[移动开发]Android—Kotlin-Flow异步流超详细讲解

前言

本来这一篇准备写Jetpack对应的paging的，但在整理资料的时候，发现Kotlin还有Flow未讲解，这个也是一大重点，因此本篇将对Flow进行详解！

方便后续结合Flow与Paging，进行混合讲解！

既然如此！那么Flow是什么呢？

1、认识Flow

1.1 Kotlin Flow 介绍

官方文档给予了一句话简单的介绍：

Flow — cold asynchronous stream with flow builder and comprehensive operator set (filter, map, etc);

Flow 从文档的介绍来看，它有点类似 RxJava 的 Observable。因为 Observable 也有 Cold 、Hot 之分。

官方的就是太官方了，对于不熟悉的RxJava 的小伙伴，光凭这个概念还是有点云里雾里。

我们还是通过一系列小案例来逐步深入Flow！

1.1 如何表示多个值？

仔细想想：挂起函数可以异步的返回单个值，但是该如何异步返回多个计算好的值呢？

emmm…

异步返回多个值能从哪些方面入手呢？

• 集合？
• 序列？
• 挂起函数？
• 当然还有要讲的Flow？

我们来看看这几种方案怎么实现的？

1.1.1 集合

    fun simpleList(): List<Int> = listOf<Int>(1, 2, 3)

    @Test
    fun `test multiple values`() {
        simpleList().forEach { value -> println(value) }
    }

这种方式确实是返回了多个值，但不是异步！

1.1.2 序列

    fun simpleSequence(): Sequence<Int> = sequence {
        for (i in 1..3) {
            //Thread.sleep(1000)  //直接阻塞当前线程，并非异步！
            //delay(1000) //又没有suspend修饰，肯定用不了这个挂起！就算这里用了，下面的test也用不了！
            yield(i)
        }
    }

    @Test
    fun `test multiple values`() {
		simpleSequence().forEach { value -> println(value) }
    }

这种方式也是返回了多个值，但不是异步！

1.1.3 挂起函数

    suspend fun simpleList2(): List<Int> {
        delay(1000)
        return listOf<Int>(1, 2, 3)
    }
    
    @Test
    fun `test multiple values2`() = runBlocking<Unit> {
        simpleList2().forEach { value -> println(value) }
    }

这种方式既返回了多个值，并且也是异步！满足异步返回多个值！

那么Flow方式该怎样呢？

1.1.4 Flow方式

    fun simpleFlow() = flow<Int> {
        for (i in 1..3) {
            delay(1000) //假装在一些重要的事情
            emit(i) //发射，产生一个元素
        }
    }
    @Test
    fun `test multiple values3`() = runBlocking<Unit> {
        simpleFlow().collect { value -> println(value) }
    }

这里我们看到simpleFlow方法，里面使用了delay挂起函数，但这个方法并没有suspend修饰符，因此该方法并不是挂起函数！可以在任意地方使用！（非协程模块，非挂起模块）

看完了上面的示例，现在总结下：

1.1.5 Flow与其他方式的区别

• 名为flow的Flow类型构建起函数
• flow{...}构建块中的代码可以挂起
• 函数simpleFlow不再标有suspend修饰符
• 流使用emit函数发射值
• 流使用collect函数收集值

再来一张图，加深下印象

现在对Flow有了大致的印象，那么它有啥作用呢？

1.2 Flow应用

在Android开发中，文件下载是Flow的一个非常经典的案例

如图所示

当文件下载时，对应的后台下载进度，就可以通过Flow里面的emit发送数据，通过collect接收对应的数据。（后面将会结合Jetpack对应的paging进行讲解）

1.3 冷流

    fun simpleFlow2() = flow<Int> {
        println("Flow started")
        for (i in 1..3) {
            delay(1000)
            emit(i)
        }
    }

    @Test
    fun `test flow is cold`() = runBlocking<Unit> {
        val flow = simpleFlow2()
        println("Calling collect...")
        flow.collect { value -> println(value) }
        println("Calling collect again...")
        flow.collect { value -> println(value) }
    }

运行结果

Calling collect...
Flow started
1
2
3
Calling collect again...
Flow started
1
2
3

