Days24 Service(二)

本文介绍了Android中的进程间通信(IPC)原理及应用,重点讲解了使用AIDL(Android Interface Definition Language)实现远程过程调用(RPC)的过程。通过具体的案例演示了如何在Activity和服务之间利用Binder的onTransact方法进行数据交换。

概念:
在Android中,每个程序都有自己的进程,当需要在不同的进程间传递对象时,该如何实现呢?
Java中不支持跨进程内存共享,因此要传递对象,需要把对象解析成操作系统能够理解的数据模式,以达到跨界对象访问的目的。这就是远程程序调用RPC.
RPC (Remote Procedure Call)远程程序调用
在Android中RPC的解决方案是通过AIDL方式来实现
Activity、Broadcast、ContentProvider、Service都可以实现跨进程的访问
IPC (Inter-Progress Communication)内部进程通信
什么是AIDL?
(Android Interface Definition Language)它是一种Android内部进程通信接口的描述语言,通过它定义进程间的通信接口,实现进程间通信。
AIDL实现RPC步骤:
1、在服务器端新增ICounter.aidl后缀的文件,里面的内容为接口的定义,注意:接口定义和方法定义都不能显式指定修饰符
2、该aidl文件会被自动编译生成一个ICounter.java文件,其中包含一个静态内部类Stub(Stub类继承Binder类)和方法asInterface(方法的返回值为ICounter实例,方法的参数为IBinder
3、在服务器端新增Service,该service的onBind()方法的返回值为new ICounter.Stub(){public int getNum()},在该匿名内部类中实现getNum()方法
4、需要注册该服务,并指定action(sign)
5、在客户端要新增一个与服务器端完全一致的aidl文件,系统会自动生成与服务器端一样的ICounter.java文件。
6、在Acitivity中以绑定的方式启动服务,其中第一个参数Intent的action为之前服务注册的action(sign),ServiceConnection()实现类的onServiceConnected()方法中通过ICounter.Stub.asInterface(IBinder)来获得ICounter实例
7、通过ICounter的实例调用getNum()方法,就可以在Activity中得到ICounter的getNum()方法的返回值。

案例三:
activity与service之间通过Binder对象的onTransact方法进行数据传递。
备注:当客户端执行了transact方法时,就会回调对应的远程Binder对象的onTransact方法。其中code是用来区分当前客户端所调用的方法,data是输入参数,这个参数不能为NULL,即使你不需要传递任何参数你也应该传递一个空的Parcel对象。reply是含有远程客户端执行接口的Parcel对象,flags是附加的执行远程操作的标志,0表示正常的远程调用,1表示不需要返回值的one-way调用。
MainActivity:

public class MainActivity extends AppCompatActivity {

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        Intent intent = new Intent(this,MyService.class);

        bindService(intent,new MyConn(),BIND_AUTO_CREATE);
    }

    class MyConn implements ServiceConnection{

        @Override
        public void onServiceConnected(ComponentName componentName, IBinder iBinder) {
            MyService.MyBinder binder = (MyService.MyBinder) iBinder;

//          获得一个新的Parcel,相当于new一个对象
            Parcel data = Parcel.obtain();
            data.writeString("我是你的客户端");

            Parcel reply = Parcel.obtain();

            try {
                binder.transact(Binder.FIRST_CALL_TRANSACTION,data,reply,0);

                String replyString = reply.readString();
                Log.d("test1","从服务端来的数据====reply======"+replyString);
            } catch (RemoteException e) {
                e.printStackTrace();
            }
        }

        @Override
        public void onServiceDisconnected(ComponentName componentName) {

        }
    }
}

Service:

public class MyService extends Service {
    public MyService() {
    }

    @Override
    public IBinder onBind(Intent intent) {
        return new MyBinder();
    }

    class MyBinder extends Binder{

        /**
         *Parcel 容器,用来存放数据,用Binder对象进行数据的传递
         *          data 从activity中过来的数据
         *          reply  service到activity的回复
         */
        @Override
        protected boolean onTransact(int code, Parcel data, Parcel reply, int flags) throws RemoteException {

            String dataString = data.readString();
            Log.d("test2","从客户端来的数据------data--------"+dataString);

            reply.writeString("我是你的服务端");

            return super.onTransact(code, data, reply, flags);
        }
    }
}
AI 代码审查Review工具 是一个旨在自动化代码审查流程的工具。它通过集成版本控制系统(如 GitHub 和 GitLab)的 Webhook,利用大型语言模型(LLM)对代码变更进行分析,并将审查意见反馈到相应的 Pull Request 或 Merge Request 中。此外,它还支持将审查结果通知到企业微信等通讯工具。 一个基于 LLM 的自动化代码审查助手。通过 GitHub/GitLab Webhook 监听 PR/MR 变更,调用 AI 分析代码,并将审查意见自动评论到 PR/MR,同时支持多种通知渠道。 主要功能 多平台支持: 集成 GitHub 和 GitLab Webhook,监听 Pull Request / Merge Request 事件。 智能审查模式: 详细审查 (/github_webhook, /gitlab_webhook): AI 对每个变更文件进行分析,旨在找出具体问题。审查意见会以结构化的形式(例如,定位到特定代码行、问题分类、严重程度、分析和建议)逐条评论到 PR/MR。AI 模型会输出 JSON 格式的分析结果,系统再将其转换为多条独立的评论。 通用审查 (/github_webhook_general, /gitlab_webhook_general): AI 对每个变更文件进行整体性分析,并为每个文件生成一个 Markdown 格式的总结性评论。 自动化流程: 自动将 AI 审查意见(详细模式下为多条,通用模式下为每个文件一条)发布到 PR/MR。 在所有文件审查完毕后,自动在 PR/MR 中发布一条总结性评论。 即便 AI 未发现任何值得报告的问题,也会发布相应的友好提示和总结评论。 异步处理审查任务,快速响应 Webhook。 通过 Redis 防止对同一 Commit 的重复审查。 灵活配置: 通过环境变量设置基
【直流微电网】径向直流微电网的状态空间建模与线性化:一种耦合DC-DC变换器状态空间平均模型的方法 (Matlab代码实现)内容概要:本文介绍了径向直流微电网的状态空间建模与线性化方法,重点提出了一种基于耦合DC-DC变换器的状态空间平均模型的建模策略。该方法通过数学建模手段对直流微电网系统进行精确的状态空间描述,并对其进行线性化处理,以便于系统稳定性分析与控制器设计。文中结合Matlab代码实现,展示了建模与仿真过程,有助于研究人员理解和复现相关技术,推动直流微电网系统的动态性能研究与工程应用。; 适合人群:具备电力电子、电力系统或自动化等相关背景,熟悉Matlab/Simulink仿真工具,从事新能源、微电网或智能电网研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握直流微电网的动态建模方法;②学习DC-DC变换器在耦合条件下的状态空间平均建模技巧;③实现系统的线性化分析并支持后续控制器设计(如电压稳定控制、功率分配等);④为科研论文撰写、项目仿真验证提供技术支持与代码参考。; 阅读建议:建议读者结合Matlab代码逐步实践建模流程,重点关注状态变量选取、平均化处理和线性化推导过程,同时可扩展应用于更复杂的直流微电网拓扑结构中,提升系统分析与设计能力。
评论
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