鸿蒙系统中的 JS 开发框架

鸿蒙的JS框架ace_lite_jsfwk采用轻量级设计,核心代码仅约300-400行,实现类似Vue2的响应式系统。框架主要由C/C++构成,使用JerryScript作为JavaScript引擎,支持ECMAScript5.1。Ace_Lite框架通过观察者模式实现MVVM,提供声明式API和数据驱动视图,简化应用开发。

今天鸿蒙终于发布了,开发者们也终于“沸腾”了。

源码托管在国内知名开源平台码云上,https://gitee.com/openharmony

我也第一时间下载了源码,研究了一个晚上,顺带写了一个 hello world 程序,还顺手给鸿蒙文档提了 2 个 PR。

当然我最感兴趣的就是鸿蒙的 JS 框架 ace_lite_jsfwk,从名字中可以看出来这是一个非常轻量级的框架,官方介绍说是“轻量级 JS 核心开发框架”。

当我看完源码后发现它确实轻。其核心代码只有 5 个 js 文件,大概也就 300-400 行代码吧。(没有单元测试)

  • runtime-core\src\core\index.js

  • runtime-core\src\observer\observer.js

  • runtime-core\src\observer\subject.js

  • runtime-core\src\observer\utils.js

  • runtime-core\src\profiler\index.js

从名字可以看出来,这些代码实现了一个观察者模式。也就是说,它实现了一个非常轻量级的 MVVM 模式。通过使用和 vue2 相似的属性劫持技术实现了响应式系统。这个应该是目前培训班的“三大自己实现”之一了吧。(自己实现 Promise,自己实现 vue,自己实现 react)

utils 里面定义了一个 Observer 栈,存放了观察者。subject 定义了被观察者。当我们观察某个对象时,也就是劫持这个对象属性的操作,还包括一些数组函数,比如 push、pop 等。这个文件应该是代码最多的,160 行。observer 的代码就更简单了,五六十行。

而当我们开发的时候,通过 Toolkit 将开发者编写的 HML、CSS 和 JS 文件编译打包成 JS Bundle,然后再将 JS Bundle 解析运行成C++ native UI 的 View 组件进行渲染。

“通过支持三方开发者使用声明式的 API 进行应用开发,以数据驱动视图变化,避免了大量的视图操作,大大降低了应用开发难度,提升开发者开发体验”。基本上就是一个小程序式的开发体验。

在 src\core\base\framework_min_js.h 文件中,这段编译好的 js 被编译到了 runtime 里面。编译完的 js 文件不到 3K,确实够轻量。

js runtime 没有使用 V8,也没有使用 jscore。而是选择了 JerryScript。JerryScript 是用于物联网的超轻量 JavaScript 引擎。它能够在内存少于 64 KB 的设备上执行 ECMAScript 5.1 源代码。这也是为什么在文档中说鸿蒙 JS 框架支持 ECMAScript 5.1 的原因。

从整体看这个 js 框架大概使用了 96% 的 C/C++ 代码,1.8% 的 JS 代码。在 htm 文件中写的组件会被编译为原生组件。而 app_style_manager.cpp 和同级的七八个文件则用来解析 css,最终生成原生布局。

虽然在 SDK 中有几个 weex 包,也发现了 react 的影子。但是在 C/C++ 代码中并没有看到 yoga 相关的内容(全局搜索没发现)。而 SDK 中的那些包仅仅是做 loader 用的,大概是为了在 webpack 打包时解析 htm 组件用的。将 htm 的 template 编译为 js 代码。

整体而言,比我预想的要好一些。

内容概要:本文系统性地介绍了基于前馈神经网络(FFNN)的空压机负荷预测方法,并采用Matlab平台实现完整代码。研究聚焦于工业压缩空气系统的能耗特性,通过构建人工神经网络模型对负荷时序数据进行建模与预测,旨在提升能源管理的精细化水平与运行效率。文中详述了数据预处理、特征工程、网络结构设计、模型训练、超参数调优及预测性能评估等关键环节,充分展现了神经网络在处理非线性、时变负荷序列方面的强大拟合能力。所提供的Matlab代码具备良好的可读性与可复现性,便于读者深入理解算法细节并迁移应用于相似的工业预测场景。; 适合人群:具备Matlab编程基础和机器学习基本理论的科研人员、电气工程及相关专业的高校研究生、从事工业节能、智能制造与能源系统优化的技术工程师。; 使用场景及目标:①实现工业压缩空气系统的短期与中期负荷预测,支撑节能优化与设备调度决策;②作为智能能源管理系统(如微电网、综合能源系统)中的核心负荷预测模块;③为风电、光伏、用电负荷等相关领域的时序预测问题提供方法借鉴与技术参考;④辅助科研人员掌握基于神经网络的预测建模流程,完成学术复现与技术创新。; 阅读建议:建议读者结合提供的Matlab代码进行逐行调试与运行,重点剖析输入特征的选取依据、FFNN网络层数与神经元数量的设计逻辑、激活函数与损失函数的选择,以及训练过程中学习率、迭代次数等参数的调整策略。鼓励在不同工况或数据集上进行迁移实验,以深入理解模型的泛化性能与鲁棒性。
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 Visio 资源素材集合涵盖了大量的网络拓扑图资源,对于绘制拓扑图具有显著的辅助作用。此类资源素材能够协助用户迅速构建拓扑图,从而有效提升工作效能。Visio 资源素材的主要特性包括: 1. 矢量图形:所有图形元素均采用矢量格式,无论放大或缩小都不会出现失真现象,能够适应多样化的使用情境。 2. 高度紧凑:每个图形元素占用的磁盘存储空间非常有限,多数情况下在 2~3K 范围内,有助于节约存储资源。 3. 图形库内容丰富:图形库内提供了多样化的图形资源,涵盖了计算机、网络设备、服务器、交换机、路由器等多种类别。 4. 多版本兼容:图形库提供两个版本选择:适用于 PowerPoint 的版本和适用于 Visio 的版本,能够满足不同场景下的使用需求。Visio 资源素材的构成要素: 1. 抽象图形:抽象图形分为三个色系:浅紫色、黄色、深蓝色,其内容保持一致,仅色彩有所区别。 2. 网络设备图形:包含了计算机、服务器、交换机、路由器等图形元素。 3. 网络拓扑图形:涵盖了网络拓扑图形、MetroLan Switch、OLT、MDBridge 等多种图形。Visio 资源素材的应用方法: 1. 精选图形:依据不同的使用需求,挑选适宜的图形,例如选用浅紫色系列的图形来表示服务器,或采用黄色系列的图形来表示交换机。 2. 图形库应用:在 Visio 软件中利用图形库,能够快速构建拓扑图,显著提升工作效能。 3. 图形定制:如需个性化调整,可根据自身需求对图形进行定制,例如调整图形的色彩、尺寸等。Visio 资源素材的优势之处: 1. 工作效能提升:借助 Visio 资源素材,能够迅速完成...
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值