Cairngorm文档--简单示例程序解读

于 2010-06-01 12:40:00 发布
阅读量1k 收藏
点赞数
分类专栏： 管理学和信息系统 软件使用记录 文章标签： 文档 function 框架 datagrid command

简单示例程序解读

A Simple Sample Application Explained

原文地址：

http://opensource.adobe.com/wiki/display/cairngorm/SimpleSampleApplicationExplained

译稿最后修改时间：2010-6-1 12:36

 

介绍

此文仅是烟水晶框架构建应用的一个小小示范。

 

展示的例子是MAX2009会议上的“用Flex框架构建数据驱动型应用程序”主题演示的一部分。客户端代码示例是以烟水晶架构为基础构建和扩展的。关于此次演示的更多信息请查看克里斯多夫克雷茨 的博客。

 

这里查看客户端代码

服务端组件：下载 安装介绍

为了运行示例程序，服务器端组件必须安装。但是对于理解本教程并非必须。

 

这个示例使用了欧芹程序框架，然而本教程不会深入探讨欧芹框架的特性而是代以烟水晶框架的指导原则的特点。然而，此处概念上的实践可以应用于当前Fash平台上各种各样的应用程序框架。

 

包结构

包结构是重要的管理代码的途径。一中一致性的结构能够使得代码内的查找工作更容易进行，而且更容易理解各个不同部分之间的依赖关系。InsyncBasic 应用程序仅展示了烟水晶框架的建构层的代码是如何分离的。Insync代码包的后面，您可以找到下面这些代码包，描述了建构层：

表现层（关注于视觉外观和表现行为）

应用层（关注于表现的协同和架构组件）

域层（仅关注于问题域）

基础层（关注于例如 遥控服务或者UI框架）

 

这些包展示我们推荐的分层架构。

让那个我们从表现层开始深入这些架构层。

 

看，无脚本块的功能

刚开始，打开主程序文件，InsyncBasic.mxml，然后导航到线面显示的这个结构。您注意到的第一个东西是MXML可视组件内的一个没有脚本块的功能。这使得外观关注于尺寸和布局，使得在外观设计改进的时候更易阅读和更改。这是ToolBar组件：

<mx:Script>

    <![CDATA[

        [Inject]

        [Bindable]

        public var model:ToolbarPM;

    ]]>

</mx:Script>

 

<mx:Button

    styleName="contactsAddButton" toolTip="Add Contact"

    click="model.addContact()"/>

 

<mx:Spacer width="100%"/>

 

<mx:Label text="Search:"/>

 

<mx:TextInput id="searchBox"

    change="model.search(searchBox.text)"/>

注意Inject标记。这是欧芹程序框架的部分功能，将ToolbarPM注入Roolbar 视图。

 

进入表现模型

无脚本块内的各种功能被提取到表现模型。每个MXML标记的可视组件拥有各自的表现模型（PM）。表现模型关注于用户和处理用户输入的状态和行为必需的表现数据。而且其与其他的表现模型乃至程序的其他部分完全无关。

 

这就是ToolBarPM，它在客户端组件接受搜索事件之前去掉了用户输入的字符中的左侧和右侧空格

public class ToolbarPM extends EventDispatcher

{

     [MessageDispatcher]

     public var dispatcher:Function;

 

     public function addContact():void

     {

            dispatcher(ContactEvent.newAddContactEvent());

     }

 

     public function search(keywords:String):void

     {

            if (keywords == null)

                    return;

 

            keywords=StringUtil.trim(keywords);

 

            dispatcher(new SearchEvent(keywords));

     }

}

一个表现模型不应该直接依赖一个可视组件；而应该是视图（可视组件）观察表现模型。这条联系在可视组件和它的通信表现模型之间的线路代替了绑定表达式和内联事件处置功能。这是ContactsList可视组件：

<mx:Script>

    <![CDATA[

        import insync.domain.Contact;

 

        [Inject]

        [Bindable]

        public var model:ContactsListPM;

    ]]>

</mx:Script>

 

<mx:DataGrid id="list"

    width="100%" height="100%"

    dataProvider="{ model.contacts.items }" doubleClickEnabled="true"

    itemDoubleClick="model.editContact(Contact(list.selectedItem))">

    <mx:columns>

        <mx:DataGridColumn dataField="firstName"

            headerText="First Name"/>

        <mx:DataGridColumn dataField="lastName"

            headerText="Last Name"/>

        <mx:DataGridColumn dataField="phone"

            headerText="Phone"/>

    </mx:columns>

</mx:DataGrid>

对于这个视图内完全没有逻辑错误处理的途径，真正的逻辑存在于表现模型内，这样更容易进行单元测试。由于异步组件的生命周期和对其他组件的弱依赖性（例如其他可视控件），直接对可视组件进行单元测试要困难的多。一个表现模型也会以将可视组件的API从MXML内可用的UI组件的大量API中抽离出来的方式简化组件。

