为什么 RxJava 有 Single / Maybe 等单发数据类型，而 Flow 没有？-CFANZ编程社区

Coroutine Flow 与 RxJava 都是流式数据处理框架，所以经常被拿来做比较，本文比较一下他们的数据类型。

Rx 与 Flow 在单发数据支持上的不同

RxJava 支持多种数据类型

Observable ：流式数据类型
Flowable：与 Observable 类似，支持背压
Single：单发数据类型，只能且必须发射一个数据
Maybe：单发数据类型，发射零个或一个数据
Completable：不发射任何数据，只通知流的结束。

以上，Single<T>，Maybe<T> 以及 Completable 都至多只能发射一个数据（单发数据类型）。而反观 Coroutine Flow，只提供了 Flow<T> 这一种类型，对标 Observable<T> 或 Flowable<T> （Flow 天然支持背压）的流式数据。同为流式框架，为什么 Rx 需要支持单发数据类型，而 Flow 不提供不支持呢？

Rx 支持单发数据主要源于以下三个原因（或目的），而在这几点对于 Flow 却构不成问题：

	RxJava 支持单发的原因	Flow 不支持单发的原因
线程切换	RxJava 同时是一个异步框架，提供 `observeOn`、`subscribeOn` 等线程操作符。在 Java 时代，缺少称手的多线程工具，Rx 对于单发数据也是最好的选择之一。	进入 Kotlin 时代 Coroutine 提供了足够的异步处理工具，单发数据使用挂起函数实现足矣。Flow 的线程切换也是构筑在 Coroutine 之上。
代码直观	RxJava 的操作符帮助单发数据实现链式调用，避免回调。比如通过 `zip`, `concat` 等实现单发数据的组合，或者基于 `switchIfEmpty` 等实现单发数据的选择逻辑等。	Coroutine 可以使用同步调用的方式完成异步，无需再借助链式调用语法来规避回调。
类型转换	很多业务场景都涉及单发与流式数据的转换，RxJava 为这些转换提供操作符支持。比如 `toObservable` 或者 `flatMapObservable` 将单发数据转成流式数据，反之则可以通过 `first`， `toList` 等将流式数据转成单发数据	Flow 也提供了双向转换，而且更加简单，比如 `toList` 直接输出拆箱后的数据类型 `T`，无需为单发数据专门定义装箱类型。

总结起来，RxJava 在很多方面弥补了语言本身的不足，能力越大责任也越大，Rx 对于单发或是流式数据的场景都要有所考虑。而 Kotlin 通过 Coroutine 解决了大部分异步场景的开发需要。Flow 只专心于流式数据处理即可，虽然你依然可以使用 Flow 接受或发送单发数据，但是官方并不推荐这么做，自然也就不提供额外的单发数据类型。

接下来，通过与 Rx 的对比来具体了解一下 Coroutine 是如何对单发数据提供支持的。

线程切换

下面通过例子对比一下 Rx 与 Coroutine 的线程切换。

首先，我们模拟一个 RxJava 中的单发数据请求：

fun readFromRemoteRx(data: String = "data"): Single<String> {
    return Single.create { it.onSuccess(data) }
        .delay(100, TimeUnit.MILLISECONDS)
        .doOnSuccess { println("read from remote: $it") }
        .subscribeOn(Schedulers.io())
}

如上，delay 模拟 IO 的延时，subscribeOn 指定数据请求发生在 IO 线程。

前面说过，线程切换这种事情已经不是 Flow 的主要职责了。在 Coroutine 中，单发请求使用挂起函数即可：

suspend fun readFromRemote(data: String = "data"): String {
    delay(100)
    println("read from remote: $data")
    return data
}

