Silverlight实用窍门系列:25.Silverlight多线程技术Timer的应用,模拟心电图、模拟CPU、内存状态图【附带源码实例】

简介:

  在实际应用中,我们可能会遇到需要实时的显示某一些数据的情况,比如心电图、CPU当前使用率或者内存使用率等等。在Silverlight有一个Timer组件可以轻松的做到这一点,该组件可以每隔一段时间就调用一次需要处理的函数,在此这个函数中通过WebService,WCF等获取到相应的值,然后更新UI上的图表控件,以达到实时更新数据的作用。
        现在我们来看看Timer组件的使用思路:

        首先将现有的UI线程赋值出来,并且初始化Timer组件Timer  timer=Timer(TimerCallback, Object, Int32, Int32) 这里有4个参数。

              ●第一个参数是需要处理的函数的委托

              ●第二个参数是需要带入处理函数的参数对象

              ●第三个参数是从创建Timer对象到Timer对象执行委托函数的时间间隔

              ●第四个参数是每隔多少毫秒执行一次委托函数

        然后再委托函数中我们获取到当前的需要显示的数据值,调用UI线程显示到图表中(在本实例中我们使用Random.Next(100)的随机数来模拟数据源)。在数据显示过程中我们可以通过调用timer.Change(int32,int32)来重置Timer启动时间和处理委托函数的间隔时间,也可以通过调用timer.Disponse()方法来释放Timer组件对象。
        本实例中为了让节面显得更加的美观大方,我们初始化了30个值50的点,然后在每调用Timer委托的函数中每在最后添加一个点,就将最前面的点减去。下面我们看项目的实例源码(注:本实例基于Visifire图表开发,且源码基于Silverlight实用窍门序列:14.Visifire图表控件的使用一(图表的创建和基础使用)【附带源码实例】的基础上制作,如有疑问请看第十四节)

复制代码
 
 
/// <summary>
/// 创建一个图表
/// </summary>
/// <param name="tableName"> 表名字 </param>
/// <param name="updateTime"> 时间段的集合 </param>
/// <param name="value"> 对应时间段集合的值 </param>
/// <param name="row"> 本表在主Grid里面的ROW值 </param>
/// <param name="column"> 本表在主Grid里面的column值 </param>
/// <param name="rihgtStr"> Y轴的后缀 </param>
/// <param name="tspan"> 时间段间隔 </param>
/// <param name="chartInterval"> 图表两点之间的间隔 </param>
/// <param name="intervaltype"> 图表的X轴坐标按什么来分类,如时分秒 </param>
public void CreateChart( string tableName, int row, int column, string rihgtStr, TimeSpan tspan, int chartInterval, IntervalTypes intervaltype)
{
// 创建一个图标
Chart chart = new Chart();

// 设置图标的宽度和高度
chart.Width = 500 ;
chart.Height
= 400 ;
chart.ToolBarEnabled
= true ;

// 设置图标的属性
chart.ScrollingEnabled = false ;
chart.View3D
= true ;

// 创建一个标题的对象
Title title = new Title();

// 设置标题的名称
title.Text = tableName;
title.Padding
= new Thickness( 0 , 10 , 5 , 0 );

// 向图标添加标题
chart.Titles.Add(title);

// 初始化一个新的Axis
Axis xAxis = new Axis();

// 设置axis的属性
// 图表的X轴坐标按什么来分类,如时分秒
xAxis.IntervalType = intervaltype;
// 图表中的X轴坐标间隔如2,3,20等,单位为xAxis.IntervalType设置的时分秒。
xAxis.Interval = chartInterval;
// 设置X轴的时间显示格式为7-10 11:20
xAxis.ValueFormatString = " hh:mm:ss " ;
// 给图标添加Axis
chart.AxesX.Add(xAxis);
Axis yAxis
= new Axis();
// 设置图标中Y轴的最小值永远为0
yAxis.AxisMinimum = 0 ;
// 设置图表中Y轴的后缀
yAxis.Suffix = rihgtStr;
chart.AxesY.Add(yAxis);
// 创建一个新的数据线。
DataSeries dataSeries = new DataSeries();