 

组件之间的协调

一个程序内不同的组件需要协调来为用户提供有用途的特性。当在搜索栏内输入信息是，结果需要出现在下方的联系人列表内。这个行为是与表现关注相分离的，所以布局是能够独立修改的。

在InsyncBasic程序内，搜索操作是被ToolBarPM分发的了搜索事件调用的：

public function search(keywords:String):void

{

    if (keywords == null) return;

 

    keywords = StringUtil.trim(keywords);

 

    if (keywords.length > 0)

    {

        dispatcher(new SearchEvent(keywords));

    }

}

Commands内封装操作

搜索事件是在应用层接收处置的，一个Command以调用遥控服务并且将成功返回的结果放入一个域层内的域对象的形式调用RPC操作。

public class SearchContactsCommand

{

 

    [Inject]

    public var contacts:Contacts;

 

    [Inject]

    public var cache:IDataCache;

 

    [Inject]

    public var service:RemoteObject;

 

    public function execute(event:SearchEvent):AsyncToken

    {

        return service.getContactsByName(event.keywords) as AsyncToken;

    }

 

    public function result(items:IList):void

    {

        contacts.addContacts(cache.synchronize(items));

    }      

}

这个Command遵从欧芹的动态Command特性。这个搜索事件的返回是由名为“execute”的方法处置的，而数据结果由名为“result”的方法处置。如果这个示例需要处置额外的错误反馈，指定另外一个名为“error”的方法。这个约定强制声明在欧芹上下文内的动态Command内部。

DynamicCommand type="{ SearchContactsCommand }"/>

也要注意一下IDataCache工具，这是烟水晶集成库的一部分。更多内容详见IDataCache，单击此处。

 

序列操作

Insync这个程序当新的联系人保存后刷新所有视图来显示最新数据。这使用LCDS的数据同步特性很容易处理，然而，在Insync程序内仅使用RPC操作，客户端需要在保存操作返回成功后手工调用搜索方法。这个简单的队列可以由应用层的专用对象来获得，就是RefreshSearchAfterSaveController。

public class RefreshSearchAfterSaveController

{

     [MessageDispatcher]

     public var dispatcher:Function;

 

     private var lastSearch:String="";

 

     [MessageHandler(selector="search")]

     public function onSearch(event:SearchEvent):void

     {

            lastSearch=event.keywords;

     }

 

     [CommandResult(selector="save")]

     public function onSaveComplete():void

     {

            dispatcher(new SearchEvent(lastSearch));

     }

}

关于队列的更进一步的需求经常用于例如程序启动或者队列域行为，请查看任务类库。

 

保持小对象

注意前面示例中的小对象。从上面RefrdshSearchAfterSaveController或者下面的Contacts域对象内的真正只有一个责任。其所有方法引用所有的实例属性从而达成了功能的高内聚性。这将保证您的代码简洁，专注和更有弹性的修改。查看单责任原则以获得更多信息。

[Event(name="itemsChange", type="flash.events.Event")]

public class Contacts extends EventDispatcher

{

    public static const ITEMS_CHANGE:String = "itemsChange";

 

    private var _items:IList = new ArrayCollection();

 

    [Bindable("itemsChange")]

    public function get items():IList

    {

        return _items;

    }

 

    public function addContacts(items:IList):void

    {

        _items = items;

        dispatchEvent(new Event(ITEMS_CHANGE));

    }

 

    public function addContact(contact:Contact):int

    {

        var index:int = -1;

        if (items.getItemIndex(contact) == -1)

        {

            items.addItem(contact);

            index = items.length - 1;

        }

        return index;

    }

 

    public function addItemAt(contact:Contact, index:int):void

    {

        items.addItemAt(contact, index);

    }

 

    public function removeContact(contact:Contact):int

    {

        var index:int = items.getItemIndex(contact);

 

        if (index != -1)

        {

            items.removeItemAt(index);

        }

        return index;

    }

 

    public function removeContactAt(index:int):Contact

    {

        return Contact(items.removeItemAt(index));

    }

}

此处就是InsyncBasic的基础示范的终结了。InsyncBasic仅仅展示了一个功能区，处理联系人。InsyncModularExtended 示例程序和教程关于与如何使用烟水晶框架推荐的其他功能区，例如信息传递和开销，以进一步了解烟水晶框架。

 

参考

马汀，R。单责任原则。

http://www.objectmentor.com/resources/articles/srp.pdf of OOD principles.