从这个运行结果可以看出：

Flow是一种类似于序列的冷流，flow构建器中的代码直到流被收集的时候才运行。

注意：下篇准备讲的channelFlow是热流！

1.4 流的连续性

    @Test
    fun `test flow continuation`() = runBlocking<Unit> {
        (1..5).asFlow().filter {
            it % 2 == 0
        }.map {
            "string $it"
        }.collect {
            println("Collect $it")
        }
    }

运行结果

Collect string 2
Collect string 4

从这个运行效果可知：

• 流的每次单独收集都是按顺序执行的，除非使用特殊操作符
• 从上游到下游每个过度操作符都会处理每个发射出的值，然后再交给末端操作符

1.5 流构建器

    @Test
    fun `test flow builder`() = runBlocking<Unit> {
        flowOf("one","two","three")
                .onEach { delay(1000) }
                .collect { value ->
                    println(value)
                }

        (1..3).asFlow().collect { value ->
            println(value)
        }
    }

运行效果

one
two
three
1
2
3

从这个运行效果可以得知：可以通过对应的flowOf与asFlow构建对应的flow流

1.6 流的上下文

这里将通过几个小案例进行详解

1.6.1 案例一

    fun simpleFlow3() = flow<Int> {
        println("Flow started ${Thread.currentThread().name}")
        for (i in 1..3) {
            delay(1000)
            emit(i)
        }
    }
    
    @Test
    fun `test flow context`() = runBlocking<Unit> {
        simpleFlow3()
                .collect { value -> println("Collected $value ${Thread.currentThread().name}") }
    }

运行效果

Flow started Test worker @coroutine#1
Collected 1 Test worker @coroutine#1
Collected 2 Test worker @coroutine#1
Collected 3 Test worker @coroutine#1

从这里可以看出，从emit到collect 上下文贯穿了所有，都为同一个上下文。

那如果说，想在emit时使用另一个上下文该怎样呢？

1.6.2 案例二

    fun simpleFlow4() = flow<Int> {
        withContext(Dispatchers.Default) {
            println("Flow started ${Thread.currentThread().name}")
            for (i in 1..3) {
                delay(1000)
                emit(i)
            }
        }
    }
    
    @Test
    fun `test flow context`() = runBlocking<Unit> {
        simpleFlow4()
                .collect { value -> println("Collected $value ${Thread.currentThread().name}") }
    }

运行效果

Flow invariant is violated:
		Flow was collected in [CoroutineId(1), "coroutine#1":BlockingCoroutine{Active}@3f3e9270, BlockingEventLoop@67bc91f8],

...略

可以发现，这样写直接崩溃了，并不是Flow invariant is violated:，那么该如何使用呢？

1.6.3 案例三

    fun simpleFlow5() = flow<Int> {
        println("Flow started ${Thread.currentThread().name}")
        for (i in 1..3) {
            delay(1000)
            emit(i)
        }
    }.flowOn(Dispatchers.Default)
    
    @Test
    fun `test flow context`() = runBlocking<Unit> {
        simpleFlow5()
                .collect { value -> println("Collected $value ${Thread.currentThread().name}") }
    }

运行效果

Flow started DefaultDispatcher-worker-1 @coroutine#2
Collected 1 Test worker @coroutine#1
Collected 2 Test worker @coroutine#1
Collected 3 Test worker @coroutine#1

从这几个小案例可以总结出

• 流的收集总是在调用协程的上下文中发生，流的该属性成为上下文保存。
• flow{...}构建器中的代码必须遵循上下文保存属性，并且不允许从其他上下文中发生(emit)
• flowOn操作符，该函数用于更改流发射的上下文

1.7 启动流

1.7.1 案例一

    //事件源
    fun events() = (1..3)
            .asFlow()
            .onEach { delay(100) }
            .flowOn(Dispatchers.Default)

    @Test
    fun `test flow launch`() = runBlocking<Unit> {
        val job = events()
                .onEach { event -> println("Event: $event ${Thread.currentThread().name}") }
//                .collect {}
                .launchIn(CoroutineScope(Dispatchers.IO)) //这里使用另一个上下文传入Flow
//                .launchIn(this)//这里使用当前上下文传入Flow

        delay(200)
        job.cancelAndJoin()
    }

这里我们看到已经取消了collect，而改为了launchIn，对应传入了新的上下文作为Flow的保存上下文。

正因为这里传入的非当前上下文所以需要调用job.join()或者job.cancelAndJoin()，来等待对应Flow完成对应操作

运行效果

Event: 1 DefaultDispatcher-worker-1 @coroutine#2
Event: 2 DefaultDispatcher-worker-1 @coroutine#2

