Android 之 ProgressDialog用法介绍

[size=large][color=green][b]布局文件测试:[/b][/color][/size]

<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
android:orientation="vertical"
android:layout_width="fill_parent"
android:layout_height="fill_parent"
>

<Button
android:id="@+id/cricle"
android:layout_width="fill_parent"
android:layout_height="wrap_content"
android:text="圆形进度条测试" />

<Button
android:id="@+id/rec"
android:layout_width="fill_parent"
android:layout_height="wrap_content"
android:text="长形进度条测试" />

</LinearLayout>


[size=x-large][color=indigo][b]测试代码入口:[/b][/color][/size]

package com.example.progressdialog;

import android.app.Activity;
import android.app.ProgressDialog;
import android.content.DialogInterface;
import android.content.DialogInterface.OnClickListener;
import android.os.Bundle;
import android.util.Log;
import android.view.View;
import android.widget.Button;

public class MainActivity extends Activity {

private Button circle;
private Button rec;
private ProgressDialog myDialog;
int count = 0;// 存储进度条当前值,初始为 0
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);

// 获取对象
circle = (Button) findViewById(R.id.cricle);
rec = (Button) findViewById(R.id.rec);

// 圆形按钮测试
circle.setOnClickListener(new View.OnClickListener() {

public void onClick(View v) {

circle();
}
});

// 矩形进度条测试
rec.setOnClickListener(new View.OnClickListener() {
public void onClick(View v) {
rec();
}
});

}

/**
* 圆形进度条测试..
*/
public void circle() {
myDialog = new ProgressDialog(MainActivity.this); // 获取对象
myDialog.setProgressStyle(ProgressDialog.STYLE_SPINNER); // 设置样式为圆形样式
myDialog.setTitle("友情提示"); // 设置进度条的标题信息
myDialog.setMessage("数据加载中,请稍后..."); // 设置进度条的提示信息
myDialog.setIcon(R.drawable.ic_launcher); // 设置进度条的图标
myDialog.setIndeterminate(false); // 设置进度条是否为不明确
myDialog.setCancelable(true); // 设置进度条是否按返回键取消

// 为进度条添加确定按钮 , 并添加单机事件
myDialog.setButton("确定", new OnClickListener() {

public void onClick(DialogInterface dialog, int which) {

myDialog.cancel(); // 撤销进度条
}
});

myDialog.show(); // 显示进度条
}

/**
* 矩形进度条测试...
*/
public void rec() {

myDialog = new ProgressDialog(MainActivity.this); // 得到一个对象
myDialog.setProgressStyle(ProgressDialog.STYLE_HORIZONTAL); // 设置为矩形进度条
myDialog.setTitle("提示");
myDialog.setMessage("数据加载中,请稍后...");
myDialog.setIcon(R.drawable.ic_launcher);
myDialog.setIndeterminate(false); // 设置进度条是否为不明确
myDialog.setCancelable(true);
myDialog.setMax(200); // 设置进度条的最大值
myDialog.setProgress(0); // 设置当前默认进度为 0
myDialog.setSecondaryProgress(1000); // 设置第二条进度值为100

// 为进度条添加取消按钮
myDialog.setButton("取消", new DialogInterface.OnClickListener() {
public void onClick(DialogInterface dialog, int which) {
myDialog.cancel();
}
});

myDialog.show(); // 显示进度条
new Thread() {
public void run() {
while (count <= 200) {
myDialog.setProgress(count++);
try {
Thread.sleep(100); //暂停 0.1秒
} catch (Exception e) {
Log.i("msg","线程异常..");
}
}
}
}.start();

