Android アプリ開発において、StateFlow は UI 状態管理に不可欠です。しかし、実際の開発では以下の課題に直面することがあります：

StateFlow から別の StateFlow への変換
複数の StateFlow を組み合わせた StateFlow の作成

本記事では、これらの課題を解決する mapState と combineState を提案し、Android アプリ開発での活用例を紹介します。

標準的なアプローチの問題点

StateFlow を別の StateFlow に変換する標準的なアプローチ（従来手法）では、map / combine と stateIn を組み合わせて使用します：

class UserViewModel : ViewModel() {
    private val user = MutableStateFlow(User(name = "太郎", age = 25))

    val userName: StateFlow<String> = user
        .map { it.name } // Flow<String> になる
        .stateIn(
            scope = viewModelScope, // CoroutineScope が必要
            started = SharingStarted.WhileSubscribed(5000), // 用途ごとに選択
            initialValue = user.value.name, // 初期値を重複して定義
        )
}

この従来手法には次のような問題があります：

CoroutineScope への依存：コルーチンの起動が必要
メモリ使用量の増加：変換後の値をメモリに保持するため
オーバーヘッド：非同期処理に伴うコルーチン起動コストが発生する
実装量が多い：started の指定や初期値の定義などが必要

同期処理で変換・合成する関数 `mapState` / `combineState` の実装

今回提案する mapState / combineState は次の要件を満たします：

軽量性：CoroutineScope や追加リソースが不要
効率性：必要なときに変換処理を実行し、メモリにキャッシュしない
互換性：StateFlow との完全な互換性

mapState / combineState は StateFlow を直接実装し、値を参照する際に transform を実行するように動作します¹：

inline fun <T, R> StateFlow<T>.mapState(
    crossinline transform: (T) -> R,
): StateFlow<R> {
    val source = this

    @Suppress("UnnecessaryOptInAnnotation")
    @OptIn(ExperimentalForInheritanceCoroutinesApi::class)
    return object : StateFlow<R> {
        override val value: R
            get() = transform(source.value)

        override val replayCache: List<R>
            get() = listOf(value)

        override suspend fun collect(collector: FlowCollector<R>): Nothing {
            source
                .map(transform = transform)
                .distinctUntilChanged()
                .collect(collector = collector)
            awaitCancellation()
        }
    }
}

inline fun <reified T, R> combineState(
    vararg flows: StateFlow<T>,
    crossinline transform: (Array<T>) -> R,
): StateFlow<R> {
    @Suppress("UnnecessaryOptInAnnotation")
    @OptIn(ExperimentalForInheritanceCoroutinesApi::class)
    return object : StateFlow<R> {
        override val value: R
            get() = transform(flows.map { it.value }.toTypedArray())

        override val replayCache: List<R>
            get() = listOf(value)

        override suspend fun collect(collector: FlowCollector<R>): Nothing {
            combine(flows = flows, transform = transform)
                .distinctUntilChanged()
                .collect(collector = collector)
            awaitCancellation()
        }
    }
}

Android アプリ開発での利用例

`mapState` による変換例

従来手法で map + stateIn を使っていた部分を mapState に置き換え、実装を簡素化できます：

class UserProfileViewModel : ViewModel() {
    private val user = MutableStateFlow(User(name = "太郎", age = 25))

    // 従来手法
    val userNameLegacy = user
        .map { it.name }
        .stateIn(
            scope = viewModelScope,
            started = SharingStarted.WhileSubscribed(5000),
            initialValue = user.value.name,
        )

    // 提案手法
    val userName = user
        .mapState { it.name }
}

`combineState` による合成例

複数の StateFlow を組み合わせる場合も同様です：

class UserEditViewModel : ViewModel() {
    private val name = MutableStateFlow("")
    private val age = MutableStateFlow(0)

    // 従来手法
    val userLegacy = combine(name, age) { name, age ->
        User(name = name, age = age)
    }.stateIn(
        scope = viewModelScope,
        started = SharingStarted.WhileSubscribed(5000),
        initialValue = User(name = name.value, age = age.value),
    )

    // 提案手法
    val user = combineState(name, age) { name, age ->
        User(name = name, age = age)
    }
}

処理内容

map / combine + stateIn（従来手法）と mapState / combineState（提案手法）の処理内容をまとめると次の通りです：

項目	`map` / `combine` + `stateIn`	`mapState` / `combineState`
CPU 使用量	低（キャッシュ済み値）	高（参照時に計算）
メモリ使用量	高（キャッシュ保持）	低（都度計算）
初期化コスト	高（コルーチン起動）	低（オブジェクト作成）
`CoroutineScope`	必要	不要

従来手法と提案手法の使い分け

従来手法と提案手法はそれぞれにメリットがあります。次の条件を満たすときに提案手法を選択することを推奨します：

変換処理が軽い場合（文字列結合、数値計算など）
同期処理で実行したい
value の参照頻度が低い

以下の場合は従来手法を利用してください：

変換処理が重い場合（リストのソートや画像処理など）
副作用を含む（ログ出力、データベース更新など）

まとめ

本記事では、StateFlow の変換・合成における従来手法の課題を整理し、それを解決する mapState / combineState を提案しました。提案手法は、実装量の削減、メモリ効率の向上、初期化コストの低減を実現しつつ、適切な条件下で効率的に動作します。変換処理の特性やアクセス頻度に応じて使い分けることで、より柔軟で効率的な UI 状態管理が可能になります。

参考文献

StateFlow の実装は不安定・実験的なため、@Suppress("UnnecessaryOptInAnnotation") と @OptIn(ExperimentalForInheritanceCoroutinesApi::class) が必要です。 ↩