Σίγουρα κάποια στιγμή σου έχει συμβεί: εκκινείς μια διεργασία στο παρασκήνιο και, ξαφνικά, ο χρήστης κλείνει την οθόνη ή αλλάζει γνώμη. Αν δεν διαχειριστείς σωστά αυτό το νήμα, θα βρεθείς με την εφαρμογή να δουλεύει λες και μηδένισε ο λογαριασμός, καταναλώνοντας μπαταρία και μνήμη RAM σαν να μην υπάρχει αύριο. Εδώ μπαίνει στο παιχνίδι η συνεργατική ακύρωση (cooperative cancellation), μια θεμελιώδης έννοια ώστε οι εφαρμογές μας να μην τρελαίνονται και να είναι πράγματι αποδοτικές. Για να λειτουργήσει αυτό, δεν αρκεί μια εντολή «στάσου»· η coroutine πρέπει να είναι διατεθειμένη να συνεργαστεί και να ελέγξει αν πλέον δεν είναι αναγκαία. Είτε προγραμματίζεις στο οικοσύστημα του Android με Kotlin Coroutines είτε δουλεύεις σε Python με asyncio, το να κατανοείς πότε και πώς να σταματάς μια εργασία είναι η διαφορά ανάμεσα σε μια επαγγελματική εφαρμογή και μια που κλείνει μόνη της από έλλειψη πόρων.
⚠️ Το ψηφιακό σας δακτυλικό αποτύπωμα (διεύθυνση IP) είναι εκτεθειμένο!
Η διεύθυνση IP σας είναι: ανίχνευση…
Κάντε streaming/download/«Σερφάρισμα» στο διαδίκτυο ανώνυμα με το Surfshark .
🌐 Μόνο $45.63 - 27 μήνες + Unlimited devicesΤο περιεχόμενο αυτού του σεναρίου δημιουργείται αυστηρά για εκπαιδευτικούς σκοπούς. Η χρήση γίνεται με δική σας ευθύνη.
Η έννοια της συνεργατικότητας στη διακοπή είναι κεντρική όταν μιλάμε για coroutines. Η ακύρωση δεν είναι ένα ξαφνικό χτύπημα. Δηλαδή, αν εκκινήσεις ένα Job και μετά καλέσεις cancel(), η coroutine δεν σταματάει αμέσως αν εκτελεί ένα βαρύ βρόχο CPU. Για να είναι αποτελεσματική η διαδικασία, η εργασία πρέπει να μπορεί να ανασταλεί ή να ελέγξει ρητά αν έχει ακυρωθεί. Ένας πολύ αποτελεσματικός τρόπος να το πετύχεις στο Kotlin είναι μέσω της συνάρτησης ensureActive(), η οποία εκσφενδονίζει μια εξαίρεση ακύρωσης αν η coroutine δεν είναι πλέον ενεργή. Από την άλλη, όλες οι τυπικές συναρτήσεις αναστολής, όπως το delay ή το withContext, έρχονται ήδη προετοιμασμένες γι’ αυτό, οπότε αν ο κώδικάς σου εξαρτάται από αυτές, έχεις ήδη διανύσει μεγάλο μέρος της διαδρομής. Για τα θεμελιώδη των coroutines, δες τον πλήρη οδηγό μας για το Kotlin Coroutines: launch, async και await.
Διαχείριση Scopes και Dispatchers για την αποφυγή διαρροών
Δεν μπορούμε να εκσφενδονίζουμε εργασίες στον αέρα δίχως έλεγχο. Η χρήση του GlobalScope είναι, γενικά, μια κακή ιδέα γιατί δημιουργεί coroutines που δεν σταματούν αυτόματα, διευκολύνοντας την εμφάνιση διαρροών μνήμης. Το ιδανικό είναι να χρησιμοποιούμε πεδία (scopes) δεμένα στον κύκλο ζωής του στοιχείου, όπως το viewModelScope στο Android, που καθαρίζει μόνο του όταν το ViewModel καταστρέφεται. Για να είναι βέλτιστο το performance, πρέπει να επιλέγουμε σωστά πού εκτελείται η εργασία. Το Dispatchers.Main είναι ιερό για το UI και πρέπει να κάνει μόνο ελαφριές εργασίες. Αν χρειαζόμαστε να διαβάσουμε ένα αρχείο ή να κάνουμε ένα αίτημα σε API, πηδάμε στο Dispatchers.IO. Και αν έχουμε να επεξεργαστούμε ένα τεράστιο JSON ή να κάνουμε πολύπλοκους μαθηματικούς υπολογισμούς, το λογικό είναι να χρησιμοποιήσουμε το Dispatchers.Default, που εκμεταλλεύεται όλους τους πυρήνες της CPU.
