Haze项目中的位置同步问题分析与解决方案
背景介绍
Haze是一个用于实现模糊效果的Compose库,在实际使用过程中,开发者发现当父组件或子组件发生全局位置变化时,onPlaced回调有时不会被触发,导致模糊区域的位置与实际位置不同步。
问题本质
在Compose的布局系统中,组件的位置变化主要通过onPlaced回调来通知。然而在某些情况下,特别是当位置变化发生在初始布局之后时,onPlaced可能不会被调用,导致Haze无法及时更新模糊区域的位置信息。
技术分析
Compose提供了两种获取组件位置信息的方式:
-
onPlaced回调:在布局过程中同步触发,能够立即反映位置变化,但有时会错过后续的位置更新。
-
GlobalPositionAwareModifierNode:作为全局位置变化的监听器,能够捕获所有位置变化,但其回调发生在组合之后,意味着位置更新会有1帧的延迟。
解决方案
经过讨论,项目采用了双重保障机制:
-
保留原有的
onPlaced回调作为主要位置更新方式,确保大多数情况下能够即时响应位置变化。 -
增加
GlobalPositionAwareModifierNode作为后备方案,当onPlaced未能捕获位置变化时,通过全局监听器来更新位置。
这种混合方案既保证了大多数情况下的即时响应,又解决了边缘情况下的位置同步问题。
实现细节
在具体实现中,开发者为HazeChildNode和HazeAndroidNode都添加了全局位置监听功能。当检测到位置变化时,会更新模糊区域的位置和大小信息。日志显示,这种机制确实能够捕获到onPlaced遗漏的位置变化。
性能考量
虽然增加了全局监听器,但由于其仅在onPlaced失效时才会实际触发位置更新,对性能的影响可以忽略不计。同时,开发者明确指出这种方案不会影响图形层相关的布局问题。
结论
通过引入双重位置更新机制,Haze项目有效解决了模糊效果位置不同步的问题,提升了用户体验。这一改进已被合并到主分支,并计划在近期版本中发布。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00