因为这里挂起了两秒就取消了，所以这里并没有打印所有的日志，同时上下文为：DefaultDispatcher

再来看看案例二

1.7.2 案例二

    //事件源
    fun events() = (1..3)
            .asFlow()
            .onEach { delay(100) }
            .flowOn(Dispatchers.Default)

    @Test
    fun `test flow launch`() = runBlocking<Unit> {
        val job = events()
                .onEach { event -> println("Event: $event ${Thread.currentThread().name}") }
//                .collect {}
//                .launchIn(CoroutineScope(Dispatchers.IO)) //这里使用另一个上下文传入Flow
                .launchIn(this)//这里使用当前上下文传入Flow

//        delay(200)
 //       job.cancelAndJoin()
    }

运行效果

Event: 1 Test worker @coroutine#2
Event: 2 Test worker @coroutine#2
Event: 3 Test worker @coroutine#2

因为这里Flow传入的当前上下文，因此不需要额外通过其他方式等待执行完成。

1.8 流的取消

1.8.1 被动取消

    fun simpleFlow6() = flow<Int> {
        for (i in 1..3) {
            delay(1000)
            emit(i)
            println("Emitting $i")
        }
    }


    @Test
    fun `test cancel flow`() = runBlocking<Unit> {
        withTimeoutOrNull(2500) {
            simpleFlow6().collect { value -> println(value) }
        }
        println("Done")
    }

运行效果

1
Emitting 1
2
Emitting 2
Done

这里我们看到，使用了withTimeoutOrNull设置超时的方法，让它在超时情况下取消并停止执行。

不过这个取消都是被动取消，如果主动取消该是怎样呢？

1.8.2 主动取消

    @Test
    fun `test cancel flow check`() = runBlocking<Unit> {
        (1..5).asFlow().collect { value ->
            println(value)
            if (value == 3) cancel()
            println("cancel check ${coroutineContext[Job]?.isActive}")
        }
    }

运行效果

1
cancel check true
2
cancel check true
3
cancel check false
4
cancel check false
5
cancel check false

这里我们看到，主动取消时，对应状态已经变了，但是还是全部执行了！

这是因为这里并没有加入取消检测！

1.8.3 流的取消检测

    @Test
    fun `test cancel flow check`() = runBlocking<Unit> {
        (1..5).asFlow().cancellable().collect { value ->
            println(value)
            if (value == 3) cancel()
            println("cancel check ${coroutineContext[Job]?.isActive}")
        }
    }

这里我们看到使用了cancellable方法！

再次运行看看效果

1
cancel check true
2
cancel check true
3
cancel check false

OK，这里可以看到已经成功的取消了！进入下一专题！

1.9 背压

讲这个之前，我们先看比较原始的案例

    fun simpleFlow8() = flow<Int> {
        for (i in 1..3) {
            delay(100)
            emit(i)
            println("Emitting $i ${Thread.currentThread().name}")
        }
    }

    @Test
    fun `test flow back pressure`() = runBlocking<Unit> {
        val time = measureTimeMillis {
            simpleFlow8()
                .collect { value ->
                    delay(300)   //处理这个元素消耗300ms
                    println("Collected $value ${Thread.currentThread().name}")
                }
        }
        println("Collected in $time ms")
    }

来看看运行效果

Collected 1 Test worker @coroutine#1
Emitting 1 Test worker @coroutine#1
Collected 2 Test worker @coroutine#1
Emitting 2 Test worker @coroutine#1
Collected 3 Test worker @coroutine#1
Emitting 3 Test worker @coroutine#1
Collected in 1237 ms

这里我们看到，这是非常标准的一个生产者—消费者模式，都是一一对应的。那么加上不同的关键字试试？

1.9.1 buffer(xx)

    @Test
    fun `test flow back pressure`() = runBlocking<Unit> {
        val time = measureTimeMillis {
            simpleFlow8()
                .buffer(50)
                .collect { value ->
                    delay(300)   //处理这个元素消耗300ms
                    println("Collected $value ${Thread.currentThread().name}")
                }
        }
        println("Collected in $time ms")
    }

