回顾2017系列篇(二):移动端APP设计趋势

移动端APP在2017年经历了诸多的变化, 人工智能、聊天式的界面、响应式设计、虚拟现实(VR)和增强现实(AR)让设计师不断面临新的挑战。研究表明,用户每天耗费在手机和平板上的平均时长为158分钟,其中127分钟是耗费在各类APP中,可以看出移动端APP的快速发展都是不争的事实,在我们不断吸收新的东西和掌握新的潮流的同时,还需要确认这些设计趋势是否被验证了。以下是2017年移动端产品最有影响力的趋势: 1. 卡片视图 随着移动端设备在互联网中的地位越发重要,产品的打磨中,如何使得移动端和桌面端UI之间的界限更为模糊,用户体验更加无痕,则是设计师迫切需要解决的问题。卡片视图则很好的解决了这个问题、 作为交互信息的载体,卡片以浓缩的形式提供了快速并且相关的信息,还会用另一种委婉的方式去要求一次交互。设计精美的卡片视图能够快速抓住用户眼球,完全适配响应式,还有极高的可读性。 在较小的屏幕上灵活组织和安排内容的意义是无价的,卡片提供了文本、图像和视频等多种媒体内容的一体化解决方案,目前为止,App Store,Facebook、Google和Twitter已经完成了卡片式设计的迭代更新,相信这股趋势仍然会在2018年保持强劲势头。 2.微交互 从2016开始,微交互一直出现在趋势盘点类的文章中的热点话题,在这篇2017的回顾当中,我们仍然回避不了微交互这个主题。 在移动端产品中,小屏幕上以动画形式呈现的微交互对用户体验和界面都有着至关的作用。对于用户体验来说。微交互提供给了用户直观而人性化的反馈方式,并且能够传递某种微妙的状态和预知感。 微交互之所以会起作用是因为它引起了人们总是想了解更多信息的原始欲望。用户在进行某个操作后能瞬间得到视觉上的反馈,这会让人充满继续操作下去的欲望。微交互也可以用来引导用户进行正确的操作。 具体来说,聪明的设计师通过有趣的加载动画,顺滑的图标切换等微互动同时起到吸引和明确通知用户的作用。从长远来看,微交互不会变成昙花一现的投机取巧的小把戏,反而会成为一个更为庞大的丰富的话题,值得设计师们不断探索和创新。 3.拉长滚动和视差 拉长滚动能够很好的把桌面端内容转化到移动端浏览,并且滚动这一交互方式本身跟移动端上的触摸控制浑然一体,有助于用户在单向滑动中获取大量内容保持不中断。 不过拉长滚动总的来说已经较为普及,这里更多的是想提到视差滚动。视差的原理是让前景和背景以不同的速度进行滚动,从而创造一种深度的视觉观感。在此基础上,不少设计师已经开始尝试多图形元素的视差滚动,仅仅通过滚动和图形就能够呈现一个完整的故事。 对于产品而言,恰如其分的滚动效果会不单单能够高效率、分层次地传递内容和信息,还能够优雅流畅地提高产品本身的精致感。 这款网站是长滚动视差效果的最佳案例,有兴趣可以看看:http://everylastdrop.co.uk/.…

php和ajax 服务器端做轮询推送(定义)

基于HTTP的长连接,是一种通过长轮询方式实现”服务器推”的技术,它弥补了HTTP简单的请求应答模式的不足,极大地增强了程序的实时性和交互性。 一、什么是长连接、长轮询? 用通俗易懂的话来说,就是客户端不停的向服务器发送请求以获取最新的数据信息。这里的“不停”其实是有停止的,只是我们人眼无法分辨是否停止,它只是一种快速的停下然后又立即开始连接而已。 二、长连接、长轮询的应用场景 长连接、长轮询一般应用与WebIM、ChatRoom和一些需要及时交互的网站应用中。其真实案例有:WebQQ、Hi网页版、Facebook IM等。 如果你对服务器端的反向Ajax感兴趣,可以参考这篇文章 DWR 反向Ajax 服务器端推的方式:http://www.cnblogs.com/hoojo/category/276235.html 欢迎大家继续支持和关注我的博客: http://hoojo.cnblogs.com http://blog.csdn.net/IBM_hoojo 也欢迎大家和我交流、探讨IT方面的知识。 email:hoojo_@126.com 三、优缺点 轮询:客户端定时向服务器发送Ajax请求,服务器接到请求后马上返回响应信息并关闭连接。 优点:后端程序编写比较容易。 缺点:请求中有大半是无用,浪费带宽和服务器资源。 实例:适于小型应用。 长轮询:客户端向服务器发送Ajax请求,服务器接到请求后hold住连接,直到有新消息才返回响应信息并关闭连接,客户端处理完响应信息后再向服务器发送新的请求。 优点:在无消息的情况下不会频繁的请求,耗费资源小。 缺点:服务器hold连接会消耗资源,返回数据顺序无保证,难于管理维护。 实例:WebQQ、Hi网页版、Facebook…

