防抖与限流

源：Flow buffering

在处理高频触发的事件流（如用户输入、传感器采集或滚动回调）时，如果不加控制地处理每一个发射值，会导致 CPU 过载、无效的 UI 刷新或密集的网络请求。Flow 提供了一系列时间算子，允许开发者根据时间窗口对数据流进行精确的降频处理。

防抖：debounce

debounce（防抖）的核心逻辑是：只有当上游在指定的时间窗口内没有发射新值时，才发射最后一个值。如果新值在窗口期内到来，则计时器重置。

• 逻辑本质：寻求“稳定态”。
• 应用场景：搜索联想、输入校验、保存配置到本地。

搜索框实战

searchQueryFlow
    // 用户停止打字 300ms 后才触发请求
    .debounce(300L) 
    .flatMapLatest { query -> fetchResults(query) }
    .collect { showUI(it) }

动态阈值

flow {
    emit(1); delay(100)
    emit(2); delay(500) // 停顿足够长
    emit(3)
}
.debounce { value ->
    // 可以为不同的值设置不同的防抖时间
    if (value % 2 == 0) 200L else 400L
}
.collect { println(it) }

采样：sample

sample（采样）按固定的时间周期提取流中的最新值。无论上游发射多快，每一个周期内最多只能下发一个值。

• 逻辑本质：强制“匀速化”。
• 应用场景：仪表盘 UI 刷新、高频传感器数据观测。

与 conflate 的区别

conflate 取决于消费者的处理速度，而 sample 取决于预设的时间周期。即使消费者处理很快，sample 依然会按照固定频率控制数据流。

// 传感器每 1ms 发射一次数据
sensorFlow
    .onEach { compute(it) }
    .sample(100L) // 每 100ms 取一次最新状态更新 UI
    .collect { updateDashboard(it) }

进阶：自定义节流算子 (Throttle)

虽然 Kotlin 官方库目前未直接内置名为 throttleFirst 的操作符，但在 Android 开发中，“防连击”是一个极高频的需求。我们可以利用 flow 构建器快速实现。

throttleFirst 逻辑实现

接收第一个值并立即发射，随后在指定窗口期内忽略所有值。

fun <T> Flow<T>.throttleFirst(windowDuration: Long): Flow<T> = flow {
    var lastEmissionTime = 0L
    collect { value ->
        val currentTime = System.currentTimeMillis()
        if (currentTime - lastEmissionTime > windowDuration) {
            lastEmissionTime = currentTime
            emit(value)
        }
    }
}

// 应用：防止按钮 500ms 内重复点击
buttonClickFlow
    .throttleFirst(500L)
    .collect { doSubmit() }

核心开发准则

1. 选择 debounce 的直觉：只要涉及“等待用户输入结束”或“消除抖动”的场景，首选 debounce。
2. 选择 sample 的直觉：只要涉及“高频数据流中提取特征点”或“固定频率同步 UI”的场景，首选 sample。
3. 不要在 debounce 中执行重型计算：debounce 本身涉及协程的定时挂起与取消。如果其下游处理太慢，依然会触发背压。建议配合 flowOn 将计算转移到后台。
4. 注意内存开销：debounce 需要在内存中短暂持有未发射的元素。在处理超大数据块时，应留意内存占用。
5. 合理组合 distinctUntilChanged：在 debounce 或 sample 之后紧跟 distinctUntilChanged 是一个极佳的实践，可以进一步减少不必要的 UI 重绘。