如上，我们用挂起函数定义单发数据，在协程中通过 withContext 就可以切换到 IO 线程。

代码直观

Coroutine 处理单发数据的代码相对于 Rx 更加简洁。

选择逻辑

先看一个单发数据选择逻辑的例子，在 Rx 我们通过操作符进行选择：

fun readFromCacheRx(data: String? = null): Maybe<String> {
    return run {
        if (data != null) Maybe.just(data)
        else Maybe.empty()
    }.delay(100, TimeUnit.MILLISECONDS)
        .doOnSuccess { println("read from cache: $it") }
}

fun test() {
    readFromCacheRx(null) // pass "data" to check when cache has data
        .switchIfEmpty(readFromRemoteRx())
        .subscribeOn(Schedulers.io())
        .test()
}

如上，readFromCacheRx 使用 Maybe 类型模拟本地数据源的请求结果，当本地没有数据时请求网络远程数据。 Rx 基于 switchIfEmpty 完成条件选择逻辑，否则我们只能在异步回调中做判断。

在 Kotlin 时代，我们在 Coroutine 中用挂起函数实现选择逻辑：

suspend fun readFromCache(data: String? = null): String? {
    delay(100)
    println("read from cache: $data")
    return data
}

fun test() {
    runBlocking {
        withContext(Dispatchers.IO) {
            val data = readFromCache() ?: readFromRemote()
        }
    }
}

readFromCache 返回一个 Nullable 类型，直接使用 ?: 即可，基于协程的同步调用优势，可以命令式地写任何控制语句。

组合逻辑

再看一个组合逻辑的例子，Rx 使用 zip 将两个单发数据组合成成一个新的单发数据：

fun test() {
    readFromRemoteRx().zipWith(readFromRemote2Rx()) { res, res2 -> 
        "$res & $res2"
    }.doOnSuccess { println("read from remote: $it") }
        .subscribeOn(Schedulers.io())
        .test()
}

/*
output:
-------------------
read from remote: data & data
*/

Coroutine 的实现同样的逻辑则非常简单，使用 async + await 用命令式语句即可：

fun test() {
    runBlocking {
        val res = async { readFromRemote() }
        val res2 = async { readFromRemote2() }
        val data = "${res.await()} & ${res.await()}"
        println("read from remote: $data")
    }
}
复制代码

类型转换

接下来对比一下单发与流式的数据转换。

单发 > 流式

Rx 可以使用 toObservable 或者 flatMapObservable 将单发类型转成 Observable：

readFromCacheRx()
    .flatMapObservable { Observable.just(it) }
    .doOnNext { println("read from cache: $it") }
    .doOnComplete { println("complete") }
    .test()
    
/* 
output：
-------------------
read from cache: null
complete
*/

由于 readFromCacheRx 没有发射任何数据，所以没有 doOnNext 的日志输出。

协程的单发转流式数据很简单，flow {...} 是 Flow 的构造器，内部可以直接调用挂起函数，如果需要还可以使用 withContext 切换线程。

runBlocking {
    flow { readFromCache()?.let { emit(it) } }
        .onCompletion { println("complete") }
        .collect { println("next: $it") }
}

我们常常会组合多个单发数据来实现某些业务逻辑。比如 Rx 中使用 merge 组合多个数据源的读取结果，当本地 Cache 有数据时会先行发送，这有利于冷启后的首屏快速显示

Observable.merge(
    readFromCacheRx().toObservable(),
    readFromRemoteRx().toObservable()
).test()

同样的逻辑，在 Flow 中同样可以基于挂起函数实现。

flowOf(
    flow { emit(readFromRemote()) }, flow { emit(readFromRemote()) })
    .flattenMerge()
    .collect { println("$it") }

流式 > 单发

Rx 中我们可以将一个 Observable 转化成 Single 数据：

fun test() {
    Observable.just(1, 2, 3)
        .toList()
        .doOnSuccess { println("$it") }
        .test()
        
    Observable.just(1, 2, 3)
        .first()
        .doOnSuccess { println("$it") }
        .test()
}

/*
output:
----------
[1, 2, 3]
1
*/

Flow 也提供了类似的操作符比如 first，toList 等，而且直接输出拆箱后的数据，不必再通过 collect 进行收集

data = flowOf(1, 2, 3).toList()
println("$data")

