鸿蒙系统扫盲(二):再谈鸿蒙是不是安卓套壳?

鸿蒙(Harmony)、安卓(Android)、AOSP 鸿蒙(Harmony)、安卓(Android)、AOSP 华为鸿蒙2.0发布,铺天盖地的关于鸿蒙的文章,有点晕,也不太能看得懂,很惭愧,所以特意查了一下,感觉能够科普到能看懂相关新闻的程度。例如AOSP,GWS,HWS等,和大家分享一下: 先说关键概念 AOSP是什么 我们都知道Andriod是一个开源系统,指的就是AOSP,就是Android Open Software Project的缩写,这个系统是google维护的,但是由开源社区贡献的,是操作系统的核心,说他是核心因为如果没有其他的一些服务(硬 阅读详情

最近小米发布了澎湃OS,vivo发布了蓝OS,好像自从华为回归后,大伙都开始写自己的OS了,小米官方承认是套壳安卓,然后被大家喷了,于是鸿蒙是不是安卓套壳的话题又回到了大众的视野,今天在讨论下这个问题。

1.套壳由来

为什么会有这样的说法呢?据笔者了解了一下:

1)有用户在鸿蒙OS调成英文后,查看进程中有安卓系统主进程,而调成中文后,显示Harmony OS,后来华为发布了一个系统升级修复了这个问题

2)通过手机打的日志系统,发现大量了Android的字样

2.鸿蒙OS架构图简图

简单说下整个华为的手机的系统架构,鸿蒙OS跑着两个系统,一个是开源鸿蒙,另外一个是号称安卓兼容层(AOSP的方式兼容,AOSP是安卓的开源代码),还有一部分是华为自研的功能

这个简单的结构图,其实就可以解释一下1中的问题,由于鸿蒙是新的系统,几乎没有任何配套的生态软件,所以华为手机中的鸿蒙OS,绝大部分应用都是安卓的,所以它必须跑安卓应用,那么它运行的时候,一定有很多Android的字样(笔者还发现其实华为自带的应用也有这种情况,毕竟一下子适配这么多软件,时间上不可能),目前纯鸿蒙的软件还是非常少的,这点从华为应用商店就能看到,屈指可数

3.未来发展(鸿蒙Next)

2023的HDC上,华为已经官方宣布,将退出鸿蒙Next,不再兼容安卓,如果发布以后,还能运行安卓的应用,或着再打印出Android的字样,那门它就是套壳,不过从目前来看,腾讯,阿里,美团都开始招聘鸿蒙应用开发工程师了,套壳这个可能性非常小了。

总结

目前因为还兼容安卓,所以会有Android的字样,这是正常的,正因为如此,现在的纯鸿蒙可以做的有bug,毕竟真正的纯鸿蒙软件比较少,但是从大厂都找鸿蒙应用软件开发来看,套壳的可能性不大,等鸿蒙Next发布会,我们再看看!

华为鸿蒙到底是不是安卓系统套了个壳? 余承东在2月份宣布:鸿蒙将于4月份全面上线,果然没有食言 华为鸿蒙2.0来了,首批升级机型名单包括:Mate X2、Mate40以及P40系列。需要注意的是这次上线的鸿蒙OS依旧只是开发者测试版,还不是正式版本。另外花粉们必须前往官网申请加入开发者计划才能接收到升级通知。 已经有一些小伙伴升级了鸿蒙系统,开机界面已经变成了鸿蒙OS,“Power By Android”已经彻底消失了。不过从体验视频来看,鸿蒙系统的操作逻辑与安卓基本上差不多,很多人不禁质疑,这和安卓系统没啥区别,是不是就是安... 阅读详情

相关推荐

高速串行信号仿真避坑指南:为什么你的SIwave Xnet设置了却不出结果?

本文深入解析SIwave中Xnet功能在高速串行信号仿真中的常见问题,包括模型缺失、网络不完整和端口设置错误等关键误区。通过详细的电路元件模型验证、网络完整性检查及端口配置指南,帮助工程师有效解决仿真不出结果的问题,提升信号完整性分析效率。

weixin_29218963的博客 255

为鸿蒙说两句公道话,鸿蒙是安卓的套壳吗?

作者:坚果 公众号:“大前端之旅” 华为云享专家,InfoQ签约作者,阿里云专家博主,51CTO博客首席体验官,开源项目GVA成员之一,专注于大前端技术的分享,包括Flutter,小程序,安卓,VUE,JavaScript。 这才是正确的做法,应该学习! Andoid Andoid是2007年由Google公司基于Linux操作系统开发的一套移动端操作系统。 AOSP “Android Open Source Project"的缩写。中文意为"Android 开放源代码项目”。从此之后,基本所有的An.

