前言:
如今我们对“二进制数10011转换为十进制是”大概比较注重,你们都需要知道一些“二进制数10011转换为十进制是”的相关内容。那么小编同时在网络上搜集了一些有关“二进制数10011转换为十进制是””的相关文章,希望姐妹们能喜欢,姐妹们快快来了解一下吧!基本介绍
背景介绍
1. 如何解决业务方在小程序、H5应用上的接入地图服务的困扰?
我们统一收口哈啰&高德服务能力,业务侧不需要每次接入LBS和高德服务都做http服务的接入工作,只用接入地图提供的组件包。我们还提供在类型声明,线接入文档,简化业务方的接入成本和工作量。
2. 总是担心服务不稳定,如何缓解心智负担?
我们在前端侧优化了请求策略,加入了降级兜底能力,稳定性更有保障。
3. 面对调用量增长,减轻服务压力,将如何面对?
我们从缓存方面入手,为调用量特别突出的逆地理设计缓存方案,通过缓存机制来减少调用,减轻服务压力。
SDK介绍
1. 基于哈啰&高德地图服务的封装库
能力支持:
核心是哈啰和高德地图服务统一的出入参数据结构,数据差异抹平高德服务兜底策略逆地理编码缓存策略、请求缓存、结果缓存完整的Typescript参类型声明支持多环境下安装使用
2. Map Services
我们现在有这么多地图服务能力,需要将其整合到一起。
3. 如何快速使用?
我们的SDK项目有完善的TypeScript类型声明,可以让开发者在编写代码时享受到类型检查和自动补全的便利。我们使用TypeDoc将类型声明生成对应的Markdown文档文件,再使用VuePress生成静态站点,方便开发者快速接入和使用。未来,我们还打算添加在线文档接口mock的能力,可以编辑入参,发送请求,显示响应数据,让开发使用更便利。
4. 请求策略是怎么样的?
为了保证地图组件的稳定性,地图组件对高德和LBS的请求策略进行了优化,在请求失败或超时的情况下,用高德服务做一次补偿(降级兜底),尝试再次获取数据。
5. 如何解决数据结构差异的困扰?
我们需要完成上图 -> 下图的数据转换,从高德数据转换为哈啰数据格式。
为了保证地图组件的通用性和可扩展性,地图组件对哈罗LBS和高德的出入参数据结构进行了统一,统一以哈啰数据结构为基准。
这样可以提高地图组件的兼容性和灵活性,同时也可以方便开发者使用。
我们定制开发了专门用来处理数据转换的工具库 @hb/map-convert。
数据字段的转换将数据转换为目标数据类型对于一些数据类型完全不一样的内容,可自定义转换函数,保障数据转换工具的兼容性和灵活性。比如:高德返回值数据中比较典型的空数组问题处理,city:[ ] -> city: StringType() -> city: "",类似这种字段数据我们会进行类型统一支持多层级的数据处理
前端缓存优化
逆地理编码缓存如何实现
选择一个合适的算法,用于生成缓存的CacheKey选择一个合适的缓存容器,用于存储逆地理编码响应数据选择合适的淘汰机制,用于数据的更新根据CacheKey命中缓存
如何提升缓存命中效率
通过GeoHash算法,进行一定误差范围内的经纬度匹配。
GeoHash是一种地址编码方法,他能够把二维的空间经纬度数据编码成一个字符串算法思想:GeoHash表示的并不是一个点,而是一个矩形区域,编码越长,表示的范围越小,位置也越精确,GeoHash编码的前缀可以表示更大的区域。例如wx4g0ec1,它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围
GeoHash 算法原理
1. 经纬度划分
经度范围是东经180到西经180,纬度范围是南纬90到北纬90,我们设定西经为负,南纬为负,所以地球上的经度范围就是[-180, 180],纬度范围就是[-90,90]。
如果纬度范围用二进制代表:
[-90°, 0°) => 0(0°, 90°] => 1[-180°, 0°) => 0(0°, 180°] => 1
2. 编码长度
编码长度就是对方块的划分次数。
根据设定的编码长度对当前经纬度分别进行划分,得到两组二进制串(10101、01010)后以偶数位放经度,奇数位放纬度的方式合并成一个二进制串(1001100110)将二进制串划分每5位一组,不足5位补0(10011、00110)将各组的5位二进制串转成十进制,5bits对应着10进制的数值为0-31(19、6)用0-9、b-z(去掉a、i、l、o)这32个字母进行Base32编码,即对照下标将其转换为字符串(m、6)
3. 编码长度 - 精度范围
在逆地理缓存中编码长度为GeoHash9(5m左右误差)
缓存淘汰机制
我们采用LRUCache缓存策略,它可以根据访问频率和时间自动淘汰最不常用的数据,保证缓存的空间利用率和数据的新鲜度。
原理解析:新数据插入到链表头部;每当缓存命中(即缓存数据被访问),则将数据移到链表头部;当链表满的时候,将链表尾部的数据丢弃。
其他维度的数据更新机制:
时间维度:我们限制只使用2天内的数据,如超过则淘汰数据,重新请求并缓存访问次数维度:我们限制数据使用10次后,会主动淘汰数据,重新请求并缓存
请求缓存
计算CacheKey,缓存请求Promise,下一次请求调用发起时,先尝试命中缓存,若命中则返回上一次调用缓存下来的Promise。
更新机制:缓存只在一次请求生命周期内有效,请求成功或失败后缓存都将删除。
解决问题:同一接口重复调用的场景下,解决并发调用的问题,只要上一次响应没有返回,下一次就不会重复发起相同请求。比如:进入“打车”首页时多次调用某个接口的场景下;重复点击按钮执行某个操作的场景。
响应结果缓存
计算CacheKey,请求成功后,缓存响应结果,下一次请求调用发起时,先尝试命中缓存,若命中则返回缓存中的数据。
更新机制:使用LRUCache作为缓存容器,存储超过10条数据后陈旧数据将会被淘汰;缓存超过5分钟后失效;如果在小程序中,缓存随着小程序生命周期的结束而销毁。
插件化设计
插件化的优点
提高了代码的可复用性和可维护性,因为每个插件都是独立的模块降低了代码的耦合度和复杂度,每个插件都只关注自己的功能,不需要知道其他插件的细节我们将一个网络请求的生命周期分为四个阶段:请求开始前、请求调用时、请求成功、请求失败。在每个阶段,我们可以使用不同的插件来做不同的事情
缓存插件
在请求开始前,在onBefore生命周期中,我们可以使用缓存插件来检查是否有缓存数据,如果有则直接返回缓存数据,不需要发起网络请求。
在请求成功时,我们可以使用缓存插件来保存返回的数据到缓存中,方便下次使用。
埋点插件
在onSuccess生命周期中,使用ubt埋点插件来记录用户请求成功状态。
在onError生命周期中,使用ubt埋点插件来上报错误信息,方便后续分析和优化。
作者:任赛龙
来源:微信公众号:哈啰技术
出处:
标签: #二进制数10011转换为十进制是