流式 > 单发 > 流式

有一些业务场景中，可能需要流式 > 单发 > 流式这样的多次转换，这里面通常涉及 flatMap 或 concatMap 等的异步转换。

Observable.just(1, 3, 5)
    .concatMapSingle { readFromRemoteRx("$it") }
    .doOnComplete { println("complete") }
    .subscribe { println("next: $it") }
   
/*
output:
---------------------
read from remote: 1
next: 1
read from remote: 3
next: 3
read from remote: 5
next: 5
complete
*/

上面例子中，我们在数据流中串行的进行了三次单发请求并返回结果。相对于串行的 concatMapSingle， Rx 同时还提供了并行版本的 flatMapSingle 。
同样的逻辑如果用 Flow 实现，如下：

runBlocking {
    flowOf(1, 3, 5)
        .flatMapConcat { flow { emit(readFromRemote("$it")) } }
        .onCompletion { println("complete") }
        .collect { println("next: $it") }
}

Flow 的 flatMapConcat 与 Rx 的同名方法功能一样，都是将 flatMap 后的数据流再次进行串行方式。Flow 也提供了 flatMapMerge 处理并行的场景，相当于 Rx 中的 flatMap。出于命名清晰的考虑，Flow 的 flatMap 方法已经 Deprecate 改名为 flatMapMerge。

flatMapConcat 或 flatMapMerge 在转换时每次都要构建一个 Flow<T> ，这对于单发数据是没必要的开销，因此我们可以使用 map 简化：

runBlocking {
    flowOf(1, 3, 5)
        .map { readFromRemote("$it") }
        .onCompletion { println("complete") }
        .collect { println("next: $it") }
}

效果等价于 flatMapConcat，注意 map 无法在并行场景中使用，即使你在 map 中切换了新的线程。Flow 的 map { } 内可调用挂起函数，所以可以基于协程实现异步逻辑，而 Rx 的 map 内只能同步执行，所以有人会将 Flow 的 map 比作 Rx 的 flatMap，这是不准确的，因为 Flow 的 map 并不能使整个数据流串行发射，map 会挂起等待当前数据执行结束后再继续。

流式 > Comletable

Rx 还提供了 Completable 类型，我们可以在流式处理中插入无需返回结果的逻辑，例如下面这种场景

fun saveToCacheRx(data: String): Completable {
    return Completable
        .fromAction { println("saved to cache: $data") }
        .delay(100, TimeUnit.MILLISECONDS)
}

Observable.just(1, 2, 3)
    .flatMapCompletable { saveToCacheRx("$it") }
    .doOnComplete { println("complete") }
    .subscribe { println("next: $it") }
    
/*
output:
-------------------
saved to cache: 1
saved to cache: 2
saved to cache: 3
complete
*/

saveToCacheRx 模拟一个数据存储，Completable 没有任何实际返回值，只用来通知存储已结束，因此日志中没有 next ，只有最后的 complete 。

Flow 如何实现同样的逻辑呢？

suspend fun saveToCache(data: String) {
    delay(100)
    println("saved to cache: $data")
}

runBlocking {
    flowOf(1, 2, 3)
        .flatMapMerge { flow<String> { saveToCache("$it") } }
        .onCompletion { println("complete") }
        .collect { println("next: $it") }
        
/*
output:
-------------------
saved to cache: 1
saved to cache: 2
saved to cache: 3
complete
*/

如上，挂起函数的 saveToCache 没有任何返回值。flow { ... } 中调用的挂起函数执行结束后，Flow 的后续执行就会继续，无需像 Rx 那样通过 onComplete 通知。由于挂起函数没有返回任何数值，next 日志也不会输出。

总结

在 Java 时代，由于语言能力的缺失 RxJava 需要承包包括单发数据在内的处理，而进入 Kotlin 时代，挂起函数处理单发数据已经足矣，Flow 不是处理单发数据的最佳方案，我们在今后选型时因该避免对 Flow 的滥用。管中窥豹，可以预见 Kotlin 及协程的强大似的今后 RxJava 的使用场景将越来越少。