Spark 架构和组件集的简要概述

简介: Spark 架构和组件集的简要概述   Flex 4 提供的 Spark 组件 Flex 4 目前提供各种 Spark 组件。Flex 的后续版本将提供更多 Spark 控件,与 MX 组件集并驾齐驱。

Spark 架构和组件集的简要概述

 

Flex 4 提供的 Spark 组件

Flex 4 目前提供各种 Spark 组件。Flex 的后续版本将提供更多 Spark 控件,与 MX 组件集并驾齐驱。要进一步了解各个 Spark 组件或控件的外观部件、状态和基类,请参阅 Adobe Flash Platform 的 ActionScript 3.0 参考*文档或 Flex 文档的 Spark 容器*基于 Spark 列表的控件*章节。

Spark 容器

所有 Spark 容器都支持可指定布局。

  • Group-Flex 4 中的一个不可设计外观的容器类,它可以包含 UIComponents 等可视子代、Adobe Flash Professional 中创建的 Flex 组件或图形元素。
  • DataGroup-Flex 4 中的一个不可设计外观的容器类,它只能包含子代等非可视数据项。DataGroup 容器支持生成项呈示器(这是一种可视元素,它将数据项转换为可显示项)及其元素的虚拟化。
  • SkinnableContainer-Group 的可设计外观的版本。
  • SkinnableDataContainer-DataGroup 的可设计外观的版本。
  • Application-针对基于浏览器的 Flex 应用程序、可设计外观的顶级容器(与 AIR 应用程序相反,后者使用下述 Spark WindowedApplication 容器)。
  • BorderContainer-支持边框和背景填充的 CSS 样式的一个可设计外观的容器(与 MX 容器支持的边框和背景样式类似)。
  • Panel-支持标题栏、题注和边框的一个可设计外观的容器。
  • TitleWindow-与 Panel 类似、支持关闭按钮和可移动区域的一个可设计外观的容器。TitleWindow 将通过 PopUpManager 以弹出窗口形式弹出。
  • Window-可用作 Adobe AIR 应用程序中的顶级应用程序窗口的一个可设计外观的组件。
  • WindowedApplication-定义 Adobe AIR 应用程序中的应用程序容器的一个可设计外观的组件。

按钮组件

  • Button-可设计外观的矩形按钮。
  • Button-可设计外观的矩形按钮。
  • CheckBox-包含标签和支持复选标记的框、可设计外观的组件。
  • RadioButton-用于跨一组相互排斥的单选按钮识别一个选择、可设计外观的组件。

范围组件

  • ScrollBar-用于控制给定内容区域中的数据显示量、可设计外观的组件。
  • Slider-允许通过在一个滑块轨迹的两个端点之间拖动缩略图选择值、可设计外观的组件。
  • Spinner-包含用于从一个有序集中选择值的向上和向下按钮、可设计外观的组件。
  • NumericStepper-可设计外观的组件,它实质上是一个连接到 Spark TextInput 控件的 Spark Spinner 控件,允许选择和编辑数值。

文本组件

  • Label-显示单行统一格式文本、不可设计外观的控件。
  • RichText-可显示多行富格式文本并支持嵌入图像、不可设计外观的控件。
  • RichEditableText-可用于显示、滚动、编辑和选择多行富格式文本、不可设计外观的控件。
  • TextArea-允许显示和编辑多行富格式文本、可设计外观的控件。
  • TextInput-允许显示和编辑单行统一格式文本、可设计外观的控件。

基于列表的组件

  • List-显示数据项、可设计外观的组件。它支持生成项呈示器、单项和多项选择、拖放操作、虚拟化和可指定布局。
  • DropDownList-允许用户从拖放打开的列表中选择值、可设计外观的组件。
  • ComboBox-可设计外观的组件,实质上是一个带有可编辑功能的 Spark DropDownList。

导航器组件

  • ButtonBar-支持从类似于导航器的一组按钮中选择一个按钮、可设计外观的组件。
  • TabBar-支持从类似于导航器的一组选项卡中选择一个选项卡、可设计外观的组件。

Spark 滚动组件

  • Scroller-定义可滚动视图、可设计外观的组件,可支持垂直和水平滚动栏。

Spark 媒体组件

  • VideoPlayer-支持回放视频媒体、可设计外观的组件,它构建在开放源媒体框架*之上。

后续工作

您已经进一步了解 Flex 4 提供的功能强大的新 Spark 外观设计架构和组件集,现在可以自定义一个现有 Spark 组件或从头开始构建自己的 Spark 组件了。Spark 架构的丰富功能使您能轻松构建出与 Flex 4 先前版本中的 Flex 内容截然不同的 Flex 应用程序和组件。

如果需要更多信息,可参阅 Spark 组件架构*的相关技术白皮书,它具体说明了 Spark 外观设计合同、Spark 基类以及组件和容器类。您还可以在 Flex 4 文档*中找到个别 Flex 4 功能的详细信息,它提供非常实用的技术信息和代码样本,可以帮助您更好地理解这些功能的实际使用方法。最后,Tour de Flex* 参考应用程序展示了许多 Flex 功能并提供大量可运行的示例和代码片段,可将它们轻松粘贴到 Flash Builder 中。现在您就可以开始随心所欲地设计和开发 Flex 组件及应用程序了!

