首页 > 其他分享 >Stage模型深入解读

Stage模型深入解读

时间:2023-03-15 11:47:20浏览次数:30  
标签:模型 解读 UIAbility 开发者 应用 组件 Stage

 HarmonyOS 3.1版本(API 9)推出了全新应用开发模型-Stage模型,该模型重新定义了应用开发的能力边界,从应用开发模型的角度,支持多窗口形态下统一的应用组件生命周期,并支持跨设备的迁移和协同机制。本文为大家详细介绍Stage模型。

 

一、Stage模型概念

应用开发模型是运行在不同OS上的抽象结构。OS通过这种抽象结构,把应用开发的基础设施封装在OS内部。开发者通过使用应用开发模型,复用OS基础设施的能力,达到高效开发应用的目的。

1、什么是Stage模型

Stage模型提供面向对象的开发方式,规范化了进程创建的方式,提供组件化开发机制,将组件抽象为UIAbility和ExtensionAbility两大类。UIAbility组件的生命周期包含创建、销毁、前台、后台状态,将与界面强相关的获焦、失焦状态都放在窗口管理对象中,从而实现UIAbility与窗口之间的弱耦合;在服务侧,窗口管理服务依赖于组件管理服务,前者通知后者前后台变化,这样组件管理服务仅感知前后台变化,不感知焦点变化。ExtensionAbility组件提供场景化的服务扩展机制,不提供自定义服务的能力。

相比于FA模型,Stage模型提供了更灵活的开发方式,更低的内存占用和更规范化的系统管理机制。

未来HarmonyOS将在兼容FA模型的基础上,持续演进Stage模型。

FA模型与Stage模型对比图

 

2、Stage模型能力特点

Stage模型能力示意图

 

Stage模型的设计,是为了提供给开发者一个更好的开发方式,更好的适用于多设备、分布式场景。

Stage模型的三大能力特点:

1)原生支持组件级的迁移和协同

Stage模型的组件天生具备分布式迁移和协同的能力,它是HarmonyOS支持分布式能力在应用模型上的体现。

应用组件支持跨设备的数据恢复:

充分使用ArkUI的声明式UI和多页面的能力,把数据/状态保存在UIAbility组件实例中,逻辑修改数据,数据驱动UI变化。多设备间迁移UIAbility,就是迁移UIAbility的数据/状态。在目标设备上通过数据/状态来恢复UI,实现逻辑与UI的解耦,提升了流转开发效率。

应用组件支持跨设备的远程调用:

UIAbility组件支持跨设备拉起另外一个设备上同名应用的同名组件实例。系统在拉起过程中,通过底层软总线的能力在两个组件实例之间建立跨设备的RPC连接,开发者在获取RPC接口后,即可进行跨设备通信,适用于应用在设备间交互的场景。

2)支持多设备形态和多窗口形态

在桌面设备上,窗口可以最大化/最小化/任意改变窗口大小,窗口间可以任意切换焦点,接收用户输入。在移动设备上,基本以全屏窗口为主,窗口之间构成栈结构,只有顶层窗口才能接收用户输入。如何在不同窗口形态的设备上,提供统一的组件模型呢?Stage模型分离了UIAbility生命周期和窗口显示/焦点事件,使得窗口的焦点切换不影响UIAbility组件的状态。

UIAbility的前后台状态和窗口的全屏/最小化的关系如下:

只有当窗口最小化的时候,UIAbility组件进入后台状态,否则UIAbility组件处于前台状态;

当一个窗口全屏的时候,触发其他窗口最小化(可以根据产品形态确定全屏窗口个数)。

在桌面设备和移动设备的交互体验不同的情况下,系统通过实施上述规则,可以保证UIAbility组件的生命周期定义在多设备上保持一致。同时,不论在桌面设备还是移动设备,都遵循每个新的UIAbility组件实例都会创建一个任务,所以也保证了任务(Mission)机制在多设备上的一致性。

3)重新定义应用能力边界

通常情况下,应用如果可自行决定创建多少个进程、自定义服务时,系统为保证用户体验,需要在后台运行管控、进程关联启动等方面对应用的运行状态进行强管理,从而降低系统总体的内存占用和功耗开销。

Stage模型基于场景的服务扩展、严格的后台管控机制和受限的进程模型,重新定义了应用能力边界,使进程环境从“无序”到“有序”,规范了进程管理模型。

 

二、Stage模型介绍

基于Stage模型开发应用,下面将会从应用组件、进程模型、线程模型、任务模型、后台运行机制、应用配置文件6个方面进行介绍。

1、组件模型

应用开发模型中需要指明应用开发的入口。在HarmonyOS上,应用组件是应用开发的入口,同时也是运行时入口。用户启动、使用和退出应用过程中,应用组件会在不同的状态间切换,这些状态称为应用组件的生命周期。应用组件提供生命周期的回调函数,开发者通过应用组件的生命周期回调感知应用的状态变化。

