用 MVI 重构了“新闻流”这个业务场景。本篇在此基础上进一步拓展，引入 MVI 中两个重要的概念PartialChange和Reducer。假设“新闻流”这个业务场景，用户可以触发如下行为：初始化新闻流上拉加载更多新闻举报某条新闻在 MVVM 中，这些行为被表达为 ViewModel 的一个方法调用。在 MVI 中被称为意图Intent，它们不再是一个方法调用，而是一个数据。通常可被这样定义：sealed class FeedsIntent { data class Init(val type: Int, val count: Int) : FeedsIntent() data class More(val timestamp: Long, val count: Int) : FeedsIntent() data class Report(val id: Long) : FeedsIntent()}这样做使得界面意图都以数据的形式流入到一个流中，好处是，可以用流的方式统一管理所有意图。产品文档定义了所有的用户意图Intent，而设计稿定义了所有的界面状态State：data class NewsState( val data: List<News>, // 新闻列表 val isLoading: Boolean, // 是否正在首次加载 val isLoadingMore: Boolean, // 是否正在上拉加载更多 val errorMessage: String, // 加载错误信息 toast val reportToast: String, // 举报结果 toast) { companion object { // 新闻流的初始状态 val initial = NewsState( data = emptyList(), isLoading = true, isLoadingMore = false, errorMessage = "", reportToast = "" ) }}在 MVI 中，把界面的一次展示理解为单个 State 的一次渲染。相较于 MVVM 中一个界面可能被分拆为多个 LiveData，State 这种唯一数据源降低了复杂度，使得代码容易维护。有了 Intent 和 State，整个界面刷新的过程就形成了一条单向数据流，如下图所示：MVI 就是用“响应式编程”的方式将这条数据流中的若干 Intent 转换成唯一 State。初级的转换方式是直接将 Intent 映射成 State，详细分析可以点击如何把业务代码越写越复杂？（二）| Flow 替换 LiveData 重构数据链路，更加 MVI。PartialChange理论上 Intent 是无法直接转换为 State 的。因为 Intent 只表达了用户触发的行为，而行为产生的结果才对应一个 State。更具体的说，“上拉加载更多新闻”可能产生三个结果：正在加载更多新闻。加载更多新闻成功。加载更多新闻失败。其中每一个结果都对应一个 State。“单向数据流”内部的数据变换详情如下：每一个意图会产生若干个结果，每个结果对应一个界面状态。上图看着有“很多条”数据流，但同一时间只可能有一条起作用。上图看着会在 ViewModel 内部形成各种 State，但暴露给界面的还是唯一 State。因为所有意图产生的所有可能的结果都对应于一个唯一 State 实例，所以每个意图产生的结果只引起 State 部分字段的变化。比如 Init.Success 只会影响 NewsState.data 和 NewsState.isLoading。在 MVI 框架中，意图 Intent 产生的结果称为部分变化PartialChange。总结一下：MVI 框架中用数据流来理解界面刷新。数据流的起点是界面发出的意图（Intent），一个意图会产生若干结果，它们称为 PartialChange，一个 PartialChange 对应一个 State 实例。数据流的终点是界面对 State 的观察而进行的一次渲染。连续的状态界面展示的变化是“连续的”，即界面新状态总是由上一次状态变化而来。就像连环画一样，下一帧是基于上一帧的偏移量。这种基于老状态产生新状态的行为称为Reduce，用一个 lambda 表达即是(oldState: State) -> State。界面发出的不同意图会生成不同的结果，每种结果都有各自的方法进行新老状态的变换。比如“上拉加载更多新闻”和“举报新闻”，前者在老状态的尾部追加数据，而后者是在老状态中删除数据。基于此，Reduce 的 lambda 可作如下表达：(oldState: State, change: PartialChange) -> State，即新状态由老状态和 PartialChange 共同决定。通常 PartialChange 被定义成密封接口，而 Reduce 定义为内部方法：// 新闻流的部分变化sealed interface FeedsPartialChange { // 描述如何从老状态变化为新状态 fun reduce(oldState: NewsState): NewsState}这是 PartialChange 的抽象定义，新闻流场景中，它应该有三个实现类，分别是 Init，More，Report。其中 Init 的实现如下：sealed class Init : FeedsPartialChange { // 在初始化新闻流流场景下，老状态如何变化成新状态 override fun reduce(oldState: NewsState): NewsState = // 对初始化新闻流能产生的所有结果分类讨论，并基于老状态拷贝构建新状态 when (this) { Loading -> oldState.copy(isLoading = true) is Success -> oldState.copy( data = news,//方便地访问Success携带的数据 isLoading = false, isLoadingMore = false, errorMessage = "" ) is Fail -> oldState.copy( data = emptyList(), isLoading = false, isLoadingMore = false, errorMessage = error ) } // 加载中 object Loading : Init() // 加载成功 data class Success(val news: List<News>) : Init() // 加载失败 data class Fail(val error: String) : Init()}初始化新闻流的 PartialChange 也被实现为密封的，密封产生的效果是，在编译时，其子类的全集就已经全部确定，不允许在运行时动态新增子类，且所有子类必须内聚在一个包名下。