ionic和react-native基于MAC平台的环境搭建

本文详细介绍了使用macOS进行跨平台开发的环境搭建过程,包括高效工具homebrew、ohmyzsh及Coda2的安装使用,以及ionic和react-native的环境配置与项目创建流程。

前言

做跨平台,尤其是基于ionic和react-native的跨平台开发,强烈推荐使用macos。

高效工具推荐

1.homeberw 。

官网:http://brew.sh/

mac安装homebrew只需要执行一条脚本就可以。在homebrew官方有教程和安装脚本的语句。或者执行如下语句也能够进行安装。记得要全部粘贴。macos自带ruby脚本 不需要单独安装。

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

2.oh my zsh 。

官网:http://ohmyz.sh/
安装教程和是用教程,官方也有。安装可执行如下任何一条语句。

sh -c "$(curl -fsSL https://raw.github.com/robbyrussell/oh-my-zsh/master/tools/install.sh)"
sh -c "$(wget https://raw.github.com/robbyrussell/oh-my-zsh/master/tools/install.sh -O -)"

3.coda2
我一直使用的就是coda2,不过需要单独做破解。能够编写很多很多种语言,而且代码补全和联想以及代码模板非常丰富,并且自带很多协议,能够直接进行预览等优点。

ionic 环境搭建

macos部署ionic比较方便。
首先在安装homebrew的前提下:

  1. 安装nodejs:brew install node
  2. 安装Cordova: npm install -g cordova
  3. 安装ionic:npm install -g phonegap ionic

需要注意的是:在安装nodejs的时候一定要安装4.X版本以上。brew 安装的时候直接检索的是最高版本,我安装的是6.X。另外在安装过程中会提示找不到node-gyp的话,就手动安装以下。还有一些组建会提示更新,通过npm直接手动更新就可以。安装完成如果提示缺失组建,可以通过npm -list进行查看已经安装的组建,然后进行相应操作。如果提示需要更新minimatch,这个在安装完成之后手动执行以下update就行。在安装ionic的时候,会有卡顿或者安装失败,这个正常,多尝试几次就可以,有时候会因为网络等原因造成中断进而导致失败。

ionic创建项目

  1. ionic start myapp (后面可加blank,tabs两种模板声明,还有几个记不清楚了)
  2. ionic platform add android (添加android平台,添加ios也这样操作。然后ionic会在platform这个目录里面生成关于平台的代码以及一些脚本文件,这些脚本分android和ios两个版本,ionic也是通过这种方式实现的跨平台。里面的目录结构和正常的as目录结构差不多,还有gradle配置文件)
  3. ionic build android (构建android项目,构建ios也是这样的。构建成功之后可以在build,output目录下找到生成的apk)
  4. ionic run android (在有模拟器或者真机设备的情况下,启动android)

    如果不适应这种命令行的操作方式,可以使用ionic lab 这个可视化工具。需要翻墙。官方网站是:http://lab.ionic.io/

IONIC Macos 环境搭建基本就算完成了。

react-native 环境搭建

承接上文,在正确安装nodeJs的前提下,在增加几个工具,就可以安装react-native了。步骤如下

  1. brew install nvm (nvm 比npm速度快一些,不过我没什么感觉,它和npm使用方式基本一样)
  2. brew install watchman (React修改source文件的一个工具)
  3. brew install flow (js脚本的类型检查器)
  4. npm install -g react-native-cli (开始安装react-native)

如上四步,就完成了react-native的环境搭建

react-native的基本使用

  1. react-native init myApp (创建名为myMpp的项目,需要很长一会时间,不过可能也是网速的原因,在这里,它会在myApp的并行目录生成一个node_mobiles的目录,里面会有很多的支撑文件,不要随意改动就哦了)
  2. cd myApp (切入到项目目录)
  3. react-native run-android (运行android)

react-native 会直接生成android和ios,所以不需要添加平台。

大概就是这样的部署节奏。稍后补充支撑快速开发的cordova插件信息。react-native我之前没怎么玩过,主要还是在弄ionic,所以我先把ionic相关的一些技巧,还有cordova现有的快速开发插件,在稍后的博文中进行阐述,希望对大家有所帮助,进而与大家产生良性沟通。