}

}
<think>嗯,用户问的是大数据处理中的CAP理论。我需要先回忆一下CAP理论的基本内容。CAP理论是由Eric Brewer提出的,指的是在分布式系统中,一致性(Consistency)、可用性(Availability)和分区容错性(Partition Tolerance)这三个特性不能同时满足,最多只能满足其中两个。不过,可能用户不太清楚每个术语的具体含义,需要详细解释一下。 首先,我得确认CAP理论的全称和每个字母代表什么。C是Consistency,也就是一致性,所有节点在同一时间看到的数据是一样的。A是Availability,可用性,每个请求都能得到响应,但不保证是最新的数据。P是Partition Tolerance,分区容错性,系统在遇到网络分区时仍能继续工作。 接下来,可能需要解释为什么这三个只能选两个。比如,当网络分区发生时(P),系统必须在C和A之间做出选择。如果选择保持一致性,那么可能需要停止服务直到数据同步,这样就牺牲了可用性。反之,如果选择保持可用性,可能会返回旧的数据,牺牲了一致性。 另外,用户提到的是大数据处理中的CAP理论,可能需要结合大数据系统的例子,比如Hadoop、Cassandra或者MongoDB等,明它们是如何在CAP中做出权衡的。例如,Cassandra通常选择AP,而HBase可能更偏向CP。 还要注意可能存在的误区,比如CAP理论中的P是否必须选择。实际上,在分布式系统中,网络分区是不可避免的,所以通常P是必须保证的,因此实际是在C和A之间权衡。这一点需要澄清,避免用户误解。 另外,用户可能想知道CAP理论的实际应用场景,比如在需要高一致性的金融系统,可能选择CP;而在高可用性优先的社交网络,可能选择AP。这样的例子能帮助用户更好地理解理论的应用。 最后,需要确保回答结构清晰,分点解释,可能先介绍每个概念,再解释三者之间的权衡,然后举例明,最后总结应用场景。同时,注意使用正确的中文术语,避免翻译错误,比如正确使用“分区容错性”而不是“分区容忍性”等。 可能还需要检查是否有最新的发展,比如CAP理论是否有新的解读或者扩展,但根据当前知识,CAP理论仍然是分布式系统设计的基础,所以保持传统解释即可。</think>### CAP理论介绍 CAP理论是分布式系统设计中的核心理论之一,由计算机科学家Eric Brewer于2000年提出。它指出,在分布式系统中,**一致性(Consistency)、可用性(Availability)、分区容错性(Partition Tolerance)** 这三个特性无法同时满足,最多只能实现其中两项。 --- #### 核心概念解析 1. **一致性(Consistency)** 所有节点在同一时刻看到的数据完全相同。例如,用户无论访问哪个服务器,读取到的数据都是最新的。 2. **可用性(Availability)** 每个请求都能在合理时间内收到响应(不保证数据是最新的)。例如,即使部分节点故障,系统仍能正常提供服务。 3. **分区容错性(Partition Tolerance)** 系统在网络分区(节点间通信中断)时仍能继续运行。例如,跨地域的服务器集群即使断网,也能各自独立工作。 --- #### CAP的权衡关系 - **网络分区不可避免**:在分布式系统中,网络故障是常态,因此 **分区容错性(P)必须实现**。 实际设计中,通常需要在 **一致性(C)** 和 **可用性(A)** 之间取舍。 - **典型场景**: - **CP系统**(牺牲可用性):如金融交易系统(如HBase),要求数据强一致,宁可暂时拒绝服务也要保证准确性。 $$ \text{公式示例:事务提交需满足 ACID} $$ - **AP系统**(牺牲一致性):如社交平台(如Cassandra),优先保证服务可用性,允许数据短暂不一致。 - **CA系统**(牺牲分区容错性):仅适用于单机或理想网络环境,实际分布式系统中极少存在。 --- #### CAP的实际应用 1. **大数据场景** - **Hadoop HDFS**:偏向CP,保证数据一致性,但写入时可能因网络问题延迟。 - **Apache Kafka**:通过副本机制平衡CA,但网络分区时可能牺牲一致性。 2. **数据库选择** - **MongoDB**:默认偏向CP,可配置为AP。 - **Redis Cluster**:网络分区时优先保证可用性(AP)。 --- #### 常见误区澄清 - **CAP不是“三选二”**:实际中需根据场景动态权衡,例如: - 网络正常时,可同时满足CA; - 分区发生时,需在C和A中选择。 - **BASE理论补充**:通过“基本可用”(Basically Available)和“最终一致性”(Eventual Consistency)实现灵活平衡(如电商库存管理)。 --- ### 总结 CAP理论为分布式系统设计提供了基础框架,但实际应用中需结合业务需求(如延迟容忍度、数据敏感性)动态调整。理解CAP有助于在大数据处理中选择合适的技术方案。
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