StatusBar (状态栏)的架构(Android 2.3)

本文分析了 Android 2.3 中状态栏(StatusBar)的设计与实现,介绍了其架构上的变化,如操作从 Service 进程移至应用进程,并详细说明了主要组件如 StatusBarManager、StatusBarManagerService 和 StatusBarService 的职责。

分析一下在Android2.3中,StatusBar的架构,其实StatusBar的实现方法还是进行了许多大的修正的,比如原来StatusBar的操作都是在Service进程中,现在许多图标显示更新等的操作都移到了应用进程中。
代码目录结构:
主要位于两个目录中
1,frameworks/base/services/java/com/android/server
这个目录在以前版本中也有
2,frameworks/base/packages/SystemUI/src/com/android/systemui/statusbar
这个目录是2.3版本新增加的,把许多界面的操作做到了应用里。
主要架构:
1、StatusBarManager是供应用层调用的接口,它会通过Binder机制调用到StatusBarManagerService。
2、StatusBarMangerService位于Service进程中,是由 ServerThread创建的,它与NotificationManagerService和InputMethodManagerService进行交互。
3、StatusBarManagerService在被创建的时候会启动一个应用层的Service -StatusBarService,创建StatusBarView,增加减少Icon等等的处理,都是在这个Service中。
架构图如下:





根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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