Stage模型组件类型

 

Stage模型提供了UIAbility和ExtensionAbility两种类型的组件。

1) UIAbility组件是一种包含UI界面的应用组件,主要用于和用户交互。UIAbility的生命周期只包含创建/销毁/前台/后台等状态,通过WindowStage的事件暴露显示相关的状态。每个UIAbility组件都会有一个主窗口与之绑定,如果开发者希望开发复杂的页面和动效,我们推荐开发者使用ArkUI的多页面能力。UIAbility支持跨设备拉起同名组件,并与之协同交互的能力。

2)ExtensionAbility组件是一种面向特定场景的应用组件,系统在特定场景下启动该组件为用户提供服务。开发者并不直接从ExtensionAbility派生,而是从ExtensionAbility的派生类派生。目前ExtensionAbility有用于卡片场景的FormExtensionAbility和用于输入法场景的InputMethodExtensionAbility等多种派生类。在Stage模型上,普通应用开发者不能开发自定义服务,也不支持开发者直接启动ExtensionAbility,包括开发者自己编写的ExtensionAbility。

2、进程模型

进程模型示意图

 

Stage模型有三类进程,是从系统总体资源占用考虑,希望由系统负责应用进程的创建和销毁。所以不支持应用自定义配置多进程,也不支持通过接口启动进程。

1)主进程

开发者编写的UIAbility入口及其依赖的代码都在该进程中运行。它是由UIAbility组件的启动触发创建的。

2)ExtensionAbility进程

开发者编写的同一种类型的ExtensionAbility组件实例都会在同一个进程中运行。不同类型的ExtensionAbility组件实例则在不同的进程中运行。该类进程是由系统服务在特定场景下创建,并根据用户对特定场景的使用,决定其何时销毁。同时该类进程独立于主进程创建,并且不支持与主进程之间进行IPC通信。

3)Render进程

为了支持WebView的运行,每个应用只能创建一个Render进程用于运行WebView的渲染引擎。这个Render进程也是由系统负责创建和销毁。

3、线程模型

HarmonyOS的原生应用开发语言为ArkTS。在应用进程启动时,系统会在主线程上创建一个ArkTS的虚拟机实例,然后加载和执行应用的入口代码。应用组件的生命周期回调,输入事件的分发,ArkUI的布局等操作都会在主线程上执行,所以我们推荐开发者不要在主线程上执行单次耗时过长的操作,否则容易引发卡顿。

ArkTS通过提供Worker API支持并发编程。Worker有独立的虚拟机上下文,它与主线程是两个不同的虚拟机上下文。它们之间通过postMessage API进行通信。这种基于消息传递的并发模型与基于锁的并发模型不同,需要开发者特别注意。

4、任务模型

用户在操作应用的过程中,经常需要对已经操作过的应用进行切换,这些操作记录(不同OS的操作对象定义可能不同)经常被称为任务。应用任务管理模型需要定义任务的操作对象,以及任务创建和销毁的方式和时机。

在HarmonyOS上,每次用户启动一个新的UIAbility组件实例,都会生成一个新的任务(Mission)。例如,用户启动一个视频应用后,切换到“任务中心”界面,将会看到视频应用这个任务,当用户点击这个任务时,系统会把该任务切换到前台,如果这个视频应用中的视频编辑功能也是通过应用组件编写的,那么在用户启动视频编辑功能时,会创建视频编辑的应用组件实例,在“任务中心”界面中,将会展示视频应用、视频编辑两个任务。

任务(Mission)中记录了组件和快照的信息,并在系统中持久化。即使任务对应的组件实例销毁,任务仍然存在。如果用户从任务中心中选择某个任务,任务对应的组件实例会被拉到前台并获焦,如果它对应的组件实例已经销毁,系统会创建一个新的组件实例与之对应。

开发者在用户交互设计上需要特别注意,避免产生过多的任务。如果开发者希望使用多个页面交互,推荐使用ArkUI的页面栈能力。

HarmonyOS的任务模型不提供任务栈的能力,每个应用可以有多个任务在任务中心呈现,不同应用的任务不会以栈的形式堆叠在一起,避免了不同应用间任务混淆不清的情况。

5、后台运行机制

后台运行示意图

 

当应用的所有前台UIAbility组件都进入后台的时候,系统认为该应用进入后台。应用在后台运行的机制对设备续航影响很大。HarmonyOS后台运行机制的设计初衷是希望应用进程在系统规则范围内运行,并使用户可感知,避免应用进程在后台运行,而用户不感知的情况。我们提供了如下几种后台任务(Task):