相关文章
|
2月前
|
分布式计算 大数据 Apache
ClickHouse与大数据生态集成:Spark & Flink 实战
【10月更文挑战第26天】在当今这个数据爆炸的时代,能够高效地处理和分析海量数据成为了企业和组织提升竞争力的关键。作为一款高性能的列式数据库系统,ClickHouse 在大数据分析领域展现出了卓越的能力。然而,为了充分利用ClickHouse的优势,将其与现有的大数据处理框架(如Apache Spark和Apache Flink)进行集成变得尤为重要。本文将从我个人的角度出发,探讨如何通过这些技术的结合,实现对大规模数据的实时处理和分析。
204 2
ClickHouse与大数据生态集成:Spark & Flink 实战
|
3月前
|
存储 分布式计算 算法
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
86 0
|
3月前
|
消息中间件 分布式计算 NoSQL
大数据-104 Spark Streaming Kafka Offset Scala实现Redis管理Offset并更新
大数据-104 Spark Streaming Kafka Offset Scala实现Redis管理Offset并更新
60 0
|
3月前
|
消息中间件 存储 分布式计算
大数据-103 Spark Streaming Kafka Offset管理详解 Scala自定义Offset
大数据-103 Spark Streaming Kafka Offset管理详解 Scala自定义Offset
118 0
|
2月前
|
SQL 机器学习/深度学习 分布式计算
Spark快速上手:揭秘大数据处理的高效秘密,让你轻松应对海量数据
【10月更文挑战第25天】本文全面介绍了大数据处理框架 Spark,涵盖其基本概念、安装配置、编程模型及实际应用。Spark 是一个高效的分布式计算平台,支持批处理、实时流处理、SQL 查询和机器学习等任务。通过详细的技术综述和示例代码,帮助读者快速掌握 Spark 的核心技能。
128 6
|
2月前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第27天】在大数据时代,数据湖技术凭借其灵活性和成本效益成为企业存储和分析大规模异构数据的首选。Hadoop和Spark作为数据湖技术的核心组件,通过HDFS存储数据和Spark进行高效计算,实现了数据处理的优化。本文探讨了Hadoop与Spark的最佳实践,包括数据存储、处理、安全和可视化等方面,展示了它们在实际应用中的协同效应。
156 2
|
2月前
|
存储 分布式计算 Hadoop
数据湖技术:Hadoop与Spark在大数据处理中的协同作用
【10月更文挑战第26天】本文详细探讨了Hadoop与Spark在大数据处理中的协同作用,通过具体案例展示了两者的最佳实践。Hadoop的HDFS和MapReduce负责数据存储和预处理,确保高可靠性和容错性;Spark则凭借其高性能和丰富的API,进行深度分析和机器学习,实现高效的批处理和实时处理。
142 1
|
2月前
|
分布式计算 大数据 OLAP
AnalyticDB与大数据生态集成:Spark & Flink
【10月更文挑战第25天】在大数据时代,实时数据处理和分析变得越来越重要。AnalyticDB(ADB)是阿里云推出的一款完全托管的实时数据仓库服务,支持PB级数据的实时分析。为了充分发挥AnalyticDB的潜力,将其与大数据处理工具如Apache Spark和Apache Flink集成是非常必要的。本文将从我个人的角度出发,分享如何将AnalyticDB与Spark和Flink集成,构建端到端的大数据处理流水线,实现数据的实时分析和处理。
88 1
|
3月前
|
分布式计算 大数据 Apache
利用.NET进行大数据处理:Apache Spark与.NET for Apache Spark
【10月更文挑战第15天】随着大数据成为企业决策和技术创新的关键驱动力,Apache Spark作为高效的大数据处理引擎,广受青睐。然而,.NET开发者面临使用Spark的门槛。本文介绍.NET for Apache Spark,展示如何通过C#和F#等.NET语言,结合Spark的强大功能进行大数据处理,简化开发流程并提升效率。示例代码演示了读取CSV文件及统计分析的基本操作,突显了.NET for Apache Spark的易用性和强大功能。
89 1