Handler整理

本文深入解析了Android中的Handler机制,包括其工作原理、消息传递过程及如何避免内存泄漏等问题。介绍了Handler、Message、MessageQueue和Looper的基本概念及其在异步消息处理中的作用。

拿出关于handler整理的笔记,留作纪念

--------------------------------------------------------------

Handler的介绍

 Handler是一个异步消息分发的框架,提供了消息请求以及消息处理的接口,事件请求有sendMessage、postRunnable等,消息处理则需要重写HandleMessage方法。Handler还可以发送延迟的消息,比如使用sendMessageDelayed(,1000),该消息将在发出后的1000ms后执行,经过设计的handler可以达到TimerTask的功能,并且比TimerTask更节省空间,TimerTask在不及时释放会存在内存泄漏的问题。 

Message:消息的结构体,可以简单的根据msg.what,也可以通过额外参数来区分消息类别。

MessageQueue:消息队列,在使用过程中,可能有多个请求同时发出,这就需要messageQueue存储请求的消息队列。

Looper:用来检索messageQueue里的message,在需要执行的时候,派发到HandleMessage执行。

handler总体运行的过程大概如下:在线程里注册Looper,循环查询MessageQueue里的消息,当sendMessage时,会把Message加入到MessageQueue,由Looper来不断取出Message,分发给HandleMessage来执行。


Handler实现的原理:

Handler在实例化的时候,必须要有Looper对象,主线程自己会生成Looper对象,因此在主线程内实例Handler的时候,是没有问题的。但是在子线程中,默认并没有生成Looper对象,如果也用如下方式来生成Handler:

 

则会抛出异常:RuntimeException("No Looper; Looper.prepare() wasn't called on this thread.")

即必须要先执行Looper.prepare(),才能 new Handler();

 

New Handler()之后还不算完,还需要Looper.loop()来启动Looper,Handler才算正式可以运行了,并且在使用完成后,要用Looper.quit()来退出哦,否则子线程会不停查询消息的。

 

追问:主线程的Looper是在何时生成的,

      Initialize the current thread as a looper, marking it as an

     * application's main looper. The main looper for your application

     * is created by the Android environment。

 

值得注意的点

1.Handler与线程的区别:

Handler不是单独的线程,它是在线程中实现的一个框架,必须依附于线程才可实现。一般定义的Handler都是在主线程中执行,因此Handler也不适合耗时操作;Handler虽然可以发送Runnable对象,但它只是把Runnable对象交给线程执行。

2. Toast是很常用的一个控件,可以在任何地方显示消息,但是必须在主线程里进行初始化,是因为Toast的隐藏、显示都是用Handler来发送通知的。

3.在loop()中,我们看到是用for(;;)的死循环,来不断从MessageQueue中取数据,那么,loop()之后的代码会执行吗?答案是不会

4.接着第3个问题,在主线程中,如果使用了loop(),那其他的绘制、触摸事件、布局等任务岂不是必须用 handler 来执行了吗?是的。


基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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