这样做的好处是降低界面刷新的复杂度，即有限个 Intent 会产生有限个 PartialChange，且它们唯一对应一个 State。出 bug 的时候只需从三处找问题：1. Intent 是否发射？ 2. 是否生成了既定的 PartialChange？ 3. reduce 算法是否有问题？将 reduce 算法定义在 PartialChange 内部，就能很方便地获取 PartialChange 携带的数据，并基于它构建新状态。用同样的思路，More 和 Report 的定义如下：sealed class More : FeedsPartialChange { override fun reduce(oldState: NewsState): NewsState = when (this) { Loading -> oldState.copy( isLoading = false, isLoadingMore = true, errorMessage = "" ) is Success -> oldState.copy( data = oldState.data + news,// 新数据追加在老数据后 isLoading = false, isLoadingMore = false, errorMessage = "" ) is Fail -> oldState.copy( isLoadingMore = false, isLoading = false, errorMessage = error ) } object Loading : More() data class Success(val news: List<News>) : More() data class Fail(val error: String) : More()}sealed class Report : FeedsPartialChange { override fun reduce(oldState: NewsState): NewsState = when (this) { is Success -> oldState.copy( // 在老数据中删除举报新闻 data = oldState.data.filterNot { it.id == id }, reportToast = "举报成功" ) Fail -> oldState.copy(reportToast = "举报失败") } class Success(val id: Long) : Report() object Fail : Report()}状态的变换Intent，PartialChange，Reduce，State 定义好了，是时候看看如何用流的方式把它们串联起来！总体来说，状态是这样变换的：Intent -> PartialChange -(Reduce)-> State1. Intent 流入，State 流出class StateFlowActivity : AppCompatActivity() { private val newsViewModel by lazy { ViewModelProvider( this, NewsViewModelFactory(NewsRepo(this)) )[NewsViewModel::class.java] } // 将所有意图通过 merge 进行合流 private val intents by lazy { merge( flowOf(FeedsIntent.Init(1, 5)),// 初始化新闻 loadMoreFlow(), // 加载更多新闻 reportFlow()// 举报新闻 ) } // 将上拉加载更多转换成数据流 private fun loadMoreFlow() = callbackFlow { recyclerView.setOnLoadMoreListener { trySend(FeedsIntent.More(111L, 2)) } awaitClose { recyclerView.removeOnLoadMoreListener(null) } } // 将举报新闻转换成数据流 private fun reportFlow() = callbackFlow { reportView.setOnClickListener { val news = newsAdapter.dataList[i] as? News news?.id?.let { trySend(FeedsIntent.Report(it)) } } awaitClose { reportView.setOnClickListener(null) } } override fun onCreate(savedInstanceState: Bundle?) { super.onCreate(savedInstanceState) setContentView(contentView) // 订阅意图流 intents // Intent 流入 ViewModel .onEach(newsViewModel::send) .launchIn(lifecycleScope) // 订阅状态流 newsViewModel.newState // State 流出 ViewModel，并绘制界面 .collectIn(this) { showNews(it) } }}class NewsViewModel(private val newsRepo: NewsRepo) : ViewModel() { // 用于接收意图的 SharedFlow private val _feedsIntent = MutableSharedFlow<FeedsIntent>() // 意图被变换为状态 val newState = _feedsIntent.map {} // 伪代码，省略了 将 Intent 变换为 State 的细节 // 将意图发送到流 fun send(intent: FeedsIntent) { viewModelScope.launch { _feedsIntent.emit(intent) } }}界面可以发出的所有意图都被组织到一个流中，并且罗列在一起。intents流可以作为理解业务逻辑的入口。同时 ViewModel 提供了一个 State 流，供界面订阅。