内容概要:本文档是一份关于交换路由配置的学习笔记,系统地介绍了网络设备的远程管理、交换机与路由器的核心配置技术。内容涵盖Telnet、SSH、Console三种远程控制方式的配置方法;详细讲解了VLAN划分原理及Access、Trunk、Hybrid端口的工作机制,以及端口镜像、端口汇聚、端口隔离等交换技术;深入解析了STP、MSTP、RSTP生成树协议的作用与配置步骤;在路由部分,涵盖了IP地址配置、DHCP服务部署(接口池与全局池)、NAT转换(静态与动态)、静态路由、RIP与OSPF动态路由协议的配置,并介绍了策略路由ACL访问控制列表的应用;最后简要说明了华为防火墙的安全区域划分与基本安全策略配置。; 适合人群:具备一定网络基础知识,从事网络工程、运维或相关技术岗位1-3年的技术人员,以及准备参加HCIA/CCNA等认证考试的学习者。; 使用场景及目标:①掌握企业网络中常见的交换与路由配置技能,提升实际操作能力;②理解VLAN、STP、OSPF、NAT、ACL等核心技术原理并能独立完成中小型网络搭建与调试;③通过命令示例熟悉华为设备CLI配置逻辑,为项目实施故障排查提供参考。; 阅读建议:此笔记以实用配置为主,建议结合模拟器(如eNSP或Packet Tracer)动手实践每一条命令,对照拓扑理解数据流向,重点关注VLAN间通信、路由选择机制、安全策略控制等关键环节,并注意不同设备型号间的命令差异。
多旋翼无人机组合导航系统-多源信息融合算法(Matlab代码实现)内容概要:本文围绕多旋翼无人机组合导航系统,重点介绍了基于多源信息融合算法的设计与实现,利用Matlab进行代码开发。文中采用扩展卡尔曼滤波(EKF)作为核心融合算法,整合GPS、IMU(惯性测量单元)、里程计电子罗盘等多种传感器数据,提升无人机在复杂环境下的定位精度与稳定性。特别是在GPS信号弱或丢失的情况下,通过IMU惯导数据辅助导航,实现连续可靠的位姿估计。同时,文档展示了完整的算法流程与Matlab仿真实现,涵盖传感器数据预处理、坐标系转换、滤波融合及结果可视化等关键环节,体现了较强的工程实践价值。; 适合人群:具备一定Matlab编程基础信号处理知识,从事无人机导航、智能控制、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多旋翼无人机的高精度组合导航系统设计;②用于教学与科研中理解多传感器融合原理与EKF算法实现;③支持复杂环境下无人机自主飞行与定位系统的开发与优化。; 阅读建议:建议结合Matlab代码与理论推导同步学习,重点关注EKF的状态预测与更新过程、多传感器数据的时间同步与坐标变换处理,并可通过修改噪声参数或引入更多传感器类型进行扩展实验。
源码来自:https://pan.quark.cn/s/28c3abaeb160 在高性能计算(High Performance Computing,简称HPC)范畴内,处理器的性能衡量对于改进系统构建及增强运算效能具有关键价值。 本研究聚焦于一种基于ARM架构的处理器展开性能评估,并就其性能与Intel Xeon等主流商业处理器进行对比研究,特别是在浮点运算能力、存储器带宽及延迟等维度。 研究选取了高性能计算中的典型任务,诸如Stencils计算方法等,分析了在ARM处理器上的移植编译过程,并借助特定的执行策略提升运算表现。 此外,文章还探讨了ARM处理器在“绿色计算”范畴的应用前景,以及面向下一代ARM服务器级SoC(System on Chip,简称SoC)的性能未来探索方向。 ARM处理器是一种基于精简指令集计算机(Reduced Instruction Set Computer,简称RISC)架构的微处理器,由英国ARM Holdings公司研发。 ARM处理器在移动设备、嵌入式系统及服务器级计算领域获得广泛应用,其设计优势体现为高能效比、低成本且易于扩展。 当前的ARMv8架构支持64位指令集,在高性能计算领域得到普遍采用。 在性能测试环节,重点考察了处理器的浮点运算能力,因为浮点运算在科学计算、图形渲染数据处理等高性能计算任务中扮演核心角色。 实验数据揭示,ARM处理器在双精度浮点运算方面的性能达到475 GFLOPS,相当于Intel Xeon E5-2680 v3处理器性能的66%。 尽管如此,其内存访问带宽高达105 GB/s,超越Intel Xeon处理器。 这一发现表明,在数据密集型应用场景下,ARM处理器能够展现出与主流处理器相匹敌的性能水平。 在实践...
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