使用AsyncToken和CallResponder的注意事项

本文介绍了Flex框架中AsyncToken和CallResponder的概念及其在异步RPC调用中的作用。通过实例说明了它们如何管理和响应服务调用结果,并讨论了使用它们进行数据绑定时的注意事项。
  1、 认识AsyncToken和CallResponder
  1) AsyncToken 该类为异步 RPC 操作提供设置额外数据或标记级别数据的位置。它也允许为单独的调用附加 IResponder。可从 token 属性的 ResultEvent 和 FaultEvent 中引用 AsyncToken。 2) CallResponder 此组件帮助您管理从基于 RPC 的服务(通常从 MXML 组件)进行的异步调用的结果。尽管每个服务和操作都会分派结果和错误事件,但是通常需要在应用程序的不同部分使用相同的操作。在整个应用程序中使用一个事件侦听器或 lastResult 值可能非常不方便。您可以使用简单轻型的 CallResponder 为服务的特定调用管理事件侦听器和 lastResult 值,而不是创建引用同一服务的两个服务组件。
  可以将此组件的 token 属性设置为服务返回的 AsyncToken。然后,可以在此组件上添加事件侦听器,而无需将其添加到返回的每个 AsyncToken。此组件还保留了 lastResult 属性,该属性是此服务监视的标记所分派的上一个成功结果事件返回的值的副本。尽管您可以绑定到callResponder.token.result或callResponder.lastResult,但是,当第二次调用同一个服务时,将保留callResponder.lastResult;当启动新的服务调用时,将重置 callResponder.token.result。
  3) AsyncToken和CallResponder的关系
  AsyncToken可以添加多个IResponder处理;CallResponder是IResponder的实现,其除了默认的fault、result方法实现之外,添加了lastResult属性。
  2、 如何使用AsyncToken和CallResponder
  给个简单的例子,如下:
  1) blazeds配置的服务名为testService,其有个函数sayHello没有输入参数返回”Hello,token and responder.”;
  2) mxml定义了一个CallResponder,其id=”callResponder”,定义了一个RemoteObject其id=”ro”;
  3) mxml应用还有一个Button和textbox,textbox的text属性为”{ callResponder .lastResult}”;
  4) 则只要按钮事件里写以下代码即可:
  callResponder.token = ro.sayHello();
  3、 使用AsyncToken和CallResponder的注意事项
  1) 为何lastResult可被绑定;
  [[b]Bindable[/b]] [b]
  [/b][b]public[/b][b]var[/b] lastResult:*;
  2) 了解绑定机制原理
  Flex绑定是基于事件的,其核心是观察者模式,当某某属性发生变更时,触发事件,通知被绑定的对象去修改其属性值。所以,当lastResult的值未发生改变时,无论文本框的text被修改成何值,都不会将lastResult再次赋值给文本框的属性。
  3) 案例
  2中example显示,点击按钮之后,文本框应该显示“Hello,token and responder.”。此时,编辑文本框为”Modified.”,再点击按钮,我们会惊讶地发现:文本框依旧显示Modified,而不是service返回的Hello,token and responder。
  4) 总结
  因此,使用AsyncToken和CallResponder绑定数据时,当数据不能编辑时用CallResponder.lastResult;当数据需要编辑时,请绑定CallResponder.token.result,注意fault处理。
基于遗传算法的微电网调度(风、光、蓄电池、微型燃气轮机)(Matlab代码实现)内容概要:本文档介绍了基于遗传算法的微电网调度模型,涵盖风能、太阳能、蓄电池微型燃气轮机等多种能源形式,并通过Matlab代码实现系统优化调度。该模型旨在解决微电网中多能源协调运行的问题,优化能源分配,降低运行成本,提高可再生能源利用率,同时考虑系统稳定性与经济性。文中详细阐述了遗传算法在求解微电网多目标优化问题中的应用,包括编码方式、适应度函数设计、约束处理及算法流程,并提供了完整的仿真代码供复现与学习。此外,文档还列举了大量相关电力系统优化案例,如负荷预测、储能配置、潮流计算等,展示了广泛的应用背景技术支撑。; 适合人群:具备一定电力系统基础知识Matlab编程能力的研究生、科研人员及从事微电网、智能电网优化研究的工程技术人员。; 使用场景及目标:①学习遗传算法在微电网调度中的具体实现方法;②掌握多能源系统建模与优化调度的技术路线;③为科研项目、毕业设计或实际工程提供可复用的代码框架与算法参考; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注目标函数构建与约束条件处理,同时可参考文档中提供的其他优化案例进行拓展学习,以提升综合应用能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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