博客
关于我
Android 基础理论 day01
阅读量:807 次
发布时间:2019-03-25

本文共 1665 字,大约阅读时间需要 5 分钟。

单件模式(Singleton)与适配器模式(Adapter)的设计技巧

单件模式(Singleton)

单件模式通过确保类只有一个实例来优化资源利用。其核心包括:

  • 静态构造方法:防止多个实例的创建
  • 静态实例变量:存储唯一的实例
  • 静态获取方法:确保只有这个实例被获取
  • 单件模式可实现懒汉或饿汉两种方式,实现上线程安全注意事项时需同步关键字。

    适配器模式(Adapter)

    适配器设计用于兼容不同系统或数据格式。其特点为扩展性和灵活性。

    示例:笔记本电脑与鼠标的适配器,通过适配器将不同品牌的鼠标集成统一接口。

    实现示例:

    public class LenovoThinkPad {    public void setMouse(MouseAdapter mouse) {        this.mouse = mouse;    }    MouseAdapter mouse;}

    观察器模式(Observer)

    观察器模式用于监控数据变化,适用于需要及时响应数据变化的场景。

    开发要点

  • ** Observable**:触发变化的对象
  • Observer:接收数据变化通知
  • 示例:数据更新时自动触发业务逻辑执行。

    代码风格对比(BS vs CS)

    j2EE:

    • 容器解析配置文件
    • 线程封装
    • 代码逐行处理

    优点:明确性高,维护简单。

    Android:

    • 代码结构灵活
    • 注重设计理解
    • 关注方法执行条件

    实际应用:

    -otlinmize null checker-返回类型清晰

    事件驱动模型(Event-Driven Model)

    事件源与事件处理器

    每个事件源可绑定多个监听器,事件处理器将数据参数化。

    事件参数意义

    lack of position parameter 导致难以处理事件

    代码实现示例:

    listView.setOnItemClickListener(new AdapterView.OnItemClickListener() {    @Override    public void onItemClick(AdapterView
    parent, View view, int position, long id) { NewInfo info = list.get(position); Toast.makeText(getBaseContext(), info.title, Toast.LENGTH_LONG).show(); }});

    事件处理方式对比

  • 匿名内部类

    add.setOnClickListener(new View.OnClickListener() {    @Override    public void onClick(View v) {        System.out.println("----------我被点了------------");    }});
  • 实现方式

    public class MainActivity2 extends Activity implements View.OnClickListener {    @Override    public void onClick(View v) {        System.out.println("点击事件的处理代码....");    }}
  • 内部类

    private class AddListenr implements View.OnClickListener {    @Override    public void onClick(View v) {        System.out.println("点击事件的处理代码....");    }}
  • 属性配置

    对应的方法:

    public void update(View view) {    // ...}
  • 通过以上方式,理解如何灵活处理事件并通过参数控制事件处理逻辑,适合复杂场景需求。

    转载地址:http://qlsyk.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>