Δομημένη συνέχεια και TaskGroups
Όταν χειριζόμαστε πολλαπλές εργασίες ταυτόχρονα, η δομημένη συνέχεια (structured concurrency) είναι η καλύτερή μας σύμμαχος. Στο Python, η κλάση TaskGroup επιτρέπει την εκκίνηση πολλαπλών εργασιών και διασφαλίζει πως όλες ολοκληρώνονται πριν βγούμε από το μπλοκ. Το ενδιαφέρον είναι πως αν μια από τις εργασίες αποτύχει, το group ακυρώνει αυτόματα τις υπόλοιπες αδελφές διεργασίες, αποτρέποντας το να μείνουν ζόμπι εργασίες τρέχοντας στο βάθος. Στο Kotlin, μπορούμε να πετύχουμε παρόμοιο αποτέλεσμα με το coroutineScope ή το supervisorScope. Η διαφορά είναι πως ο επόπτης (supervisor) δεν ρίχνει τις αδελφές αν αποτύχει μία, κάτι ζωτικό όταν οι εργασίες είναι ανεξάρτητες μεταξύ τους και δεν θέλουμε ένα στιγμιαίο λάθος να σταματήσει ολόκληρη τη ροή εργασίας.
Χειρισμός σφαλμάτων και η παγίδα των εξαιρέσεων
Εδώ είναι που πολλοί προγραμματιστές κάνουν το λάθος. Κατά την αιχμαλώτιση εξαιρέσεων με ένα μπλοκ try-catch, είναι πολύ συνηθισμένο να πιάνουν όλες τις γενικές Exception. Το πρόβλημα είναι πως η CancellationException είναι το σήμα που χρησιμοποιεί το σύστημα για να σταματήσει η coroutine. Αν την πιάσεις και δεν την ξαναρίξεις, «εξαπατάς» το σύστημα και η εργασία θα συνεχίσει να τρέχει ακόμη κι αν του ζήτησες να σταματήσει. Ο χρυσός κανόνας είναι να αιχμαλωτίζεις συγκεκριμένες εξαιρέσεις, όπως την IOException, και να αφήνεις αυτές της ακύρωσης να ρέουν ελεύθερα. Μόνο αν χρειάζεσαι μια βαθιά καθαριότητα πόρων (όπως το κλείσιμο ενός αρχείου ή μιας σύνδεσης), μπορείς να χρησιμοποιήσεις ένα μπλοκ finally για να σιγουρευτείς πως όλα θα είναι αψηλάφητα πριν η coroutine εξαφανιστεί οριστικά.
Αντιδραστικές ροές δεδομένων με Flow και asyncio
Για περιπτώσεις όπου δεν θέλουμε ένα μοναδικό αποτέλεσμα αλλά μια σταθερή ροή δεδομένων, το κλειδί είναι η χρήση των StateFlow και SharedFlow στο Kotlin ή των ασύγχρονων επαναληπτών στο Python. Στο Android, το μοτίβο της χρήσης ενός StateFlow στο repository και της συλλογής του στην UI μέσω collectAsStateWithLifecycle επιτρέπει η συλλογή δεδομένων να παύει αυτόματα όταν η εφαρμογή περνά στο παρασκήνιο. Αν έχεις μια λειτουργία αναζήτησης όπου ο χρήστης πληκτρολογεί γράμμα προς γράμμα, δεν θες να εκτοξεύεις δέκα αιτήματα στον διακομιστή. Εδώ λάμπει το collectLatest, αφού ακυρώνει αυτόματα την προηγούμενη συλλογή. Για περισσότερα πάνω σε ροές στο Android, δες τον οδηγό μας για το StateFlow και SharedFlow, ενώ για πολυπλατφορμική ανάπτυξη με Kotlin μελέτησε τη δημιουργία SaaS εφαρμογής με KMP και Ktor.