最后修改日期：星期日 五月 16日 06:20:27 PDT 2010年

 

IT匠
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Silverlight Cairngorm-将Cairngorm移植到.NET
04-11
本文档和相关示例旨在帮助开发者理解如何在.NET环境中复用和扩展Cairngorm的架构。 首先，Cairngorm的核心思想是通过分离业务逻辑、视图展示和数据模型来提高代码的可维护性和可扩展性。在Silverlight中移植...
cairngorm-2.2.2.swc
02-28
cairngorm-2.2.2.swc Flex中的一款框架
Cairngorm-Flex.zip_Cairngorm_flex
09-23
Cairngorm框架是Adobe Flex开发中的一种著名轻量级MVC（Model-View-Controller）框架，由Adobe公司的专业团队设计，旨在提高Flex应用程序的可维护性和可扩展性。这个框架的核心理念是通过分离业务逻辑、用户界面和...
cairngorm-kerneos-2.2.0-sources.jar
03-10
jar包，亲测可用
qt练习控件label控件-lineEdit控件样例代码
07-30
qt练习控件label控件-lineEdit控件样例代码
【JCR一区级】麻雀搜索算法SSA-CNN-LSTM-Attention故障诊断分类预测【含源码 5689期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Attention分类系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Attention分类 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Attention分类 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Attention分类 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Attention分类 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Attention分类
详解MATLAB Simulink通信系统建模与仿真
07-30
第1 章 MATLAB 基础与通信系统仿真 1.1 MATLAB 简介 1.2 MATLAB 程序设计 1.3 通信系统仿真 第2 章 Simulink 仿真基础 2.1 Simulink 简介 2.2 Simulink 工作环境 2.3 Simulink 仿真的基本方法 2.4 创建自己的模块库 2.5 S-函数的编写 第3 章 通信信号与系统分析 3.1 离散信号和系统 3.2 Fourier 分析 3.3 带通信号的低通等效 3.4 随机信号分析 第4 章 信道 4.1 加性高斯白噪声信道 4.2 多径衰落信道 第5 章 模拟调制 5.1 幅度调制 5.2 角度调制 第6 章 数字基带传输 6.1 概述 6.2 二进制基带信号传输 6.3 基带PAM 信号传输 6.4 带限信道的信号传输 第7 章 数字信号载波传输 7.1 概述 7.2 载波幅度调制（PAM） 7.3 载波相位调制（PSK） 7.4 正交幅度调制（QAM） 7.5 载波频率调制（FSK） 第8 章 信道编码和交织 8.1 概述 8.2 线性分组码
SCI一区】淘金算法GRO-CNN-BiLSTM-Mutilhead-Attention多变量时序预测含源码 5642.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-BiLSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-BiLSTM-Mutilhead-Attention回归预测
2020年首届“洪泽湖杯”中国人工智能掼蛋算法大赛第8名我就是掼蛋.zip
07-30
毕业设计是高等教育阶段学生完成学业的一个重要环节，通常在学士或硕士学业即将结束时进行。这是学生将在整个学业中所学知识和技能应用到实际问题上的机会，旨在检验学生是否能够独立思考、解决问题，并展示其专业能力的一项综合性任务。 毕业设计的主要特点包括： 独立性： 毕业设计要求学生具备独立思考和解决问题的能力。学生需要选择一个合适的课题，研究相关文献，进行实地调查或实验，并提出独立见解。 实践性： 毕业设计是将理论知识应用到实际问题中的一次实践。通过完成毕业设计，学生能够将所学的专业知识转化为实际的解决方案，加深对专业领域的理解。 综合性： 毕业设计往往要求学生运用多个学科的知识，综合各种技能。这有助于培养学生的综合素养，提高他们的综合能力。 导师指导： 学生在毕业设计过程中通常由一名指导老师或导师团队提供指导和支持。导师负责引导学生确定研究方向、制定计划、提供建议，并在整个过程中监督进展。 学术规范： 毕业设计要求学生按照学术规范完成研究，包括文献综述、研究设计、数据采集与分析、结论和讨论等环节。学生需要撰写一篇完整的毕业论文，并进行答辩。
网络音乐搜索引擎，音乐搜索器 - 多站合一音乐搜索,音乐在线试听
07-30
网络音乐搜索引擎，音乐搜索器 - 多站合一音乐搜索,音乐在线试听 效果截图https://www.diyiyuanma.cn/3444.html 多站合一音乐搜索解决方案，数据调用的是各网站的API接口， 有的接口并不是开放的，随时可能失效，本项目相关代码仅供参考。 网络音乐搜索引擎，音乐搜索器 - 多站合一音乐搜索,音乐在线试听
这是一个旨在简化合约部署、验证、交互等操作用于生成区块链智能合约Foundry框架指令的 Web3.0开发者工具
07-30
这是一个旨在简化合约部署、验证、交互等操作用于生成区块链智能合约Foundry框架指令的 Web3.0开发者工具。
三种esprit算法实现doa估计 _rezip.zip
07-30
