JetBrains Compose Multiplatform 发布 1.0,Kotlin 的声明式 UI 框架
JetBrains 宣布 Compose Multiplatform(Kotlin 的声明式 UI 框架)已经达到 1.0 版本,现在可以在生产中使用了。此版本主要解决质量和稳定性问题,同时修复关键问题和错误。
一些亮点内容如下:
- On desktop,你现在可以快速高效地创建具有漂亮用户界面的 Kotlin 应用程序。
- On the web,你现在可以使用 Compose for Web 的稳定 DOM API 构建生产质量的动态 Web 体验,并与所有浏览器 API 完全互通。未来版本中将提供对 Material UI 小部件的支持。
- 总体而言,现在在各种平台(包括 Android,使用与 Google Jetpack Compose 的兼容性)之间共享专业知识和代码要容易得多。
Kotlin UI for Desktop
- 采用声明式方法构建用户界面
- 通过硬件加速实现出色的运行时性能
- 通过预览工具缩短迭代周期
- 通过自动应用程序打包,自信地交付桌面应用程序
- 与 Android 上的 Jetpack Compose 和 Java UI 框架的互操作性
- 使用 Compose Multiplatform wizards 快速启动并运行
Compose for Web
Compose Multiplatform 还提供了一个强大的、声明性的 Kotlin/JS API 来处理 DOM。
它拥有你在现代 Web 框架中想要和需要的所有功能,包括全面的 DOM API、内置 CSS-in-JS 支持、对 SVG 的支持、typed inputs 等。Compose Multiplatform的 Web target 是用纯 Kotlin 编写的,并充分利用了该语言所提供的类型系统和习语。这使你可以使用你可能已经习惯的其他 Kotlin targets 的开发工作流程。
多平台支持
要使用 Compose 快速开始构建面向多个平台的应用程序,您可以使用 IntelliJ IDEA 2021.1+ 中的 Kotlin Project Wizard。
更多详情可查看官方博客。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
CosId 1.3.19 发布,通用、灵活、高性能的分布式 ID 生成器
CosId 通用、灵活、高性能的分布式ID生成器 更新内容(v1.3.19) 🎉 🎉 🎉 性能优化:使用AtomicLongFieldUpdater替换AtomicLong进一步降低 频繁创建DefaultIdSegmentnew AtomicLong内存分配、GC 压力。(段模式ID生成器) 增强:CacheClock支持响应线程中断信号 支持自定义时区(SnowflakeFriendlyId) 变更SnowflakeFriendlyId.generateAsString默认返回friendlyId 增强:增加号段分发器NextMaxId回滚检测。 简介 CosId 旨在提供通用、灵活、高性能的分布式 ID 生成器。 目前提供了俩类 ID 生成器: SnowflakeId : 单机 TPS 性能:409W/s JMH 基准测试 , 主要解决 时钟回拨问题 、机器号分配问题 并且提供更加友好、灵活的使用体验。 SegmentId: 每次获取一段 (Step) ID,来降低号段分发器的网络IO请求频次提升性能。 IdSegmentDistributor: 号段分发器(号段存储器) ...
- 下一篇
一流科技与摩尔线程深度合作,共同加速人工智能创新和应用
近日,一流科技与摩尔线程宣布将携手展开深度技术合作,基于摩尔线程国产全功能GPU的计算能力及一流科技OneFlow深度学习框架的高效特性,为AI应用提供更高效的计算性能。摩尔线程GPU将为OneFlow提供高性能算力支持,助力提升AI用户体验,共同打造更好的AI 行业解决方案。在此基础上,双方还将共建共享生态,助力中国人工智能行业发展。 深度学习是近年兴起的人工智能研究方向,企业进行深度学习模型的训练和部署时离不开深度学习框架及硬件基础设施。深度学习框架素有人工智能操作系统之称,对深度学习模型的设计和应用具有决定性影响,而高性能的计算芯片则为深度学习框架提供强有力的算力支撑。 近年来,得益于深度学习框架和高性能计算芯片的发展,深度学习展现出极大的革命性,推动人工智能在一些领域率先落地并取得广泛应用,例如语音识别、机器视觉、自然语言处理等。 随着社会数字化进程的推进,数据规模呈现爆炸式增长,深度学习神经网络模型的规模也越来越大,超大模型的训练、推理对算力提出了更高的需求。几年前,一流科技团队预见到深度学习模型变大的发展趋势,基于这个趋势倒推系统架构的需求,在行业内最早提出了静态调度和流式...
相关文章
文章评论
共有0条评论来说两句吧...