2024年HarmonyOS鸿蒙最新谈一谈在两个商业项目中使用MVI架构后的感悟_mvi viewstate拆分，2024年最新最新阿里HarmonyOS鸿蒙高级面试题及答案

最新推荐文章于 2024-09-22 21:13:18 发布

2401_84870988

最新推荐文章于 2024-09-22 21:13:18 发布

阅读量2k

点赞数 27

分类专栏：程序员文章标签： harmonyos 架构华为

本文链接：https://blog.csdn.net/2401_84870988/article/details/138577222

版权

程序员专栏收录该内容

106 篇文章 0 订阅

订阅专栏

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

在此之前，还请谨记：合适的才是最好的

没有绝对的最好的设计，只有最合适的设计。

再好的架构，都需要遵循其理念并结合项目因地制宜地进行调整，以获得最佳使用效果。所以请读者诸君务必在阅读时，结合自身项目的情况仔细思考以下问题：

引入新框架所解决的痛点、衍生的问题、是否需要进行框架调整？
框架中的角色功能，为什么出现，又有怎样的局限？

单向数据流动

MVI拥抱了结构复杂，但能够灵活应对业务编码时的各种情况，按部就班即可。

从MVI原理图中，可以清晰的看到 “数据” 的流动方向。起始于 Intent，经过分类和选择性消费后产生 Result，对应的reducer函数计算后，得到最新的 State （以及裂变出必要的 Event，图中未体现） ，驱动视图。

注意：

单向 是指 单一方向
此处的 数据 是广义的、宽泛的。
仅描述数据流的 变化方向 ，与数据流的数量无关，但一般 形成有效工作 均需要两条数据流（上行数据流和下行数据流）

即驱动数据流变化的方向是唯一的，在英文中的术语为：Unidirectional Data Flow 简称 UDF。

MVC、MVP中的痛点

前文我们提到，在MVC和MVP中，着眼于 控制、调度 ，并不强调 数据流 的概念。

View和Model间之间的交互，一般有两种编码风格：双向的API调用、单向的API调用+回调：

注意：以下两图并未体现Controller和Presenter细节，仅表意，从View层出发的API调用和回到View层的UI更新

双向API调用如上图。

单向API调用+回调更新UI如上图。

显而易见，这两种方式无法继续抽象，需根据实际业务进行命令式编码。当UI复杂时，难以写出清晰、易读的代码，维护难度激增。

MVVM解决UI更新代码混乱问题

前文我们已经提到：MVVM中通过绑定框架，将UI事件转化为数据变化，驱动业务；业务结果表现为数据变化，驱动UI更新。

显而易见，维护朴素的数据要比直接维护复杂的UI要简单。

但问题也同时产生，data1的变化有两个可能的原因：

Model层业务结果使其变化，并期望它驱动UI更新
View层发生事件，反馈数据变化，并期望它驱动Model层逻辑

因此，框架需要考虑标识数据变化来源、或者其他手段消除方向性所带来的问题。

并且MVVM难以灵活决定的 “何时调用Model层逻辑”，即大多数业务中，都需要结合多个属性的变化形成组合条件来驱动Model层逻辑。

本篇并不重点讨论MVVM，故不再展开MVVM解决循环更新的方案，以及衍生的问题。

尽管如此，MVVM中的数据绑定依旧解决了View层更新繁杂的问题。

用Intent灵活决定何时调用Model

既然数据驱动UI有极大的益处，且View层事件驱动ViewModel的数据变化有很多弊端 （需要建立很高的复杂度） ，那自然需要 趋利避害

仅保留数据驱动UI的部分，并增加Intent用以驱动Model层业务

在于 MVC/MVP 以及 MVVM 对比后不难得出结论：

MVC/MVP中，View层通过调用C/P层API的方式最终调用到Model层业务，方式质朴、无难度。但业务量规模增大后接口方法数也会增多，导致C/P层尾大不掉，难以重用。
MVVM中，VM层总是需要利用 技巧 进行模型概念转换，以满足业务响应满足实际需求，需要很深厚的设计经验才能写出非常优秀的代码，这并不友好。

作者按：我个人认为一个友好的设计，不应当剑走偏锋，而应当大巧不工，能够以力破法，达成 “使用者只需要吃透理论就可以解决各类问题” 的目标。

而MVI在架构角色中设计了Intent的角色：

它包含了业务调用的意图和数据
从设计上可满足 调用 与 实现 的分离
架构模型中以Intent流的形式出现，下游对其的 筛选 、转换 、 消费 等行为可遵循 FP范式 （即函数式编程范式、Functional Programming Patterns） ，逻辑的复用粒度为方法级，复用度更高更灵活
解决了MVVM中的方向性问题、MVC/MVP 中的灵活度问题等

单一可信数据源

我猜测读者诸君都曾听过这个词，将 单一可信数据源 拆解一下：

单一
可信
数据源

在MVI背景下，数据源 指的是视图对应的数据实体，它代表视图的内容状态。

可信指从数据源中获取的数据是 最新的、完整的、可靠的，否则是不可信的，我们没有理由在编码中使用不可信的数据源。

单一是指这样的数据源仅一个。

在经典设计中，其内涵如下图:

按照视图的 所有的 内容状态，定义一个不可变的 ViewState
按照业务初始化 ViewState 实例
Model业务生成驱动 ViewState变化的Result
计算出新状态，Reduce(Pre-ViewState,Result) -> New-ViewState
更新数据源
View层消费ViewState

借助于数据绑定框架，可以很方便地解决视图更新的问题。

想象一下，此时页面UI非常复杂……

如果僵化的信奉这样的 单一 ，情况会如何呢？

复杂（大量属性）的ViewState
复杂的UI更新计算，e.g. 100个属性变了2个，依然需要计算98个属性未变或者全量强制更新

在 APP-A和APP-B中，我分别使用了 DataBinding和Compose，但均无法避免该问题。

何为单一

从机器执行程序的原理上看，我们无法实现 多个内容一致的数据源 在 任意时刻 满足 最新的、可靠的。

将视图视为一个整体，规定它只拥有一个可信的数据源。在此基础上看局部的视图，它们也顺其自然地仅拥有一个可信的数据源。

反过来看，当任意的局部视图仅具有一个可信数据源时，整体视图也仅有一个逻辑上的可信数据源。

据此，我们可以对 经典MVI实现 进行一定程度的改造，将ViewState进行局部分解，使得UI绑定部分的业务逻辑更 清晰、干净。

请注意，复杂度不会凭空消失，我们为了让 “UI绑定的业务逻辑更清晰、干净”、“更新UI的计算量更少”，将复杂度转移到了ViewState的拆分。拆分后，将具有 多个视图部件的单一可信数据源，注意，为了不引起额外的麻烦、并且便于维护扩展，建议遵守以下条件：

基于业务需求，组合数据源形成新数据源
不在数据源的逻辑范围之外进行数据源组合操作

举个虚拟的例子：用户需要实名认证且关注博主，才在界面上显示某功能按钮。下面使用代码分别演示。

考虑到RxJava的广泛度依旧高于Kotlin-Coroutine+flow，数据流的实现采用RxJava

注意，考虑到读者可能会编写demo做UDF局部的验证，下文中的代码以示例目的为主，兼顾编写场景冒烟的方便性，流的类型不一定是构建完整UDF的最佳选择。

经典实现

在经典MVI实现中，需要先定义ViewState

data class ViewState(
/unique id of current login user/
val userId: Int,
/true if the current login user has complete real-name verified/
val realNameVerified: Boolean,
/true if the current login user has followed the author/
val hasFollowAuthor: Boolean
) {
}

并定义ViewModel，创建ViewState流，忽略掉其初始化和其他部分

class VM {
val viewState = BehaviorSubject.create()

//ignore
}

并定义View层，忽略掉其他部分，简单起见暂时不使用数据绑定框架

class View {

private val vm = VM()
lateinit var imgRealNameVerified: ImageView
lateinit var cbHasFollowAuthor: CheckBox
lateinit var someButton: Button

fun onCreate() {
//ignore view initialize

vm.viewState.subscribe {
render(it)
}
}

private fun render(state: ViewState) {
imgRealNameVerified.isVisible = state.realNameVerified
cbHasFollowAuthor.isChecked = state.hasFollowAuthor
someButton.isVisible = state.realNameVerified && state.hasFollowAuthor

//ignore other
}
}

在JS中，JSON并不能附加逻辑，基本等价于Java中的POJO，故在数据源外部处理简单逻辑的情况较为常见。而在Java、Kotlin中可以进行适当的优化，适当封装，使得代码更加干净便于维护：

data class ViewState(
//ignore
) {
fun isSomeFuncEnabled():Boolean = realNameVerified && hasFollowAuthor
}

class View {
//ignore

private fun render(state: ViewState) {
//…

someButton.isVisible = state.isSomeFuncEnabled()
}
}

拆分实现

依旧先定义逻辑上完整的ViewState：

class ComposedViewState(
/unique id of current login user/
val userId: Int,
) {

/**

real-name-verified observable subject,feed true if the current login user has complete real-name verified
*/
val realNameVerified = BehaviorSubject.create()

/**

follow-author observable subject, feed true if the current login user has followed the author
*/
val hasFollowAuthor = BehaviorSubject.create()

val someFuncEnabled = BehaviorSubject.combineLatest(realNameVerified, hasFollowAuthor) { a, b -> a && b }
}

定义ViewModel，子模块数据流均已定义，故而无需再定义全ViewState的流

class VM(val userId: Int) {
val viewState = ComposedViewState(userId)
//ignore
}

编写View层的UI绑定，同样简单起见，不使用数据绑定框架

class View {

private val vm = VM(1)
lateinit var imgRealNameVerified: ImageView
lateinit var cbHasFollowAuthor: CheckBox
lateinit var someButton: Button

fun onCreate() {
//ignore view initialize
bindViewStateWithUI()
}

private fun bindViewStateWithUI() {
vm.viewState.realNameVerified.subscribe {
renderSection1(it)
}

vm.viewState.hasFollowAuthor.subscribe {
renderSection2(it)
}

vm.viewState.someFuncEnabled.subscribe {
renderSection3(it)
}
//…
}

private fun renderSection1(foo:Boolean) {
imgRealNameVerified.isVisible = foo
}

private fun renderSection2(foo:Boolean) {
cbHasFollowAuthor.isChecked = foo
}

private fun renderSection3(foo:Boolean) {
someButton.isVisible = foo
}
}

例子较为简单，在实际项目中，如果遇到复杂页面，则可以分块进行处理。

注意：实际情况中，并没有必要将每一个子数据源拆分到一个View级别的控件，那样过于啰嗦，例子因非常简单而无法丰满起来。 e.g. 针对每一块视图区，例如作者区域，定义子ViewState类，创建其数据流即可。

作者按：务必评估，在一次Model业务产生的Result中，会引起数据流下游的更新次数。为避免产生不可预期的问题，可通过类似以下方式，使下游响应次数表现和经典实现的情况一致。

额外定义PartialChange流或者功能等价的流，它用于标识 reduce 计算的开始和结束，可以将此期间的数据流的变化延迟到最后发送终态

更加推荐定义功能上等价的流

class ComposedViewState(
/unique id of current login user/
val userId: Int,
) {

internal val changes = BehaviorSubject.create()

//ignore

val someFuncEnabled =
BehaviorSubject.combineLatest(realNameVerified, hasFollowAuthor) { a, b -> a && b }.sync(PartialChange.Tag, changes)
}

inline fun <reified T, S> Observable.sync(tag: S, sync: BehaviorSubject): Observable {
return BehaviorSubject.combineLatest(this, sync) { source, syncItem ->
if (syncItem == tag) {
syncItem
} else {
source
}
}.filter { it is T }.cast(T::class.java)
}

修改PartialChange，为reduce函数添加边界：

PartialChange是Model产生的Result的表现物，封装了ViewState的reduce函数逻辑，即如何从 Pre-ViewState 生成新 ViewState

sealed class PartialChange {
open fun reduce(state: ComposedViewState) {

}

/**

同步标记，从头开始到真实PartialChange之间，流的状态生效
*/
object Tag : PartialChange()

object None : PartialChange()

class Foo(val a: Boolean, val b: Boolean) : PartialChange() {
override fun reduce(state: ComposedViewState) {
state.changes.onNext(Tag)
state.realNameVerified.onNext(a)
state.hasFollowAuthor.onNext(b)
state.changes.onNext(this)
}
}
}

要想优雅，需要工具

采用响应式流，避免命令式编码

想来这一点已不需要多做解释。

在Android中，存在 LiveData 组件，它通过简单的方式封装了可观测的数据，但实现方式简单也限制了它的功能 不够强大 。因此，建议使用 RxJava 或者 Kotlin-Coroutine & flow 构建数据流。

本节便不再展开。

采用数据绑定框架

采用 jetpack-compose 或者 DataBinding 均可以移除枯燥的UI命令式逻辑，在APP-A中我使用了DataBinding，在APP-B中我使用了Compose。

在 ViewState的代码很棒时，均可以获得优秀的编程体验，从啰嗦的UI中解放出来。

作者的个人观点:

关于Compose。Compose依旧属于较新的事物，在商业项目中使用存在学习门槛和造轮工作。在目标用户具有较高容忍度的情况下，已然可以进行尝试。

关于DataBinding。一个近乎毁誉参半的工具，关于它的批判，大多集中于：xml中实现的逻辑难以阅读、维护，这实际上是对DataBinding设计的误解而带来的错误使用。

DataBinding本身具有生成VM层的功能，但这一功能并不足够强大，且没有完善的使用指导，而在官方Demo中过度宣传了它，导致大家认为DataBinding就该这样使用。

仅使用基础的数据绑定功能、和Resource或者Context有关的功能（例如字符串模板）、组件生命周期绑定等，适度自定义绑定。

何为状态、何为事件。最后的一公里

首先区别于上文提到的UI事件，这里的状态和事件均产生于数据流的末段，而UI事件处于数据流的首段。

UI事件属于：A possible action that the user can perform that is monitored by an application or the operating system (event listener). When an event occurs an event handler is called which performs a specific task

在展开之前，先用一张图回顾总结上文中对于 单向数据流 & 单一可信数据源 的知识