LiveData 라는 Observer 패턴을 구현하기 위한 훌륭한 도구가 있지만 Android 에서 만 사용 가능한 단점이 있기에 코틀린에서 지원하는 Flow 를 사용한 데이터 스트림 구현을 권장합니다.
이 글에서는 Flow 의 개념과 확장 인터페이스인 SharedFlow, StateFlow 에 대해 알아봅니다.
Flow 는 Cold Stream, SharedFlow 와 StateFlow 는 Hot Stream 입니다.
이 부분에 대해 먼저 짚고 넘어가보겠습니다.
Cold Stream
- 데이터를 구독(
collect())한 시점에 flow block 이 실행되어 데이터를 방출(emit())됩니다. - 데이터는 flow 내부에서 생성됩니다.
- 하나의 생산자와 하나의 소비자만 존재합니다.(1:1)
- 보통 하나의 CD와 이를 재생하는 하나의 CD 플레이어로 비유됩니다.
Hot Stream
- 데이터를 구독(
collect())한 시점에는 flow block 이 실행되지 않고 그 시점부터 방출(emit())되는 데이터를 가져옵니다. - 데이터는 flow 외부에서 생성됩니다.
- 하나의 생산자와 다수의 소비자가 존재합니다.(1:N)
- 보통 다수의 청취자가 하나의 라디오 주파수를 맞추는 행위와 비유됩니다.
Flow
코루틴 패키지 내부에 있는 데이터 스트림 구현을 위한 클래스 입니다.
Cold Stream 이고 collect() 시점에 값이 방출되어 내려옵니다.
아래 코드와 같이 Flow builder 를 사용해서 구성할 수 있습니다.
public fun <T> flow(@BuilderInference block: suspend FlowCollector<T>.() -> Unit): Flow<T> = SafeFlow(block)
val count = flow {
emit(1)
emit(2)
}
runBlocking {
count.collect { num ->
println(num)
}
}
1
2
LiveData 와는 달리 단순히 데이터를 흐르게만 할 수 있고 고정하여 사용할 수 없습니다.
실무에서 사용한다면 LiveData 와 같은 데이터 홀더는 별도로 구성해야 한다는 뜻 입니다.
Flow 에서도 데이터 홀더 역할이 가능한 SharedFlow 와 StateFlow 인터페이스를 준비해놓았습니다.
SharedFlow
Flow 를 확장한 인터페이스 입니다.
Hot Stream 이며 Flow 의 데이터 스트림 역할은 물론 데이터를 잠시 저장하는 홀더 역할이 가능합니다.
그리고 추가로 replay, extraBufferCapacity 등의 파라미터를 지원하여 구독에 대한 정책을 설정할 수 있는 기능을 지원합니다.
public fun <T> MutableSharedFlow(
replay: Int = 0,
extraBufferCapacity: Int = 0,
onBufferOverflow: BufferOverflow = BufferOverflow.SUSPEND
): MutableSharedFlow<T>
각 파라미터에 대한 설명입니다.
replay
이전에 내보낸 여러 값을 새 구독자에게 다시 방출할 수 있습니다.
extraBufferCapacity
설정한 수만큼 추가적인 버퍼를 생성하고 emit() 한 데이터를 버퍼에 적재합니다.
onBufferOverflow
버퍼가 가득찬 경우에 아래 옵션으로 정책을 정할 수 있습니다.
BufferOverflow.SUSPEND:emit()이 blocking 됩니다.BufferOverflow.DROP_LATEST: 가장 최근 값을 버리고, 새로운 값으로 대체합니다.BufferOverflow.DROP_OLDEST: 가장 오래된 값을 버리고, 새로운 값으로 대체합니다.
StateFlow
SharedFlow 를 확장한 인터페이스 입니다.
Hot Stream 이며, 이름 그대로 구독자에게 상태 데이터를 방출하기 위한 목적으로 만들어졌습니다.
데이터 홀더 역할을 비롯한 대부분 SharedFlow 와 동일하지만 몇 가지 다른 특징이 있습니다.
- 초기값을 필요로 합니다.
SharedFlow의 Replay Cache 가 지원되지 않습니다.emit()호출 시 이미 적재된 데이터의 중복을 무시(skip)합니다.- 단 하나의 데이터의 최신 상태만을 유지하고 있습니다.
Conclusion
LiveData 대신 Flow 를 권장하는 이유는, SharedFlow 를 비롯한 StateFlow 를 사용하여 데이터 홀더의 역할도 수행이 가능합니다.
게다가 방출되는 데이터를 flow 안에서 zip(), map(), filter() 등의 다양한 확장 함수로 Method Chaining 하여 가공할 수 있는 것이 참 편리하기 때문입니다.
단점인 수명주기를 인식하지 못하는 부분도 flowWithLifecycle() 등의 확장 함수를 통해 보완이 가능한 이유도 있습니다.
하지만 단순 데이터 홀더 역할의 관점에서 생각하면 LiveData 의 사용 방식이 더욱 간편하고, 상용구 코드를 간소화 할 수 있다는 점에서는 장점이기에 상황에 따라 적절히 사용하면 좋을 것 같습니다.