// 设置数据线的格式。
dataSeries.RenderAs = RenderAs.Line;
dataSeries.XValueType
= ChartValueTypes.DateTime;


// 添加数据线到数据序列。
chart.Series.Add(dataSeries);

// 将生产的图表增加到Grid,然后通过Grid添加到上层Grid.
Grid gr = new Grid();
gr.Children.Add(chart);
Grid.SetRow(gr, row);
Grid.SetColumn(gr, column);
gr.Margin
= new Thickness( 5 );
gr.VerticalAlignment
= VerticalAlignment.Top;
gr.HorizontalAlignment
= HorizontalAlignment.Left;
// 增加一个遮罩层到gr,将visifire的水印遮掉。
StackPanel sp = new StackPanel();
sp.Width
= 160 ;
sp.Height
= 18 ;
sp.Margin
= new Thickness( 0 , 3 , 6 , 0 );
sp.VerticalAlignment
= VerticalAlignment.Top;
sp.HorizontalAlignment
= HorizontalAlignment.Right;
sp.Background
= new SolidColorBrush(Colors.White);
gr.Children.Add(sp);
LayoutRoot.Children.Add(gr);
// 初始化30个DataPoint点,这些点都是50的值,一个平滑的曲线,目的在于让后续点的出现不会太唐突导致不美观。
int s = 30 ;
for ( int n = 0 ; n < 30 ; n ++ )
{
DataPoint dpoint
= new DataPoint();
dpoint.XValue
= new DateTime( 2010 , 2 , 15 , 6 , s + n, 03 );
Random rom
= new Random();
dpoint.YValue
= 50.0 ;
chart.Series[
0 ].DataPoints.Add(dpoint);
}
// 将当前的UI进程赋给thread;以供下面使用
thread = System.Threading.SynchronizationContext.Current;
// 启动Timer组件,开始增加DataPoint点
time = new Timer(AddPoint, chart, 1000 , 1000 );
}
// 时间标志,不用关注
int TimeFlag = 0 ;
Timer time;
System.Threading.SynchronizationContext thread;
public void AddPoint( object state)
{
// UI线程更新内容
thread.Post( delegate
{
Chart chart
= state as Chart;
DataPoint dpoint
= new DataPoint();
dpoint.XValue
= new DateTime( 2010 , 2 , 15 , 7 , TimeFlag, 03 );
// 获取到随机数
Random rom = new Random();
int num = rom.Next( 100 );
dpoint.YValue
= double .Parse(num.ToString());
chart.Series[
0 ].DataPoints.Add(dpoint);
// 设置每增加了一个点,就将最前面的那个点去掉。
chart.Series[ 0 ].DataPoints.Remove(chart.Series[ 0 ].DataPoints[ 0 ]);
TimeFlag
++ ;
},
null );

// 此处我们设置标志等于59的时候取消Timer的运行
if (TimeFlag == 59 )
{
time.Dispose();
}
}
复制代码

        本实例只模拟了59个点,如有需要稍微修改一下逻辑即可。VS2010+Silverlight 4.0的开发环境,如需源码请点击  SLTimerForCPU.zip 下载。下面请看效果图如下:
2011031417140227.jpg2011031417142710.jpg

                      【第三秒的图片】                                                                           【第九秒的图片】

2011031417145064.jpg2011031417150132.jpg

                                 【第十九秒的图片】                                                        【第二十五秒的图片】



    本文转自程兴亮博客园博客,原文链接:http://www.cnblogs.com/chengxingliang/archive/2011/03/14/1983987.html,如需转载请自行联系原作者

