行數據轉換，並發送其結果給 liveData 協程構造方法:
val currentWeatherLiveData: LiveData = dataSource.fetchWeather().switchMap { liveData { emit(heavyTransformation(it)) } }
使用 Flow 的話會簡單許多，直接從 dataSource 獲得數據，然後調用 map 方法 (這裡用的是 Flow 的 map 方法，而不是 LiveData 的)，然後轉化為 LiveData 即可:
val currentWeatherFlow: LiveData = dataSource.fetchWeatherFlow() .map { heavyTransformation(it) } .asLiveData()
Repository 模式Repository 一般用來進行複雜的數據轉換和處理，而 LiveData 沒有針對這種情況進行設計。現在通過 Flow 就可以完成各種複雜的操作:
val currentWeatherFlow: Flow = dataSource.fetchWeatherFlow() .map { ... } .filter { ... } .dropWhile { ... } .combine { ... } .flowOn(Dispatchers.IO) .onCompletion { ... }...
數據源模式
而在涉及到數據源時，情況變得有些複雜，因為這時您可能是在和其他代碼庫或者遠程數據源進行交互，但是您又無法控制這些數據源。這裡我們分兩種情況介紹:
1. 單次操作
如果使用 Retrofit 從遠程數據源獲取數值，直接將方法標記為 suspend 方法即可*:
suspend fun doOneShot(param: String) : String = retrofitClient.doSomething(param)
Retrofit 從 2.6.0 開始支持 suspend 方法，Room 從 2.1.0 開始支持 suspend 方法。如果您的數據源尚未支持協程，比如是一個 Java 代碼庫，而且使用的是回調機制。這時您可以使用 suspendCancellableCoroutine 協程構造方法，這個方法是協程和回調之間的適配器，會在內部提供一個 continuation 供開發者使用:
suspend fun doOneShot(param: String) : Result = suspendCancellableCoroutine { continuation -> api.addOnCompleteListener { result -> continuation.resume(result) }.addOnFailureListener { error -> continuation.resumeWithException(error) } }
如上所示，在回調方法取得結果後會調用 continuation.resume()，如果報錯的話調用的則是 continuation.resumeWithException()。
注意，如果這個協程已經被取消，則 resume 調用也會被忽略。開發者可以在協程被取消時主動取消 API 請求。
2. 監聽操作
如果數據源會持續發送數值的話，使用 flow 協程構造方法會很好地滿足需求，比如下面這個方法就會每隔 2 秒發送一個新的天氣值:
override fun fetchWeatherFlow(): Flow = flow { var counter = 0 while(true) { counter++ delay(2000) emit(weatherConditions[counter % weatherConditions.size]) }}
如果開發者使用的是不支持 Flow 而是使用回調的代碼庫，則可以使用 callbackFlow。比如下面這段代碼，api 支持三個回調分支 onNextValue、onApiError 和 onCompleted，我們可以得到結果的分支裡使用 offer 方法將值傳給 Flow，在發生錯誤的分支裡 close 這個調用並傳回一個錯誤原因 (cause)，而在順利調用完成後直接 close 調用:
fun flowFrom(api: CallbackBasedApi): Flow = callbackFlow { val callback = object : Callback { override fun onNextValue(value: T) { offer(value) } override fun onApiError(cause: Throwable) { close(cause) } override fun onCompleted() = close() } api.register(callback) awaitClose { api.unregister(callback) }}
注意在這段代碼的最後，如果 API 不會再有更新，則使用 awaitClose 徹底關閉這條數據通道。
相信看到這裡，您對如何在實際應用中使用協程、LiveData 和 Flow 已經有了比較系統的認識。您可以重溫 Android Dev Summit 上 Jose Alcérreca 和 Yigit Boyar 的演講來鞏固理解: