示例：网络请求管理器

import kotlinx.coroutines.*
import java.util.concurrent.atomic.AtomicReference
import java.util.concurrent.CopyOnWriteArrayList

class NetworkRequestManager {
    // 原子引用：线程安全地存储当前准备发送的请求ID
    private val mReadyRequestId by lazy { AtomicReference<String>() }

    // 线程安全的集合：存储所有活跃的网络请求Job
    private val mRequestJobs by lazy { CopyOnWriteArrayList<Job>() }

    // 扩展函数：跟踪Job到集合中
    fun Job.trackRequestJob(requestId: String): Job {
        mReadyRequestId.set(requestId) // 设置当前请求ID
        mRequestJobs.add(this) // 添加到集合
        invokeOnCompletion { job ->
            mRequestJobs.remove(this) // Job完成后从集合移除
            if (isCompletedConnectJobs()) {
                mReadyRequestId.set(null) // 所有请求完成后清理ID
            }
        }
        return this
    }

    // 判断所有请求是否完成
    fun isCompletedRequestJobs(): Boolean {
        return mRequestJobs.isEmpty() || mRequestJobs.all { it.isCompleted }
    }

    // 模拟发起网络请求
    suspend fun sendRequest(requestId: String) {
        val job = GlobalScope.launch {
            // 模拟网络请求
            delay(1000)
            println("Request $requestId completed")
        }
        job.trackRequestJob(requestId) // 跟踪Job
    }
}

// 使用示例
fun main() = runBlocking {
    val manager = NetworkRequestManager()
    manager.sendRequest("req1")
    manager.sendRequest("req2")

    while (!manager.isCompletedRequestJobs()) {
        delay(100)
    }
    println("All requests completed")
}

1. 线程安全的集合使用（CopyOnWriteArrayList）

• 问题：在多线程环境下，如果多个协程同时添加或移除 Job，普通 ArrayList 会抛出 ConcurrentModificationException。
• 解决方案：使用 CopyOnWriteArrayList，它在写入时复制底层数组，读操作无需加锁，适合读多写少的场景。
• 代码体现：

  private val mRequestJobs by lazy { CopyOnWriteArrayList<Job>() }

• 实际意义：确保 mRequestJobs 的操作（如 add、remove）在多线程环境下是安全的。

2. 原子引用（AtomicReference）的应用

• 问题：如果多个线程同时修改 mReadyRequestId，可能导致数据不一致。
• 解决方案：使用 AtomicReference，通过原子操作保证状态修改的线程安全。
• 代码体现：

  private val mReadyRequestId by lazy { AtomicReference<String>() }

• 实际意义：确保 mReadyRequestId 的读写操作是原子的，避免竞态条件。

3. 协程生命周期管理（Job.invokeOnCompletion）

• 问题：需要知道每个网络请求协程何时完成，以便清理资源。
• 解决方案：通过 invokeOnCompletion 监听 Job 的完成事件，并在完成后从集合中移除。
• 代码体现：

  invokeOnCompletion { job ->
      mRequestJobs.remove(this)
      if (isCompletedRequestJobs()) {
          mReadyRequestId.set(null)
      }
  }

• 实际意义：自动清理已完成任务的 Job，避免内存泄漏。

4. 集合状态统一判断（isCompletedRequestJobs）

• 问题：需要统一判断所有网络请求是否完成。
• 解决方案：通过检查集合是否为空或所有 Job 是否完成，返回整体状态。
• 代码体现：

  fun isCompletedRequestJobs(): Boolean {
      return mRequestJobs.isEmpty() || mRequestJobs.all { it.isCompleted }
  }

• 实际意义：提供一种高效的方式来统一管理多个任务的状态。

5. 扩展函数封装（Job.trackRequestJob）

• 问题：重复编写 Job 的跟踪逻辑（如添加到集合、监听完成事件）。
• 解决方案：通过扩展函数封装逻辑，提升代码复用性。
• 代码体现：

  fun Job.trackRequestJob(requestId: String): Job {
      // ...逻辑
  }

• 实际意义：减少重复代码，提高开发效率。