相关文章
|
1月前
|
存储 弹性计算 固态存储
阿里云服务器CPU内存配置详细指南,如何选择合适云服务器配置?
阿里云服务器配置选择涉及CPU、内存、公网带宽和磁盘。个人开发者或中小企业推荐使用轻量应用服务器或ECS经济型e实例,如2核2G3M配置,适合低流量网站。企业用户则应选择企业级独享型ECS,如通用算力型u1、计算型c7或通用型g7,至少2核4G配置,公网带宽建议5M,系统盘可选SSD或ESSD云盘。选择时考虑实际应用需求和性能稳定性。
484 6
|
2天前
汇编语言(第四版) 实验一 查看CPU和内存,用机器指令和汇编指令编程
汇编语言(第四版) 实验一 查看CPU和内存,用机器指令和汇编指令编程
|
8天前
|
Python
python3获取内存和cpu利用率记录日志文件psutil
python3获取内存和cpu利用率记录日志文件psutil
11 1
|
10天前
|
运维 Serverless Nacos
Serverless 应用引擎产品使用合集之在访问量过大的情况下,函数配置的cpu和内存会自动扩容吗
阿里云Serverless 应用引擎(SAE)提供了完整的微服务应用生命周期管理能力,包括应用部署、服务治理、开发运维、资源管理等功能,并通过扩展功能支持多环境管理、API Gateway、事件驱动等高级应用场景,帮助企业快速构建、部署、运维和扩展微服务架构,实现Serverless化的应用部署与运维模式。以下是对SAE产品使用合集的概述,包括应用管理、服务治理、开发运维、资源管理等方面。
|
12天前
|
存储 消息中间件 缓存
Redis:内存数据存储与缓存系统的技术探索
**Redis 概述与最佳实践** Redis,全称Remote Dictionary Server,是流行的内存数据结构存储系统,常用于数据库、缓存和消息中介。它支持字符串、哈希、列表等数据结构,并具备持久化、主从复制、集群部署及发布/订阅功能。Redis适用于缓存系统、计数器、消息队列、分布式锁和实时系统等场景。最佳实践包括选择合适的数据结构、优化缓存策略、监控调优、主从复制与集群部署以及确保安全配置。
19 3
|
12天前
|
人工智能 数据管理 vr&ar
终极 GPU 互联技术探索:消失的内存墙
【6月更文挑战第9天】GPU在各领域广泛应用,但内存墙问题限制了性能提升。为解决此问题,研究人员发展GPU互联技术,如NVIDIA的NVLink,实现高速通信,提高系统性能。此外,先进内存技术(如HBM)和智能数据管理策略也在助力突破内存墙。未来,随着GPU互联技术的不断创新,内存墙将被逐步消除,为AI、虚拟现实等领域带来更强计算能力。
|
21天前
|
监控 Java 编译器
Java的内存模型与并发控制技术性文章
Java的内存模型与并发控制技术性文章
18 2
|
24天前
|
机器学习/深度学习 传感器 自动驾驶
基于深度学习的图像识别技术在自动驾驶系统中的应用深入理解操作系统内存管理:原理与实践
【5月更文挑战第28天】 随着人工智能技术的飞速发展,图像识别作为其重要分支之一,在多个领域展现出了广泛的应用潜力。尤其是在自动驾驶系统中,基于深度学习的图像识别技术已成为实现车辆环境感知和决策的关键。本文将深入探讨深度学习算法在自动驾驶图像识别中的作用,分析其面临的挑战以及未来的发展趋势,并以此为基础,展望该技术对自动驾驶安全性和效率的影响。
|
28天前
|
存储 安全 程序员
C++语言中的内存管理技术
C++语言中的内存管理技术
|
1月前
|
存储 弹性计算 监控
【阿里云弹性计算】深入阿里云ECS配置选择:CPU、内存与存储的最优搭配策略
【5月更文挑战第20天】阿里云ECS提供多种实例类型满足不同需求,如通用型、计算型、内存型等。选择CPU时,通用应用可选1-2核,计算密集型应用推荐4核以上。内存选择要考虑应用类型,内存密集型至少4GB起。存储方面,系统盘和数据盘容量依据应用和数据量决定,高性能应用可选SSD或高效云盘。结合业务特点和预算制定配置方案,并通过监控应用性能适时调整,确保资源最优利用。示例代码展示了使用阿里云CLI创建ECS实例的过程。
101 5