这里我们看到加入了.buffer(50)！来看看运行效果

Emitting 1 Test worker @coroutine#2
Emitting 2 Test worker @coroutine#2
Emitting 3 Test worker @coroutine#2
Collected 1 Test worker @coroutine#1
Collected 2 Test worker @coroutine#1
Collected 3 Test worker @coroutine#1
Collected in 1108 ms

这里我们看到生产的消息先是全堆在一起，然后集中发送，总耗时也比标准的少了一点。

如图所示

我们暂可理解为，buffer(50)将对应的传输通道变长了，使传输通道能够装更多的元素。

接下来，继续看下一个操作符！

1.9.2 conflate()

    @Test
    fun `test flow back pressure`() = runBlocking<Unit> {
        val time = measureTimeMillis {
            simpleFlow8()
                .conflate()
                .collect { value ->
                    delay(300)   //处理这个元素消耗300ms
                    println("Collected $value ${Thread.currentThread().name}")
                }
        }
        println("Collected in $time ms")
    }

运行效果

Emitting 1 Test worker @coroutine#2
Emitting 2 Test worker @coroutine#2
Emitting 3 Test worker @coroutine#2
Collected 1 Test worker @coroutine#1
Collected 3 Test worker @coroutine#1
Collected in 800 ms

这里我们看到，消费者并非全部处理完对应生产者的元素。接着看下一个！

1.9.3 collectLatest{}

    @Test
    fun `test flow back pressure`() = runBlocking<Unit> {
        val time = measureTimeMillis {
            simpleFlow8()
                .collectLatest { value ->
                    delay(300)   //处理这个元素消耗300ms
                    println("Collected $value ${Thread.currentThread().name}")
                }
        }

        println("Collected in $time ms")
    }

这次，将collect换成了collectLatest，看其名，感觉像是只处理最后一个元素，来看看运行效果

Emitting 1 Test worker @coroutine#2
Emitting 2 Test worker @coroutine#2
Emitting 3 Test worker @coroutine#2
Collected 3 Test worker @coroutine#5
Collected in 807 ms

果真如此，该操作符只会处理最后一个元素！最后再来个总结！

1.9.4 背压总结

• buffer()，并发运行流中发射元素的代码；
• conflate()，合并发射项，不对每个值进行处理；
• collectLatest()，取消并重新发射最后一个值

2、操作符

2.1 过渡流操作符

2.1.1 案例一

    suspend fun performRequest(request: Int): String {
        delay(500)
        return "response $request"
    }
  
    @Test
    fun `test transform flow operator`() = runBlocking<Unit> {
        (1..3).asFlow()
            .map { request -> performRequest(request) }
            .collect { value -> println(value) }
    }

运行效果

response 1
response 2
response 3

这里我们看到，将数据流转为Map类型，然后依次发送每个元素！

那如果说，想要发送前后还额外想发送自己的自定义元素该怎么办呢？

    suspend fun performRequest(request: Int): String {
        delay(500)
        return "response $request"
    }
  
    @Test
    fun `test transform flow operator`() = runBlocking<Unit> {
        (1..3).asFlow()
                .transform { request ->
                    emit("Making request $request")
                    emit(performRequest(request))
                }.collect { value -> println(value) }
    }

这里我们看到使用了transform，在对应闭包里使用了emit发送元素，来看看运行效果

Making request 1
response 1
Making request 2
response 2
Making request 3
response 3

从这个运行效果可知：我们可以通过这样的方式，来自定义发射元素！

2.1.2 案例二

    fun numbers() = flow<Int> {
        try {
            emit(1)
            emit(2)
            println("This line will not execute")
            emit(3)
        } finally {
            println("Finally in numbers")
        }
    }

    @Test
    fun `test limit length operator`() = runBlocking<Unit> {
    	//take(2),表示 当计数元素被消耗时，原始流被取消
        numbers().take(2).collect { value -> println(value) }
    }

来看看运行效果

1
2
Finally in numbers

从这个运行效果可知：当消费者处理元素2时，就将对应的原始流给取消掉了！

2.1.3 总结

过渡流操作符：

• 可以使用操作符转换流，就像使用集合与序列一样；
• 过渡操作符应用于上游流，并返回下游流；
• 这些操作符也是冷操作符，就像流一样。这类操作符本身不是挂起函数
• 它运行速度很快，返回新的转换的定义

