LiveCharts2 v2.0.0-rc5 发布:图表库的重大升级与改进
LiveCharts2 是一个功能强大的跨平台数据可视化库,支持多种 UI 框架,包括 MAUI、Avalonia、Uno Platform 等。最新发布的 v2.0.0-rc5 版本带来了超过 400 项提交的改进,标志着该库在性能、功能和用户体验方面都取得了显著进步。
核心架构重构:绘图引擎全面升级
本次版本最重大的改进是对绘图引擎的全面重构。在之前的版本中,当元素位于布局中时,Canvas 变换不会应用到子元素上。新版本解决了这个问题,现在变换会正确传递到子元素。这一特性在工具提示中得到了充分体现,现在工具提示的几何图形的不透明度和缩放也会应用到其内部内容。
绘图引擎的代码结构变得更加清晰。过去,库使用接口来定义所有图形,现在改为使用基类的方式。例如,BaseRoundedRectangleGeometry 类继承自 DrawnGeometry,这个基类处理动画和变换,而在 SkiaSharp 程序集中,我们只需继承这个基类并使用 SkiaSharp 绘制矩形。这种设计不仅使代码更加整洁,还为未来移除对 SkiaSharp 的依赖提供了可能。
MAUI 兼容性与安装改进
针对 MAUI 用户,新版本改进了处理程序的注册方式,使其更符合 MAUI 的逻辑。这一变化解决了之前版本中存在的一些问题,如处理程序未正确注册等。现在,用户需要在 MauiProgram.cs 文件中显式调用 .UseLiveCharts() 方法来初始化图表库。
可视化元素增强
可视化元素(VisualElements)在之前的版本中感觉有些"hacky",定制起来比较困难。新版本大大简化了这一过程,现在在画布上绘制任何我们需要的元素都变得更加容易。虽然旧的视觉元素仍然受支持,但其中一些已被标记为过时。
GPU 渲染支持
性能方面的一个重要改进是新增了 GPU 渲染支持。应用启动时,可以通过设置 LiveCharts.UseGPU = true 来启用 SkiaSharp 提供的硬件加速视图。需要注意的是,由于技术限制,这一特性在 .NET Framework 和某些平台上(如 Avalonia 或 Eto)尚不可用。
性能监控:FPS 日志
开发者现在可以更直观地监控图表性能。通过设置 LiveCharts.ShowFPS = true 可以显示图表每秒帧数(FPS),甚至可以通过 LiveCharts.MaxFps = 90 尝试提高帧率(默认为 65)。这一功能在性能优化和调试时非常有用。
指针交互改进
新版本收集了大量用户关于图表交互方式的反馈,并提供了全面的解决方案。FindingStrategy 属性现在更加灵活,允许用户配置库如何在图表上选择点。库提供了 8 种不同的策略,当这些预设策略不够用时,用户还可以创建自己的选择逻辑。
轴比例尺灵活性增强
轴比例尺现在完全可定制。新版本增加了一个专门的文档来解释如何匹配和自定义比例尺,为用户提供了更大的控制权。
移除对 Xamarin 的支持
随着 .NET MAUI 的成熟,新版本不再支持 Xamarin。建议仍在使用 Xamarin 的用户迁移到 MAUI。
迁移指南与重大变更
对于大多数用户来说,如果没有进行自定义绘制(如自定义图例、工具提示或视觉元素),升级应该是无缝的。但绘图引擎的重构意味着任何自定义绘制代码都可能受到影响。主要变更包括:
IChartLegend<T>和IChartTooltip<T>不再需要泛型参数Chart.VisualElements属性的类型从ChartElement<T>改为ChartElementVisualElement<T>改为VisualElement
对于自定义绘制代码,大多数变更只是移除了 TDrawingContext 泛型参数或重命名了对象。所有过时的代码都会有提示,指导开发者如何更新到新 API。
LiveCharts2 v2.0.0-rc5 版本代表了该库发展的重要里程碑,为开发者提供了更强大、更灵活的工具来创建丰富的数据可视化应用。无论是性能优化、交互改进还是架构重构,这个版本都为未来的发展奠定了坚实的基础。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00