基于微信小程序的网上商店App的开发外文翻译资料

英语原文共 57 页

图 11.删除新闻序列图

MVC。MVC 架构的耦合级别总结在表 4。

从连接模型到查看和控制器都在数据结构化级别。图 3 显示了模型将通过发送更改消息来更新视图和控制器。在该示例中，模型将删除结果 (成功或失败) 发送回控制器。在最复杂的情况下，此消息可能采用结构化数据格式。

从视图到模型的连接在数据结构化水平。可能会在视图中更改一些数据，然后在模型中更新。可能是简单数据或结构化数据的编辑消息将传递给模型。

从控制器到模型和从控制器到视图的连接都在控制水平。控制器组件捕获事件，调用 delete 命令并发送更新 UI 命令。它维护数据流。

31

表 4.MVC 耦合级别

MVP。如图 7 所示，视图和模型之间没有连接。视图和演示者组件耦合在消息水平，意味着通信是通过接口。Presenter 组件将参数传递给模型以执行任务。完成任务后，模型将返回可能包含数据或错误消息的响应。因此，模型和演示者之间的连接在数据结构化水平。组件交互总结在表 5 中。MVP 架构中的耦合级别在低水平。

表 5.MVP 耦合级别

32

MVVM。表 6 显示了 MVVM 架构中的耦合级别类似于 MVP 架构。两耦合水平是不同的。首先，由于数据库的使用，视图和模型组件之间还有一个连接。视图从模型中提取数据并在小部件中显示。其次，视图 xml 文件将直接调用 ViewModel 中的方法。也就是说，视图布局 xml 文件管理事件。单击按钮时，应用程序将调用 ViewModel 组件中定义的不同操作。这是控制耦合。

表 6.MVVM 耦合级别

从表 4-6，MVC 组件有更多的连接比其他。而耦合级别主要是数据结构化级别和控制级别，高于其他两种架构。MVP 架构连接最少，其耦合级别大多位于消息级别和数据结构化级别。MVVM 体系结构类似于 MVP 体系结构，但它有一个更多的连接和更高的耦合级别。

三个架构的耦合级别是: MVCgt; MVVMgt; MVP。对于可修改性，MVC lt;MVVM lt;MVP。

33

6 性能

性能被认为是 “系统或组件在给定约束下完成其指定功能的程度，例如速度、精度或内存使用。”

6.1 标准

性能是应用成功的一个重要因素。典型的性能因素是响应时间，吞吐量，延迟 [11,35]。缓慢的响应时间将使用户不耐烦，减少用户数。一个好的架构可能并不总是创造良好的性能，但设计不良的架构肯定会对性能产生不良影响 [36]。

Schmerl 等人将性能评估方法分为两种类型: 分析性能模型和仿真性能模型 [37]。以往的基于数学模型的方法难以建立，无法很好地捕捉系统的复杂性。基于仿真的方法尝试在实际环境中运行，结果相对准确。

Mattsson [11] 总结了不同的架构评估方法，其中 6 种性能评估方法都是基于仿真的。除分层排队网络模型被广泛应用外，其他 5 种方法仅供作者使用。分层排队网络模型是建立并行和分布式软件系统模型 [35]。由于在服务器/客户端系统中，许多客户端同时需要来自服务器的资源是一种常见的情况。然而，这种方法在 Android 原生应用程序中是不可行的。

ATAM 方法并不适合性能评估，因为性能评估是基于仿真的，而 ATAM 是基于场景的。但考虑到性能是一个重要的质量，这个因素也包括在内。但评价过程有点不同。我们不是基于理论分析，而是用实际应用做实验。然后依据成果对架构停止评价。

34

为了评估 Android 应用程序的性能，考虑了一些因素。Corral 等人 [38] 认为，执行时间，电池消耗或内存使用是 Android 应用程序性能的关键因素。为了评估本地应用程序和 web 应用程序的执行时间，Corral 开发了应用程序来执行不同的任务: 写/读文件、请求数据等。结果表明，本地应用程序的性能优于 web 应用程序。Android 官方网站建议 Android 应用程序的性能因素包括响应时间，电池消耗，内存使用，CPU 使用和 GPU 使用。在这篇论文中，我们关注内存的使用。

6.2 评价

在本节中，测试了具有不同体系结构的应用程序的内存使用情况。我们研究官方架构示例待办应用程序。使用此应用程序，用户可以编写和编辑待办任务。当用户完成任务时，他们可以将其标记为 “完成”。应用中的统计函数将显示完成任务的数量。此应用程序的截图显示在附录 B 中。目前，示例只包含 MVP 和 MVVM 体系结构应用程序。我创建了 MVC 应用程序基于现有的应用程序。

实验是在 Android Nexus 6 模拟器在 API 21。Android Studio 中的 Android 监视器用于检测内存使用情况。

要评估内存使用情况，请将应用程序中的所有功能用作用户: 在不同视图之间添加、删除、更新、刷新和导航。该过程持续 5 分钟。在此期间，内存使用数据记录每分钟 (0,1，2,3，4 和 5)。为了消除可能的错误，对于每个体系结构应用程序，进行了 3 个实验。每个实验的详细结果可以在附录 C 中找到。数据收集后，计算平均值，如表 7 所示。根据统计数据，将创建图 12 中的折线图来强调差异。

35

表 7.应用程序每分钟分配的内存

您可能感兴趣的文章

• 基于Ad Hoc网络改进的TNMA时槽分配算法外文翻译资料
• 图像压缩技术:无损和有损算法综述。外文翻译资料
• 测量液体电导率的传感器外文翻译资料
• 使用虚拟现实对类人机器人的外观和性能进行心理评估外文翻译资料
• 以概率的，区间的，模糊的方法对Lamb波在复合材料中传播特性的测定外文翻译资料
• 基于人工神经网络预测PM2.5浓度的温度反演效应外文翻译资料
• 基于红外线传感器和相机的人数清点稳定系统外文翻译资料
• 一种基于GIS技术的半动态地理空间数据显示外文翻译资料
• 使用阈值技术的图像分割外文翻译资料
• 基于单片机的火灾探测及火灾预警系统的设计外文翻译资料