坚果的博客 2632

Python实战:用Py2neo轻松玩转Neo4j图数据库(附完整CRUD示例)

本文通过构建武侠知识图谱的实战案例,详细介绍了如何使用Python的Py2neo库对Neo4j图数据库进行CRUD操作。内容涵盖环境搭建、节点与关系创建、Cypher查询、数据更新删除及事务管理,帮助开发者直观高效地处理复杂关联数据,实现从入门到进阶的完整交互流程。

weixin_29034963的博客 185

从代码角度揭示:华为鸿蒙的“套壳”真相!

华为鸿蒙操作系统(HarmonyOS)出来后,互联网上已经吵翻天了,有人认为HarmonyOS是“自主的全场景分布式系统”,是国产之光,另一派则认为HarmonyOS是“Android套壳...

dotNET跨平台 2271

three.js中如何高效加载并播放GLB格式的3D动画

本文详细介绍了在three.js中高效加载并播放GLB格式3D动画的最佳实践。通过对比GLB与GLTF格式的优势,提供从环境搭建、模型加载到动画控制的完整解决方案,并分享性能优化技巧和常见问题排查方法,帮助开发者提升3D动画项目的开发效率和用户体验。

weixin_27890975的博客 363

【汽车故障诊断2】从标准到实战:解码DTC格式背后的诊断逻辑

本文深入解析汽车诊断故障码(DTC)的格式与逻辑,对比了OBD-II标准(如ISO 15031-6)的5字符格式与UDS协议(ISO 14229-1)下更丰富的3字节格式。文章从国际标准出发,结合实战案例,阐述了DTC如何作为汽车电子系统的“体检报告”,帮助工程师和维修技师精准定位故障,并详细解读了UDS 19服务如何读取和管理DTC状态。

berry的博客 713

鸿蒙OS到底是不是Android套皮?(少bb,看源码!)

来源:21ic电子网,头条@我的小号等,本文作者观点不代表本公众号观点 某人曾说「没有调查就没有发言权」 最近鸿蒙系统关注度好高,支持与反对、看好和看衰、「自主的全场景分布式...

小詹学python的博客 2070

Kaggle时间序列竞赛金牌方案解析与实战指南

本文深度解析了Kaggle时间序列竞赛的金牌方案,揭示了其成功不仅依赖先进模型,更在于系统工程思维。文章系统阐述了从数据理解、特征工程到模型集成与后处理的全流程,并重点剖析了分层建模、自定义损失函数、时序交叉验证等核心技巧,为参赛者提供了从理论到实战的完整指南。

weixin_29196315的博客 358

鸿蒙系统扫盲(三):鸿蒙开发用什么语言?

鸿蒙经过几年的迭代,抛弃了Java,基于TS出了一个官方推荐的ArkTS语言,甩开了JVM,提升效率,同时支持自己研发的一些现代化特性,没有版权的问题,现在唯一的问题就是各大公司愿不愿意为它去适配生态了,还好的是,目前各大互联网公司已经开始适配了。

memoryjs的专栏 3万+

浅谈云计算01 | 云计算服务的特点

在当今数字化时代,云计算作为一种强大的技术解决方案,正逐渐改变着企业和个人对信息技术的使用方式。本文将详细探讨云计算的五个主要特点,包括按需自助服务、广泛的网络接入、资源池化、快速弹性伸缩以及可计量服务。

时光札记 1120

MCU中GPIO口的驱动方式

MCU中GPIO口的驱动方式 导读: MCU芯片中GPIO口的驱动方式大的可分为输出和输入两类,小的分可以分为8种。 一、四种输入方式 ①上拉输入: 上拉输入抗干扰能力强,特别适合接地信号的输入(比如低电平有效的按键信号输入)。其工作原理如图1所示。 I/O 端口与TTL 施密特触发器之前接入了一个30K~50K 欧姆的上拉电阻,当I/O 端口悬空时,此时MCU 也能读到稳定的高电平状态,...

优快云Frewen的博客 3376

从HarmonyOS应用到底是不是Android套壳?

最近鸿蒙系统关注度好高,支持与反对、看好和看衰、「自主的全场景分布式系统」和「Android套壳」各执一词,吵的不可开交。 作为十八流码农,本着了解行业动态、体验HarmonyOS开发流程、找出HarmonyOS的特性与不足、看看是否有新的机会,也为了看看吵得不可开交的诸位谁说得对,特地在这个鸿蒙系统马上正式开放升级的时间点,开发体验了一番。 ...

