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CNN的人脸识别技术研究外文翻译资料
• 基于RFID的安全和访问控制系统外文翻译资料
• 基于华为HiQ平台的量子算法编程与实现外文翻译资料
• 基于Activiti的任务工作流设计外文翻译资料
• 在JSP上自动生成下拉菜单的设计外文翻译资料
• 基于cc2530的zigbee无线网络的研究与设计外文翻译资料
• 酒店管理系统集成服务外文翻译资料
• 空地两栖农业信息采集机器人研究外文翻译资料
• 一种基于Java的Web开发方法应用系统外文翻译资料
• 数据挖掘在智能早期的应用岩爆警报系统外文翻译资料