浅谈跨进程传递的数据

谈及android跨进程数据传递,脑袋中不乏浮现出ContentProvider、AIDL、 Messenger、Intent等,对,的确这些都可以实现,但今天我们不谈这些,仅注重于数据。跨进程传递数据,常需要序列化操作,也许初次接触序列化这个名词,可能大家会觉得很抽象,其实,可以把其想象成一个吹气球的过程,序列化就是把一个吹好的气球放掉气,反序列化就是把一个放了气的气球重新吹起来,这样一说,是不是好懂很多。


目前android支持有两个接口可实现序列化操作(Serializable 和 Parcelable),只要我们实现了它们其中一个,就可以轻松地实现数据的传递,对常用的数据类型即AIDL传递支持的类型,通过Android Studio就可以自动生成(CharSequence例外),也不需要我们去实现序列化接口,因此对其也不需赘述。先重点关注AIDL传递自定义对象,对此,一般需要我们主动去实现Parcelable,只要自定义的对象没有包含复杂的属性,一般操作起来还是十分快捷。一般步骤是:

Step1:判断成员属性是不是AIDL传递支持的类型,不是则跳Step2,否则跳转Step3;

Step2:判断成员属性是不是实现了Parcelable接口,不是则跳转Step1,否则跳Step3;

Step3:撰写Write和read方法,分别对应气球放气和吹气的过程;

注意:对属性进行write和read操作一定要顺序一致,否则就会报错

 

好了,有了这个步骤,写起来代码来也就底气十分,按图索骥即可。最近我碰到个问题,如何传递SparseArrayCompat<E>和嵌套的集合类(如:List< List<E> >),初次面对这个问题,一般在想AIDL不支持这些类型呀,尽管E实现了Parcelable,但是SparseArrayCompat<E>作为一个整体还是不支持呀,怎么办呢?瞬间进入死胡同不能自拔!

N久之后,灵光一闪,序列化不就是放弃和吹气的过程吗,貌似没有强制说SparseArrayCompat<E>就一定要以SparseArrayCompat<E>类型传递吧,只要我能放掉气,又能吹起来不就可以了吗?以String类型为例,下面代码就产生了:

read代码:

public SparseArrayCompat<String> readSparseArrayCompat(Parcel in){
        SparseArrayCompat<String> data = new SparseArrayCompat<>();
        int size = in.readInt();
        for(int i = 0;i<size;++i){
            Integer key = in.readInt();
            String value = in.readString();
            data.put(key,value);
        }
        return data;
    }

write代码:

public void writeSparseArrayCompat(Parcel dest,SparseArrayCompat<String> data) {
        if (data == null || data.size() <= 0) return;
        int size = data.size();
        dest.writeInt(size);
        for (int i = 0; i < size; ++i) {
            dest.writeInt(data.keyAt(i));
            dest.writeString(data.valueAt(i));
        }
    }

说了这么多,其实也就是想说明这么一点:换种思路海阔天空



内容概要:本文档详细介绍了在三台CentOS 7服务器(IP地址分别为192.168.0.157、192.168.0.158和192.168.0.159)上安装和配置Hadoop、Flink及其他大数据组件(如Hive、MySQL、Sqoop、Kafka、Zookeeper、HBase、Spark、Scala)的具体步骤。首先,文档说明了环境准备,包括配置主机名映射、SSH免密登录、JDK安装等。接着,详细描述了Hadoop集群的安装配置,包括SSH免密登录、JDK配置、Hadoop环境变量设置、HDFS和YARN配置文件修改、集群启动与测试。随后,依次介绍了MySQL、Hive、Sqoop、Kafka、Zookeeper、HBase、Spark、Scala和Flink的安装配置过程,包括解压、环境变量配置、配置文件修改、服务启动等关键步骤。最后,文档提供了每个组件的基本测试方法,确保安装成功。 适合人群:具备一定Linux基础和大数据组件基础知识的运维人员、大数据开发工程师以及系统管理员。 使用场景及目标:①为大数据平台建提供详细的安装指南,确保各组件能够顺利安装和配置;②帮助技术人员快速掌握Hadoop、Flink等大数据组件的安装与配置,提升工作效率;③适用于企业级大数据平台的建与维护,确保集群稳定运行。 其他说明:本文档不仅提供了详细的安装步骤,还涵盖了常见的配置项解释和故障排查建议。建议读者在安装过程中仔细阅读每一步骤,并根据实际情况调整配置参数。此外,文档中的命令和配置文件路径均为示例,实际操作时需根据具体环境进行适当修改。
在无线通信领域,天线阵列设计对于信号传播方向和覆盖范围的优化至关重要。本题要求设计一个广播电台的天线布局,形成特定的水平面波瓣图,即在东北方向实现最大辐射强度,在正东到正北的90°范围内辐射衰减最小且无零点;而在其余270°范围内允许出现零点,且正西和西南方向必须为零。为此,设计了一个由4个铅垂铁塔组成的阵列,各铁塔上的电流幅度相等,相位关系可自由调整,几何布置和间距不受限制。设计过程如下: 第一步:构建初级波瓣图 选取南北方向上的两个点源,间距为0.2λ(λ为电磁波波长),形成一个端射阵。通过调整相位差,使正南方向的辐射为零,计算得到初始相位差δ=252°。为了满足西南方向零辐射的要求,整体相位再偏移45°,得到初级波瓣图的表达式为E1=cos(36°cos(φ+45°)+126°)。 第二步:构建次级波瓣图 再选取一个点源位于正北方向,另一个点源位于西南方向,间距为0.4λ。调整相位差使西南方向的辐射为零,计算得到相位差δ=280°。同样整体偏移45°,得到次级波瓣图的表达式为E2=cos(72°cos(φ+45°)+140°)。 最终组合: 将初级波瓣图E1和次级波瓣图E2相乘,得到总阵的波瓣图E=E1×E2=cos(36°cos(φ+45°)+126°)×cos(72°cos(φ+45°)+140°)。通过编程实现计算并绘制波瓣图,可以看到三个阶段的波瓣图分别对应初级波瓣、次级波瓣和总波瓣,最终得到满足广播电台需求的总波瓣图。实验代码使用MATLAB编写,利用polar函数在极坐标下绘制波瓣图,并通过subplot分块显示不同阶段的波瓣图。这种设计方法体现了天线阵列设计的基本原理,即通过调整天线间的相对位置和相位关系,控制电磁波的辐射方向和强度,以满足特定的覆盖需求。这种设计在雷达、卫星通信和移动通信基站等无线通信系统中得到了广泛应用。
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