在信号处理领域，DOA（Direction of Arrival）估计是一项关键技术，主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT（Estimation of Signal Parameters via Rotational Invariance Techniques）算法在DOA估计中的实现，以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的，其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC（Multiple Signal Classification）算法具有较低的计算复杂度，且无需进行特征值分解，因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤：构造等效旋转不变系统和估计角度。通过空间平移（如延时）构建两个子阵列，使得它们之间的关系具有旋转不变性。然后，通过对子阵列数据进行最小二乘拟合，可以得到信号源的角频率估计，进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异，比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤（如数据归一化）、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件，可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS（Total Least Squares）ESPRIT是对普通ESPRIT的优化，它考虑了数据噪声的影响，提高了估计的稳健性。在TLS_ESPRIT算法中，不假设数据噪声是高斯白噪声，而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现，包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中，选择合适的ESPRIT变体取决于系统条件，例如噪声水平、信号质量以及计算资源。通过MATLAB实现，研究者和工程师可以方便地比较不同算法的效果，并根据需要进行调整和优化。同时，这些代码也为教学和学习DOA估计提供了一个直观的平台，有助于深入理解ESPRIT算法的工作原理。
细胞分割计数matlab程序 附GUI 1.zip
07-30
细胞分割计数matlab程序 附GUI 1
【SCI顶级】多元宇宙算法MVO-CNN-LSTM-Multihead-Attention温度预测【含源码 5726期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Mutilhead-Attention回归预测
基于MC9S12单片机的电动汽车锂电池组监控系统研究
最新发布
07-30
锂电池体积小、比能量高、循环寿命长，在电动汽车产业得到广泛应用。但是锂电池在成组使用过程中会出现过充、过放及电量不一致等问题，这会降低锂电池组的使用性能、缩短锂电池组使用寿命，严重时还会引发锂电池起火、爆炸导致安全问题。因此，研究锂电池组监控系统对保证锂电池安全高效运行具有重要意义。 基于MC9S12系列单片机、电压采集模块、电流采集模块、温度采集模块、均衡模块及通信模块，搭建了锂电池组监控系统，并选用电池工作电压来实现电池的均衡监控。针对锂电池组电量出现的不一致问题，开发了被动均衡和主动均衡两种均衡策略。当采用被动均衡策略时，推挽开关电路会选通待均衡的单体电池，利用功率电阻消耗其多余的电量，使得锂电池组电量重新一致。为了准确监控锂电池组的剩余电量，设计了SOC估算算法。对初始SOC值，考虑锂电池动态滞回特性，采用修正开路电压法来估算；对实时SOC值，考虑库伦效率的影响，采用修正安时法来估算。监控系统的控制系统由上位机与下位机组成，下位机采用HCS12S内核微处理器，实现各功能模块的控制任务；上位机采用LabVIEW编写交互界面，提供数据显示、预警监测、串口通信等功能。
点击未来：Python GUI编程全解析
07-30
Python是一种广泛使用的高级编程语言，由Guido van Rossum于1989年底发明，第一个公开发行版发行于1991年。Python的设计哲学强调代码的可读性和简洁的语法（尤其是使用空格缩进来区分代码块，而不是使用大括号或关键词）。这使得Python被认为是一种易于学习的语言，同时具备强大的功能，适合初学者和经验丰富的程序员。 Python的主要特点包括： 1. **易于学习**：Python有相对较少的关键字，结构简单，和一个明确定义的语法。 2. **易于阅读**：Python代码定义的清晰度使得它像可执行伪代码。 3. **易于维护**：Python的成功在于它的源代码是相当容易维护的。 4. **广泛的标准库**：Python的标凑库很庞大，包含用于互联网通信、网络通信、数据压缩、加密、系统管理等的模块。 5. **跨平台**：Python可以在多种操作系统上运行，包括但不限于Windows、Mac OS X、Linux等。 6. **解释型语言**：Python是一种解释型语言，这意味着开发过程中没有编译步骤。 7. **动态类型系统**：Python不会在编写
[毕设]Java企业销售与采购管理系统源码.zip
07-30
[毕设]Java企业销售与采购管理系统源码
用 365 道高频算法题，带你融会贯通算法知识，做到以不变应万变
07-30
用 365 道高频算法题，带你融会贯通算法知识，做到以不变应万变
Cairngorm_CN中文文档：基于Flex的应用程序设计
文档旨在帮助已有一定Flex和Cairngorm基础的开发者学习如何正确设计和构建Cairngorm应用程序。" Cairngorm是一个轻量级的MVC（Model-View-Controller）框架，专门用于Adobe Flex应用的开发。它简化了大型、复杂应用...
评论 1
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