2. Intent -> PartialChangeclass NewsViewModel(private val newsRepo: NewsRepo) : ViewModel() { private val _feedsIntent = MutableSharedFlow<FeedsIntent>() // 供界面观察的唯一状态 val newState = _feedsIntent .toPartialChangeFlow() .flowOn(Dispatchers.IO) .stateIn(viewModelScope, SharingStarted.Eagerly,NewsState.initial) )}各种 Intent 转换为 PartialChange 的逻辑被封装在toPartialChangeFlow()中：// NewsViewModel.kt// 将 Intent 流变换为 PartialChange 流private fun Flow<FeedsIntent>.toPartialChangeFlow(): Flow<FeedsPartialChange> = merge( // 过滤出初始化新闻意图并将其变换为对应的 PartialChange filterIsInstance<FeedsIntent.Init>().flatMapConcat { it.toPartialChangeFlow() }, // 过滤出上拉加载更多意图并将其变换为对应的 PartialChange filterIsInstance<FeedsIntent.More>().flatMapConcat { it.toPartialChangeFlow() }, // 过滤出举报新闻意图并将其变换为对应的 PartialChange filterIsInstance<FeedsIntent.Report>().flatMapConcat { it.toPartialChangeFlow() },)toPartialChangeFlow() 被定义为扩展方法。filterIsInstance() 用于过滤出Flow<FeedsIntent>中的子类型并分类讨论，因为每种 Intent 变换为 PartialChange 的方式有所不同。最后用 merge 进行合流，它会将每个 Flow 中的数据合起来并发地转发到一个新的流上。merge + filterIsInstance的组合相当于流中的 if-else。其中的 toPartialChangeFlow() 是各种意图的扩展方法：// NewsViewModel.ktprivate fun FeedsIntent.Init.toPartialChangeFlow() = flowOf( // 本地数据库新闻 newsRepo.localNewsOneShotFlow, // 网络新闻 newsRepo.remoteNewsFlow(this.type.toString(), this.count.toString()) ) // 并发合流 .flattenMerge() .transformWhile { emit(it.news) !it.abort } // 将新闻数据变换为成功或失败的 PartialChange .map { news -> if (news.isEmpty()) Init.Fail("no news") else Init.Success(news) } // 发射展示 Loading 的 PartialChange .onStart { emit(Init.Loading) }该扩展方法描述了如何将 FeedsIntent.Init 变换为对应的 PartialChange。同样地，FeedsIntent.More 和 FeedsIntent.Report 的变换逻辑如下：// NewsViewModel.ktprivate fun FeedsIntent.More.toPartialChangeFlow() = newsRepo.remoteNewsFlow("news", "10") .map {news -> if(it.news.isEmpty()) More.Fail("no more news") else More.Success(it.news) } .onStart { emit(More.Loading) } .catch { emit(More.Fail("load more failed by xxx")) }private fun FeedsIntent.Report.toPartialChangeFlow() = newsRepo.reportNews(id) .map { if(it >= 0L) Report.Success(it) else Report.Fail} .catch { emit((Report.Fail)) }3. PartialChange -(Reduce)-> State经过 toPartialChangeFlow() 的变换，现在流中流动的数据是各种类型的 PartialChange。接下来就要将其变换为 State：// NewsViewModel.ktval newState = _feedsIntent .toPartialChangeFlow() // 将 PartialChange 变换为 State .scan(NewsState.initial){oldState, partialChange -> partialChange.reduce(oldState)} .flowOn(Dispatchers.IO) .stateIn(viewModelScope, SharingStarted.Eagerly,NewsState.initial))使用scan()进行变换：// 从 Flow<T> 变换为 Flow<R>public fun <T, R> Flow<T>.scan( initial: R, // 初始值 operation: suspend (accumulator: R, value: T) -> R // 累加算法): Flow<R> = runningFold(initial, operation)public fun <T, R> Flow<T>.runningFold( initial: R, operation: suspend (accumulator: R, value: T) -> R): Flow<R> = flow { // 累加器 var accumulator: R = initial emit(accumulator) collect { value -> // 进行累加 accumulator = operation(accumulator, value) // 向下游发射累加值 emit(accumulator) }}从 scan() 的签名看，是将一个流变换为另一个流，看似和 map() 相似。但它的变换算法是带累加的。用 lambda 表达为(accumulator: R, value: T) -> R。这不正好就是上面提到的 Reduce 吗！即基于老状态和新 PartialChange 生成新状态。