2.2 末端操作符

末端操作符是在流上用户**启动流收集的挂起函数。**collect是最基础的末端操作符，但是还有另外一些更方便使用的末端操作符：

• 转化为各种集合，比如toList与toSet；
• 获取第一个（first）值与确保流发射单个（single）值的操作符
• 使用reduce与fold将流规约到单个值

说了这么多，来看看怎么使用的！

    @Test
    fun `test terminal operator`() = runBlocking<Unit> {
        val sum = (1..5).asFlow()
            .map {
                println("it * it= ${it * it}")
                it * it
            }
            //从第一个元素开始累加值，并将操作应用于当前累加器值和每个元素
            .reduce { a, b ->
                println("a=$a,b=$b,a+b=${a + b}")
                a + b
            }
        println(sum)
    }

运行效果

it * it= 1
it * it= 4
a=1,b=4,a+b=5
it * it= 9
a=5,b=9,a+b=14
it * it= 16
a=14,b=16,a+b=30
it * it= 25
a=30,b=25,a+b=55
55

一切尽在注释中，虽然有点少！下一个！

2.3 组合多个流

就像Kotlin标准库重的Sequence.zip扩展函数一样，流拥有一个zip操作符用于组合两个流中的相关值！

话不多说，直接开整！

2.3.1 案例一

    @Test
    fun `test zip`() = runBlocking<Unit> {
        val numbs = (1..3).asFlow()
        val strs = flowOf("One", "Two", "Three")
        numbs.zip(strs) { a, b -> "$a -> $b" }.collect { println(it) }
    }

运行效果

1 -> One
2 -> Two
3 -> Three

很简单，通过zip将对应流亚索成一个，然后输出！狠简单，再来个稍微复杂点的！

2.3.2 案例二

   @Test
    fun `test zip2`() = runBlocking<Unit> {
        val numbs = (1..3).asFlow().onEach { delay(300) }
        val strs = flowOf("One", "Two", "Three").onEach { delay(400) }
        val startTime = System.currentTimeMillis()
        numbs.zip(strs) { a, b -> "$a -> $b" }.collect {
            println("$it at ${System.currentTimeMillis() - startTime} ms from start")
        }
    }

哈哈哈，稍微复杂，就是在对应流后面加了额外的挂起等待，就是模拟对应耗时操作

运行效果

1 -> One at 462 ms from start
2 -> Two at 861 ms from start
3 -> Three at 1269 ms from start

因为这里是挂起，并非阻塞，因此numbs与strs在合并发射元素时，他们互相不干扰，各做各的。

因此每次发射用的基础时间是以strs为准，而不是numbs与strs这两者之和。 相信读者能够进一步认识挂起与阻塞的区别。

2.4 展平流

流表示异步接收的值序列，所以很容易遇到这样的情况：每个值都会触发对另一个值序列的请求，然而，由于流具有异步的性质，因此需要不同的展平模式，所以存在一系列的流展平操作符：

• flatMapConcat 连接模式；
• flatMapMerge 合并模式；
• flatMapLatest 最新展平模式

来看看怎么使用！

2.4.1 flatMapConcat 连接模式

    fun requestFlow(i: Int) = flow<String> {
        emit("$i: First")
        delay(500)
        emit("$i: Second")
    }

    @Test
    fun `test flatMapConcat`() = runBlocking<Unit> {
        //Flow<Flow<String>>
        val startTime = System.currentTimeMillis()
        (1..3).asFlow()
            .onEach { delay(100) }
            //.map { requestFlow(it) }
            .flatMapConcat { requestFlow(it) }
            .collect { println("$it at ${System.currentTimeMillis() - startTime} ms from start") }
    }

运行效果

1: First at 147 ms from start
1: Second at 653 ms from start
2: First at 755 ms from start
2: Second at 1256 ms from start
3: First at 1357 ms from start
3: Second at 1859 ms from start

这里我们看到这里将两个流连接了起来，类似于串联模式

2.4.2 flatMapMerge 合并模式

    fun requestFlow(i: Int) = flow<String> {
        emit("$i: First")
        delay(500)
        emit("$i: Second")
    }
    