统计Go, Go, Go

作者:Vamei 出处:http://www.cnblogs.com/vamei 欢迎转载,也请保留这段声明。谢谢! 结束了概率论,我们数据之旅的下一站是统计。这一篇,是统计的一个小介绍。 统计是研究数据的学科。它包括描述数据,推测群体信息,判断假设的真伪。统计是一门实用学科。人们利用统计,寻找下一个NBA巨星,推测奥斯卡奖项,寻找自己的真心伴侣。在电影“点球成金”中,球队的经理就是利用统计思想,来搜寻球员,管理球队,最终造就了一支劲旅。点球成金   统计这件大事 如果说最早有统计意识的人,那莫过于古往今来的“王霸”之人。精明的王者,早早的意识到数据的重要性,也因此从统计数据中获得信息优势。刘邦占领咸阳后,萧何先去收集的,是王宫里的户籍、地理、人口等手册。后来楚霸王来了,则是烧杀抢掠一番。项羽在“大数据”意识上,就输给了刘邦阵营。 因数据而流传千古的,还有征服者威廉。这位来自诺曼底的王者,以旺盛的精力统治着英格兰。他派遣手下,走遍英格兰的每个村庄,编纂成统计书 (Domesday Book),详细的记录了英格兰每个地区的人口、地理和物产,甚至于精确到每家养殖的牲口数目。无怪乎诺曼底王朝可以延续数百年。Domesday Book 现代统计诞生于欧洲近代,主要服务于政府部门。统计部门的建立受益于启蒙主义思想。政府管理从中世纪的影响中走出,开始以理性和科学的方式,记录国家发展。农业社会向工业社会转型,政府需要更高效的方式,了解国家的方方面面。概率的思想融入统计学,统计从单纯的数字记录,向估计和推测发展。随着现代统计的发展,许多以前难以精确获得的数字,比如出生率,国民生产总值,战争耗费等,都通过采样估计的方式获得。  管中窥豹 道琼斯指数北京的PM2.5指数世界人口 这三者有什么共同之处呢? 首先,它们都一定程度代表了某个群体的状况,比如美国股市,北京的空气污染状况,和世界的人口。其次,它们都是通过对群体采样,来获得的结果。道琼斯指数包含了美国最重要的一些工业股,而不是所有的股票。PM2.5是北京的数个观测站采集到的。世界人口,是通过各地采样获得的。 PM2.5  通过样本(sample),来研究整个群体(population),是统计学的一大特征。这背后的哲学是,用部分来理解整体。利用统计工具,我们还可以推测,样本中信息与真正的整体信息,有多大的误差。这个研究门类,被称为统计推断 (statistical inference)。它实际上利用了概率论工具,根据采样,对群体的状况作出推论,并给出推论的不确定程度。  确定性的消失 我们希望结论靠谱,就不能忽视误差。在日常生活中,我们也会不经意的用统计的方式思考,但往往会忽视误差。从一袋大米中抓出一把,我们会推测整袋大米的质量。从认识的北京朋友,我们会推断北京人的性格特征。从身边的程序员同事,推测码农的收入和气质。这样很容易得到结论,但也很容易以偏概全,导致自己的结论大大偏离现实。严格的统计方法需要说明结果的可靠性。 从确定论到不确定论,是人类理性的一次大飞跃。在这一观点下,自然科学发生了质的变化。许多早期的科学结论,出现了问题。比较典型的就是:“如果在某一时刻知道所有原子的运动状况,就可以预测宇宙的未来”。观测的数据,如果没有相关的误差描述,不被认为是有效的。更有信奉统计理念的狂热者,比如拉普拉斯。他研究潮汐时,给出优美的理论。但他宣称自己的理论不可信:由于自己的数据只有数千个,达不到统计理论的健壮性。  从群体中抽取一个样品,那么这个样品究竟是群体的哪个个体,是一个随机变量。统计学的不确定性由来于此。这也是统计学与概率论研究的结合点。结合我们对该随机变量的特征有所了解,比如该随机变量符合高斯分布,那么可以根据抽出的样品,来计算分布的平均值和方差,从而得到群体的状况。我们还可以对群体作出一些假设的理论,根据采样结果,来判断结论真伪的概率。确定性的消失令人不安,却为统计学打开了一扇大门。  大数据时代 大数据时代的一个有趣想像,是人们可以对一些数量巨大的群体进行直接的运算。比如,我们可以迅速的计算出所有股票的市值,Facebook的用户发帖总数等等。曾经的一些采样统计,在计算机的巨力面前,似乎显得有些没有必要。是啊,如果可以直接得到群体的信息,我们何必拘泥于恼人的不确定性呢? 姑且不论计算速度和数据采集速度的限制,许多问题的本质,就阻止了我们美梦。比如简单的连续方程积分,就无法真正的摆脱不确定性。自然测量的本质的连续的,计算机运算是离散的。用离散的系统,只能尽力的趋近,却无法真正精确。再者,许多数据是无法测量的。比如假设检验、决策,乃至统计为基础的机器学习。它们基于一个无法测量的真相:所有可能性中“最好”的那一个。这一所谓的“最好”,可能只是理论存在。即使有再多的计算机,也无法采集这样的数据。大数据时代,统计非但没有过时,还找到了更大的舞台。…