Jason_Lee155的博客 3382

深度学习100例-卷积神经网络(CNN)彩色图片分类 | 第2天

文章目录前期工作设置GPU导入数据标准化可视化构建CNN网络编译训练模型预测模型评估 前期工作 设置GPU 如果使用的是CPU可以忽略这步 import tensorflow as tf gpus = tf.config.list_physical_devices("GPU") if gpus: gpu0 = gpus[0] #如果有多个GPU,仅使用第0个GPU tf.config.experimental.set_memory_growth(gpu0, True) #设置GPU显存用量

“365天深度学习训练营”报名进行中~ 7856

鸿蒙是一个怎么样的操作系统,真的是安卓套壳吗?

从鸿蒙项目正式推出以来,就一直有各自声音,有看好的,认为鸿蒙的出现将会成为一个智能终端设备操作系统的框架和平台,促进万物互联产业的繁荣发展;也有的人在唱衰,觉得鸿蒙发展不起来,甚至认为鸿蒙只是安卓的换皮、套壳。那事实是怎么样的?鸿蒙与安卓之间是什么样的关系?

连志安 2445

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

华为鸿蒙 6 系统(HarmonyOS 6)核心升级与技术解析

华为鸿蒙6系统(HarmonyOS 6)在智能交互、跨设备协同、安全防护等方面实现全面升级。搭载AI驱动的鸿蒙智能体框架和小艺助手,提供主动式场景化服务;通过星闪连接技术和星河互联架构,实现跨设备无缝协同与跨生态互传;采用星盾安全架构构建全链路防护体系;性能方面实现15%提升和35分钟续航增长。系统已覆盖8亿设备,支持5万+原生应用,技术原创性通过开源验证。作为全场景操作系统,HarmonyOS 6展现了从技术跟随到创新引领的突破。

qq_31218719的博客 2万+

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

鸿蒙套壳?NO!以后是三分天下了

客观的讲,鸿蒙OS系统和安卓系统相比还有不少劣势。其中最大的劣势就是之前鸿蒙OS系统还未建立自己的生态链,这也是鸿蒙OS系统需要兼容安卓app才能正常运营的原因。但是随着鸿蒙5.0的更新将打破这一切,而且以后基于鸿蒙开发的App是一块巨大的市场,所以现在有心力的可以往这方面凑,但是很多人现在对于鸿蒙这方面的资料少之又少,这里给大家分享一份鸿蒙零基础入门学习指南。

Android23333的博客 819

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

华为鸿蒙到底是不是安卓系统套了个壳?(1)

不过我想这也是华为的无奈之举,因为目前鸿蒙没有自己的应用生态,在没有一定的装机量下,没有哪家应用厂商会愿意为了鸿蒙系统开发应用。大家发现,虽然刷机了鸿蒙系统,但是所有android应用还是可以用啊,有点不可思议,对于一个全新的系统,通常需要开发者针对新系统进行二次开发,才能将程序移植到新系统上。从华为官方的鸿蒙介绍来看,确实看不到任何安卓系统的影子,不过鸿蒙OS的多内核之一就是Linux,与安卓一样,我觉得这就是华为为兼容安卓生态而考虑的。与其说鸿蒙是在安卓外面套了个壳,不如说鸿蒙是披着安卓的外衣。

2401_84185145的博客 2179

余承东回应“鸿蒙是安卓套壳”,研发投入几百亿,代码1亿多行

只要你觉得它是任何一个市面上可以看到的面试题库可以比拟的,不管别人卖多少钱,只要你有这种感觉了,都直接来退款!对于鸿蒙是安卓套壳的争议,余承东表示,以前鸿蒙体系和安卓体系,是双框架,主要考虑到应用迁移难度很大,从鸿蒙 5.0 之后都是鸿蒙重新开发的应用。余承东表示,鸿蒙系统的研发费用非常高,每年投入超过 1 万多人,持续了六年,研发费用是几百亿,非常巨大,代码 1.3 亿行。而且每道题都有详细答案,这个答案不是说随随便便几句话的,也不是东拼西凑的,更不是AI生成的。在线课程,文字形式,永久更新。

HollisChuang's Blog 591

华为鸿蒙到底是不是安卓系统套了个壳?,2024年最新flutter界面设计案例

不过我想这也是华为的无奈之举,因为目前鸿蒙没有自己的应用生态,在没有一定的装机量下,没有哪家应用厂商会愿意为了鸿蒙系统开发应用。大家发现,虽然刷机了鸿蒙系统,但是所有android应用还是可以用啊,有点不可思议,对于一个全新的系统,通常需要开发者针对新系统进行二次开发,才能将程序移植到新系统上。从华为官方的鸿蒙介绍来看,确实看不到任何安卓系统的影子,不过鸿蒙OS的多内核之一就是Linux,与安卓一样,我觉得这就是华为为兼容安卓生态而考虑的。与其说鸿蒙是在安卓外面套了个壳,不如说鸿蒙是披着安卓的外衣。