1)短时任务

系统每天会给申请了短时任务的应用分配一定的后台运行配额。

2)长时任务

系统定义了若干种后台长时运行的任务类型,开发者需要在应用的配置文件中配置,并需要上架审核。这样该应用在设备上后台运行的时候,就可以保持长时间运行,同时系统会通过用户可感知的UI提示用户有后台进程正在运行。例如导航,录音,音乐等场景。

3)无任务

默认情况下,应用不申请任何后台运行方式,则会在应用进程进入后台10秒钟后被冻结挂起,应用无法收到外部非用户操作事件。

4)闲时任务

对于一些CPU密集型,且对实时性要求不高的任务,比如科学计算等场景,系统提供了闲时任务机制。例如设备充电等适当的时机向应用提供后台运行的能力,开发者可以通过Work-SchedulerExtensionAbility使用该机制,系统会根据当前的系统状态和用户使用频次决策唤醒时机。

5)托管任务

对于一些可以托管给系统执行的任务。比如下载等场景,系统提供代理任务的API,由系统代理实现任务,应用进程会处于冻结状态。

6、应用配置文件

Stage模型提供了全新的应用配置文件,它包含应用信息、应用组件信息、权限信息、开发者自定义信息等,这些信息在编译构建、分发和运行阶段分别提供给编译工具、应用市场和操作系统使用。

Stage应用模型是HarmonyOS应用开发的基础架构,它从组件模型、面向对象开发方式、进程/线程模型等方面对FA模型进行了全面的优化,提高了应用开发效率。后续我们将在应用模型的基础设施、大型应用开发、拓展应用形态、跨设备能力和性能体验等方面继续打磨,支撑HarmonyOS应用生态拓展,广大开发者加入进来,一起探索和创新,共建万物互联的应用生态。

未来将来,有迹可循!

 

标签:模型,解读,UIAbility,开发者,应用,组件,Stage
From: https://www.cnblogs.com/HarmonyOSDev/p/17217920.html

相关文章

  • 从瀑布到敏捷——漫画解读软件开发模式变迁史
        瀑布式开发是早期被广泛采用的软件开发模型,要求有明确的需求,按照需求一步步做好规划,每一阶段工作的完成是下一阶段工作开始的前提,每一阶段都要进行严格的评审,保......
  • CVPR2023 | 集成预训练金字塔结构的Transformer模型
    前言 本文提出了一种新的预训练模型架构(iTPN),该架构由多个金字塔形的Transformer层组成。每个层都包含多个子层,其中一些是普通的self-attention和feed-forward层,而另一些......
  • PyTorch学习记录(三):onnx模型部署
    原则:PythonforTrainingC++forInferencePyTorch模型导出:PyTorch使用.pth文件来对神经网络的权重进行保存,.pth文件中的模型权重则是按照字典格式进行保存的,但是.pth......
  • 在MBP上运行推理LLaMA-7B模型
    在MBP上运行推理LLaMA-7B模型#buildthisrepogitclonehttps://github.com/ggerganov/llama.cppcdllama.cpp#obtaintheoriginalLLaMAmodelweightsandplac......
  • Cesium 与 Babylon.js 可视化 复制一个模型
    我决定不从Babylonjs基础来讲了直接整合cesium与babylonjs可视化来讲我整合一个类库后续不断更新中npmi@haibalai/cesium-babylonjs 初始化cesium-babylonjs......
  • 光流:用RAFT模型预测的移动
    光流是预测两个图像之间运动的任务,通常是视频的两个连续帧。光流模型以两张图像作为输入,并预测一个流:流表示第一张图像中每一个像素的位移,并将其映射到第二张图像中对应的......
  • 深度学习模型压缩方法总结
    一,模型压缩技术概述1.1,模型压缩方法分类1.2,模型压缩方法举例二,知识蒸馏三,轻量级模型架构3.1,如何设计高效CNN架构一些结论一些建议3.2,轻量级模型部署总结......
  • 财政收入影响因素分析及预测模型
    summary#-*-coding:utf-8-*-#代码6-1importnumpyasnpimportpandasaspdinputfile='E:\Thirdwork\数据代码\chapter6\demo\data\data.csv'#输入的数据文......
  • Unity 操作3D模型旋转+放大+移动
    一、鼠标控制3D物体移动1.使用协程usingSystem.Collections;usingSystem.Collections.Generic;usingUnityEngine;publicclassControlMove:MonoBehaviour{......
  • 快速上手Meta大语言模型LLaMA,构建“本地化ChatGPT”
    近期,Meta发布了人工智能大语言模型LLaMA,包含70亿、130亿、330亿和650亿这4种参数规模的模型。其中,最小的LLaMA7B也经过了超1万亿个tokens的训练。本文我们将以7B模型为例,分......