    @Test
    fun `test flatMapMerge`() = runBlocking<Unit> {
        //Flow<Flow<String>>
        val startTime = System.currentTimeMillis()
        (1..3).asFlow()
            .onEach { delay(100) }
            //.map { requestFlow(it) }
            .flatMapMerge { requestFlow(it) }
            .collect { println("$it at ${System.currentTimeMillis() - startTime} ms from start") }
    }

运行效果

1: First at 166 ms from start
2: First at 261 ms from start
3: First at 366 ms from start
1: Second at 668 ms from start
2: Second at 762 ms from start
3: Second at 871 ms from start

这种模式类似于上面的组合+背压里面的conflate模式，先是生产者将元素全部生成好，随后再通知消费者消费！

2.4.3 flatMapLatest 最新展平模式

    @Test
    fun `test flatMapLatest`() = runBlocking<Unit> {
        //Flow<Flow<String>>
        val startTime = System.currentTimeMillis()
        (1..3).asFlow()
            .onEach { delay(100) }
            //.map { requestFlow(it) }
            .flatMapLatest { requestFlow(it) }
            .collect { println("$it at ${System.currentTimeMillis() - startTime} ms from start") }
    }

运行效果

1: First at 164 ms from start
2: First at 364 ms from start
3: First at 469 ms from start
3: Second at 971 ms from start

这种模式就类似于上面的组合+collectLatest模式。很简单！

3、异常处理

3.1 流的异常处理

当运算符中的发射器或代码抛出异常时，有几种处理异常的方法：

• try/catch块
• catch函数

3.1.1 案例一（try/catch块）

    fun simpleFlow() = flow<Int> {
        for (i in 1..3) {
            println("Emitting $i")
            emit(i)
        }
    }

    @Test
    fun `test flow exception`() = runBlocking<Unit> {
        try {
            simpleFlow().collect { value ->
                println(value)
                //如果值为false，则抛出IllegalStateException和调用lazyMessage的结果。
                check(value <= 1) { "Collected $value" }
            }
        } catch (e: Throwable) {
            println("Caught $e")
        }
    }

运行效果

Emitting 1
1
Emitting 2
2
Caught java.lang.IllegalStateException: Collected 2

这个狠简单，下一个！

3.1.2 案例二（catch函数）

    @Test
    fun `test flow exception2`() = runBlocking<Unit> {
        flow {
            emit(1)
            throw ArithmeticException("Div 0")
        }.catch { e: Throwable -> println("Caught $e") }
            .flowOn(Dispatchers.IO)
            .collect { println(it) }
    }

现在我们直接通过catch {}代码块，来处理对应的异常信息。

运行效果

1
Caught java.lang.ArithmeticException: Div 0

我们看到这样写，所有的逻辑全在catch里面，能不能提出来呢？

    @Test
    fun `test flow exception2`() = runBlocking<Unit> {
        flow {
            emit(1)
            throw ArithmeticException("Div 0")
        }.catch { e: Throwable ->
            println("Caught $e")
            emit(10)
        }.flowOn(Dispatchers.IO).collect { println(it) }

    }

我们看到，将对应逻辑提出来了，而且这样看无论是代码格式以及阅读性都比之前好了多

来看看运行效果

Caught java.lang.ArithmeticException: Div 0
1
10

3.2 流的完成

当流收集完成时（普通情况或异常情况），它可能需要执行一个动作。

• 命令式finally块
• onCompletion声明式处理

3.2.1 案例一（finally块）

 	fun simpleFlow2() = (1..3).asFlow()
 
    @Test
    fun `test flow complete in finally`() = runBlocking<Unit> {
        try {
            simpleFlow2().collect { println(it) }
        } finally {
            println("Done")
        }
    }

很简单的代码块，这个就不贴运行效果了哈，不用想最终会打印Done！

3.2.2 案例二（onCompletion）

    @Test
    fun `test flow complete in onCompletion`() = runBlocking<Unit> {
        simpleFlow2()
                .onCompletion { println("Done") }
                .collect { println(it) }
    }

这里在上一个案例基础上去掉了try…finally，并额外加了onCompletion代码块，里面实现了对应的逻辑

来看看运行效果

1
2
3
Done

很明显和上面一样！

结束语

好了，本篇到这就结束了！相信看到这的小伙伴对Flow异步流有了一个比较清晰的认知！在下一篇中，将会讲解Flow对应的通道-多路复用-并发安全