2401_84185951的博客 1117

华为鸿蒙到底是不是安卓系统套了个壳?,腾讯T4架构师

对于很多初中级Android工程师而言,想要提升技能,往往是自己摸索成长。而不成体系的学习效果低效漫长且无助。时间久了,付出巨大的时间成本和努力,没有看到应有的效果,会气馁是再正常不过的。所以学习一定要找到最适合自己的方式,有一个思路方法,不然不止浪费时间,更可能把未来发展都一起耽误了。如果你是卡在缺少学习资源的瓶颈上,那么刚刚好我能帮到你。效漫长且无助。时间久了,付出巨大的时间成本和努力,没有看到应有的效果,会气馁是再正常不过的。

2301_82242296的博客 1247

鸿蒙终于不套壳了?纯血 HarmonyOS NEXT 即将到来

所以短期可能会有阵痛,但是 HarmonyOS NEXT 的基础其实挺好,不管是类似 Flutter/ Compose 的开发方式,还是原本已经存在的开发者基础,更有相关的政策扶持,很难看出鸿蒙会在明年遭遇滑铁卢的情况。对于移动开发者来说,特别是 Android 开发而言,鸿蒙是不是套壳 Android 一直是一个「热门」话题,类似的问题一直是知乎的「热点流量」之一,特别是每次鸿蒙发布新版本之后,都会有「套娃式」的问题出现。,而这次决定「大换血」,“减少了 40% 的冗余代码” 的说法,就很有意思。

恋猫de小郭的博客 1万+

华为鸿蒙公布,鸿蒙发布后第2天,华为发出官方通知,果然是“套壳”?

就在近日,华为终于发布了大家期盼已久的鸿蒙操作系统,至此鸿蒙系统算是正式走进了大众视野,相信很多朋友已经第一时间进行了系统升级,开始享受鸿蒙带来的全新体验。不过关于鸿蒙系统的了解,相信很多人其实依然一知半解,或者会有很多疑惑,其实这在意料之中,因为在华为发布鸿蒙系统之前,关于对鸿蒙系统的介绍,也一直没有一个系统的全面的讲解。这同样也在意料之中,因为鸿蒙毕竟一直都在不断的开发之中,所以在不同的开发阶...

weixin_35202013的博客 194

鸿蒙OS到底是不是Android套皮?

本文转载自不正经程序员 某人曾说「没有调查就没有发言权」 最近鸿蒙系统关注度好高,支持与反对、看好和看衰、「自主的全场景分布式系统」和「Android套壳」各执一词,吵的不可开交。 作为十八流码农,本着了解行业动态、体验HarmonyOS开发流程、找出HarmonyOS的特性与不足、看看是否有新的机会,也为了看看吵得不可开交的诸位谁说得对,特地在这个鸿蒙系统马上正式开放升级的时间点,开发体验了一番。 HarmonyOS到底怎么实现的——扒皮HarmonyOS 了解一个软件...

weixin_39787242的博客 1万+

总有人说鸿蒙是安卓套壳?鸿蒙5.0之后彻底摆脱安卓

鸿蒙系统的操作逻辑与安卓基本上差不多,这和安卓系统没啥区别,是不是就是安卓系统套了一个壳啊?为什么到今天还是有不少人在争论它到底是不是安卓套壳?这与鸿蒙早期“完全自主研发”的“过激”宣传不无关系。其次就是鸿蒙生态环境上的不足。确实,华为一开始研发鸿蒙系统的时候,为了加强生态兼容性和加快生态建设,采用了部分谷歌开源代码。但是随着鸿蒙5.0的到来将终结这些话题。

Android23333的博客 1983

“鸿蒙之父”王成录重申:鸿蒙系统不是安卓套壳;苹果多款产品电池修理费将涨价;Debian移除Python 2|极客头条...

「极客头条」—— 技术人员的新闻圈!优快云 的读者朋友们早上好哇,「极客头条」来啦,快来看今天都有哪些值得我们技术人关注的重要新闻吧。整理 | 梦依丹出品 | 优快云(ID:优快云news)一分钟速览新闻点!“鸿蒙之父”王成录重申:鸿蒙系统不是安卓套壳雷军发布内部信:为未来 2-3 年的新一轮爆发做好充分的准备王化回应小米造车遇坎传闻:消息不实,小米汽车进展顺利京东科技内部架构调整:将整合现...

优快云资讯 1036
上一篇: 鸿蒙系统扫盲(一):鸿蒙OS和开源鸿蒙什么关系?
下一篇: 鸿蒙系统扫盲(三):鸿蒙开发用什么语言?
memoryjs
博客等级 码龄18年 240粉丝 113原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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