LiveData“数据倒灌“解决方案

2023-10-16 06:10

本文主要是介绍LiveData“数据倒灌“解决方案,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

最近在项目中通过LiveData订阅首页数据和加载更多数据,正常情况下没啥问题,结果当我点击了旋转噩梦开始了

样例说明

  • 两个接口,一个用于加载首页,一个用于上拉加载,分别通过两个不同的livedata进行订阅,添加数据到同一个RecyclerView中
  • 加载一次首页后上拉一次

正常情况

image.png

旋转后

image.png

上面日志可以看出,加载首页有25条数据,上拉加载增加了20条,一共45条数据显示正常,但是旋转后发生了出人意料的情况界面出现了65条数据, 除去我们正常显示的45条,追加了重复的最后20条数据,这并不是我想要的结果,那这个是什么导致的呢?

数据倒灌

LiveData天生就是粘性的,当我们重复订阅的时候,会返回最后一次结果,这也是产生上面现象的原因

LiveData粘性特性有利也有弊,还是以上面的例子举例

  • 首页恢复

对于需要长期保存的数据,通过viewmodel和LiveData结合使用,我们在特定的场景重建后能快速恢复界面,避免接口的频繁调用

  • 分页恢复

对于用完即走的数据,我们应该避免重复订阅,例如上面的分页结果,我们没有必要保存它在内存中,数据已经添加到list中了,没必要多存一份在livedata中,浪费资源

重学安卓:LiveData 数据倒灌 背景缘由全貌 独家解析

解决方案

推荐使用KunMinx大佬的UnPeekLiveData 

implementation 'com.kunminx.arch:unpeek-livedata:6.1.0-beta1'

特性

  • 一条消息能被多个观察者消费(since v1.0)
  • 消息被所有观察者消费完毕后才开始阻止倒灌(since v4.0)
  • 可以通过 clear 方法手动将消息从内存中移除(since v4.0)
  • 让非入侵设计成为可能,遵循开闭原则(since v3.0)
  • 基于 "访问权限控制" 支持 "读写分离",遵循唯一可信源的消息分发理念(since v2.0,详见 ProtectedUnPeekLiveData)
  • ...

相关代码

private var _homeLiveData = MutableLiveData<DataResult<List<BaseHomeUI>>>()val homeLiveData: LiveData<DataResult<List<BaseHomeUI>>>get() = _homeLiveData//修改前,存在数据倒灌
//val _loadArticleMoreLiveDa = MutableLiveData<PageResult<List<BaseHomeUI>>>()//修改后val _loadArticleMoreLiveDa = UnPeekLiveData<PageResult<List<BaseHomeUhomeViewModel.homeLiveData.observe(viewLifecycleOwner, Observer {when (it) {is DataResult.Success -> {LogUtils.eTag("HomeFragment", "加载首页", "item数量: " + it.data!!.size)homeItemAdapter?.setNewInstance(it.data!! as MutableList<BaseHomeUI>)}else -> {}}})//TODO 存在数据倒灌homeViewModel._loadArticleMoreLiveDa.observe(viewLifecycleOwner, Observer {when (it) {is PageResult.Success -> {LogUtils.eTag("HomeFragment","加载更多","item数量: " + it.data!!.size,"当前页数: " + homeViewModel.currentPage,"到尾部: " + it.hasMore)homeItemAdapter?.addData(it.data!!)if (it.hasMore == true) {homeItemAdapter?.loadMoreModule?.loadMoreComplete()} else if (it.hasMore == false) {homeItemAdapter?.loadMoreModule?.loadMoreEnd()}}else -> {}}// homeViewModel._loadArticleMoreLiveDa.clear()})

效果展示

ezgif.com-gif-maker.gif

这篇关于LiveData“数据倒灌“解决方案的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/219579

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者