Channel
Channel
的概念与BlockingQueue
相似两者最大的不同在于,后者阻塞式的put
操作变成了挂起等待的send
,而阻塞式的take
变成了挂起等待的receive
val channel = Channel()
launch {
// 这里可能是消耗大量 CPU 运算的异步逻辑,我们将仅仅做 5 次整数的平方并发送
for (x in 1..5) channel.send(x * x)
}
// 这里我们打印了 5 次被接收的整数:
repeat(5) { println(channel.receive()) }
println("Done!")
}
/*
1
4
9
16
25
Done!
*/
与队列不同channel可以关闭,这表明没有更多的元素了,在接收者中可以定期的使用for
循环从channel 中接收元素
val channel = Channel()
launch {
// 这里可能是消耗大量 CPU 运算的异步逻辑,我们将仅仅做 5 次整数的平方并发送
for (x in 1..5) channel.send(x * x)
channel.close()//这里结束发送
}
// 这里我们使用 `for` 循环来打印所有被接收到的元素(直到通道被关闭)
for (y in channel) println(y)
println("Done!")
}
/*
1
4
9
16
25
Done!
*/
构建Channel 生产者
协程持续生成一列数据的模型很常用,就是生产者——消费者模式的一部分,这在并发代码中很常见。你可以选择把这样一个生产者抽象成一个函数,你可以将生产者抽象成一个函数,并且使channel作为它的参数,但这与必须从函数中返回结果的常识相违悖.
这里提供了一个 produce 函数,它可以很方便地构造协程,并且使得生产者的操作更为简便,还有一个扩展函数 consumeEach,它替代了消费者的 for 循环
fun CoroutineScope.produceNumbers() = produce {
for (x in 1..5) send(x * x)
}
fun main(args: Array)= runBlocking {
val squares = produceNumbers()
squares.consumeEach { println(it) }
println("Done!")
}
/*
1
4
9
16
25
Done!
*/
使用Channel 生成素数
fun CoroutineScope.numbersFrom(start: Int) = produce {
var x = start
while (true) send(x++) // 开启了一个从start开始的无限的整数流
}
fun CoroutineScope.filter(numbers: ReceiveChannel, prime: Int) = produce {
for (x in numbers) if (x % prime != 0) send(x)
}
fun main(args: Array)= runBlocking {
var cur = numbersFrom(2)
for (i in 1..10) {
val prime = cur.receive()
println(prime)
cur = filter(cur, prime)
}
coroutineContext.cancelChildren() // 取消所有的子协程来让主协程结束
}
cancelChildren方法可以取消所有子协程
一个生产者,多个消费者
fun CoroutineScope.produceNumbers() = produce {
var x = 0
while (true){
send(x++) // 开启了一个无限的整数流
delay(100L)//延迟0.1S
}
}
fun main(args: Array)= runBlocking {
fun launchProcessor(id: Int, channel: ReceiveChannel) = launch {
channel.consumeEach {
println("Processor #$id received $it")
}
}
val producer = produceNumbers()
repeat(5) { launchProcessor(it, producer) }
delay(950L)
producer.cancel() // 取消生产者协程,kill 所有
}
/**
*
Processor #0 received 0
Processor #0 received 1
Processor #1 received 2
Processor #2 received 3
Processor #3 received 4
Processor #4 received 5
Processor #0 received 6
Processor #1 received 7
Processor #2 received 8
Processor #3 received 9
*/
多个协程可以接收来自同一个channel的数据,它们之间会做分发处理
多个生产者,一个消费者
suspend fun sendString(channel: SendChannel, s: String, time: Long) {
while (true) {
delay(time)
channel.send(s)
}
}
fun main(args: Array)= runBlocking {
val channel = Channel()
launch { sendString(channel, "foo", 200L) }
launch { sendString(channel, "BAR!", 500L) }
repeat(6) { // 接收前六个
println(channel.receive())
}
coroutineContext.cancelChildren() // 取消所有子协程来让主协程结束
}
/**
foo
foo
BAR!
foo
foo
BAR!
*/
多个协程也可以往同一个Channel 发送数据
带缓冲的Channel
没有缓冲的 channel 会在发送者和接收者都准备好之后进行数据传输,如果 send
先调用,那么它会挂起等到 receive
也被调用.
Channel
和produce
函数都有一个参数capacity
,用于指定缓冲区的大小,。缓冲区允许发送者在挂起等待之前先发送几条数据,这和指定 capacity
的 BlockingQueue
相似,缓冲区满了就会阻塞。
fun main(args: Array)= runBlocking {
val channel = Channel(4) // 启动带缓冲的通道
val sender = launch { // 启动发送者协程
repeat(10) {
println("Sending $it") // 在每一个元素发送前打印它们
channel.send(it) // 将在缓冲区被占满时挂起
}
}
// 没有接收到东西……只是等待……
delay(1000)
sender.cancel() // 取消发送者协程
}
/**
Sending 0
Sending 1
Sending 2
Sending 3
Sending 4
*/
Channel 公平
发送和接收都是公平的,使是从不同的协程调用,它也严格按照调用的顺序分配。采取的原则是先进先出
data class Ball(var hits: Int)
suspend fun player(name: String, table: Channel) {
for (ball in table) { // 在循环中接收球
ball.hits++
println("$name $ball")
delay(300) // 等待一段时间
table.send(ball) // 将球发送回去
}
}
fun main(args: Array)= runBlocking {
val table = Channel() // 一个共享的 table(桌子)
launch { player("ping", table) }
launch { player("pong", table) }
table.send(Ball(0)) // 乒乓球
delay(1000) // 延迟 1 秒钟
coroutineContext.cancelChildren() // 游戏结束,取消它们
}
/**
ping Ball(hits=1)
pong Ball(hits=2)
ping Ball(hits=3)
pong Ball(hits=4)
*/
注意,有时因为执行的特性,channel 的生产者的执行并不公平,具体看这个 issue。
计时器Channel
计时器Channel 是一种特别的会合Channel,每次经过特定的延迟都会从该通道进行消费并产生Unit
,虽然它看起来似乎没用,它被用来构建分段来创建复杂的基于时间的 produce
Channel 和进行窗口化操作以及其它时间相关的处理。 可以在 select
中使用计时器Channel 来进行“打勾”操作。
使用工厂方法ticker
来创建Channel, 为了表明不需要其它元素,请使用 ReceiveChannel.cancel
方法
需要注意,ticker 很关注消费者的暂停,默认情况下,如果发生了停顿就会判断下一次生产的元素的延时,你需要试着维护一个固定频率的生产速度。