Windows 8 让开发者困恼的十个原因

1顶
2踩

2011-12-09 17:55 by 资深编辑 luiang1018 评论(1) 有3190人浏览

Windows 8 应用开发

随着Windows 8开发者预览版的发布，人们对这个新的操作系统有很多意见想发表。但是很少有人谈到Windows 8对程序员的影响。Windows 8是自从Windows 3.x 到 Windows 95以来，开发模型最大的一次升级。虽然这次升级带来了很多好处，但是也带了很多让人痛苦的地方。如果你正在研究Windows 8本地应用的Metro UI和WinRT API，你应该注意下面十点：

1. 应用市场重新瓜分

如果你想让你的应用完全兼容Windows 8的话（包括支持ARM CPU），你需要用 Metro/WinRT 完全重写你的应用。这对很多新进这个市场的开发者来说是个好事，但如果你是现有应用的开发者的话，你会发现你的优势一下子没有了。

2. 异步模型

Windows 8的开发模型是高度以来异步操作的。这在有些场合是一个很好的方案，但也有时候让人抓狂，例如下载文件。新的异步模型不光是处理异步调用，包括错误处理、问题回馈给用户等等都是异步的。这就要求一个全新的UI方案，特别是对于习惯了WinForm的开发者来说。

3. 缺少直接的磁盘访问

Windows 8不允许直接的系统级访问，最麻烦的就是开发者不能直接访问磁盘。Windows 8采用了一个极端的分离模型，如果你的应用必须访问非自身的数据的话，你基本上可以放弃Windows 8了。

4. 触摸UI

除非你已经习惯了编写移动应用，否则转移到新的触摸式的UI风格还是很头疼的。适用于鼠标和键盘的UI，并不一定适用触摸屏，反之亦然。

5. 需要适应微软App Store规则

如果你想要加入微软的App Store的话，你就必须适应它的游戏规则。虽然规则看起来还算合理，但是让人感觉很束缚，正如WP7的Store那样。

6. 重度强调云计算

虽然并没有强制要求使用Cloud、Web Services等新型的技术，但微软是很强调这些技术，并推荐它们的。在不同的设备中自动同步设置和数据将是一个默认的规则，用户也会默认它存在。这就意味着你必须小心处理敏感数据、加密等问题。

7. 协议和接口式的交互

Windows 8的编程模型是，应用可以作为服务提供方，为系统或者其他应用提供服务和数据，例如联系人、图片。这种编程方式的转变，对于习惯了直接访问数据的开发人员来讲，也是一种挑战。

8. 市场的不确定性

微软正在推动Windows 8在平板和手机上的应用，而Android也正在疯狂地掠夺这块市场。新的Metro UI似乎受到了开发者的一致批判，但是Metro又在触摸市场获得好评。目前用过Windows 8的还都是开发者，并不代表普通用户。Windows 8能否被普通用户接受并普及还是一个未知数。

9. 缺少平板硬件

大部分对Windows 8的批判都来自于没有真实的平板设备去运行Windows 8，也就无法真实的体验到Windows 8。不论是UI还是性能，你并不知道你的应用能否在正常的平板设备上运行。

10. 前途不明的技术

这是最令我心痛的一点。微软常常宣布一项“具有划时代意义的”技术，然后就任其自生自灭，例如Kin、Zune、Silverlight、Live等。谁知道微软会不会对Windows 8从一而终？

Via http://www.techrepublic.com/blog/10things/10-reasons-windows-8-will-be-painful-for-developers/2885

来自: 开源中国社区

分享到：

1
顶

2
踩

评论共 1 条请登录后发表评论

1 楼 OPQRST 2011-12-12 17:22

现在的新闻必须十大，才能吸吸引眼球

发表评论

您还没有登录,请您登录后再发表评论

Delphi FMX正确设计和加载图片满足跨平台需求，综合考虑：客户端（内存、设备屏幕适配）、服务端（上传效率、并发时效及网路瓶颈、内存）、美工工作量刚刚请教了高勇老师，结合高老师的GYListview的优秀设计和...

.NET WebAPI 实现图片上传（包括附带参数上传图片）

博主的项目，客户端是APP，考虑到以后也可能会应用到微信端、网站等，图片上传方法就需要兼容多端，并且以目前的设计，不允许非登录用户上传图片，就得在上传时解决附带参数上传图片的问题。先来看看后台方法...

Thinkpad常见问题大全（转载联想工程师博客）

Thinkpad常见问题大全（转载联想工程师博客）想要收藏本篇文章请下载Word版 Q：我想升级成VISTA，想问一下，升级之后一键恢复是恢复到XP还是VISTA? A：如果从隐含分区恢复出厂设置，那当然是恢复到出厂时...

mysql5.7安装 solairs_DBASK数据库提问平台问题集萃，首批近二十位专家团曝光

引言小程序的发布可以让大家随时随地提问，专家也可在小程序内即时回复，减少了提问的门槛，加快问题交互的流程。另外可以在微信小程序中浏览知识库，方便查找学习相关问题。使用指导微信小程序搜索DBASK，或微信...

深入分析 Java 中的中文编码问题

深入分析 Java 中的中文编码问题摘自:https://www.ibm.com/developerworks/cn/java/j-lo-chinesecoding/ 几种常见的编码格式为什么要编码不知道大家有没有想过一个问题，那就是为什么要编码...

VSFTP服务的日常应用及疑难问题解析

Q：老师好，我想问的是VSFTP的权限问题，怎么限制用户具体上传文件的大小，怎么限制根据下载上传的次数，适当的给予一定的权限的提升?谢谢老师！ A：解答第一个问题：用户上传的文件大小和空间存放大小可以使用...

WinWebMail邮件服务器 - 常见问题解答

常见问题解答 -------------------------------------------------------------------------------- 正版序列号验证正版用户在线更改序列号 WinWebMail 3.7.3.1 版本正式发布. 文章：如何防止垃圾...

一些网络问题汇总

　既然在开机时能Ping通服务器，说明网络的物理连接是正常的，客户端的网络协议也没有问题。然而，在安装或复制文件过程中，出现网络连接故障提示，说明在某些应用场合下，驱动程序无法正常驱动网卡。因此，可以初步...

吊打面试官系列之：UI自动化面试题汇总，对标P7，从此再也不怕面试官了。

其次、根据要截取元素图片的属性来获取该元素的坐标和大小 ele.location ele.size 第三、通过以下方式获取该元素的图片的坐标大小： left = ele.location['x'] top = ele.location['y'] right = ele.location['x'] ...

今天终于找到了一款windows下的Zcash钱包（ZEC钱包），推荐给大家

后台请教朋友，说这个网站是GitHub，很牛的一个网站，不过不懂，哈哈，继续淘宝，看看这位大神发布的所有软件然后不小心点了下他的头像，进去了主页，终于在最下面发现这一行好像很熟悉的...

经典网络问题问与答

墙裂推荐！看完全面掌握，最详细的 Docker 学习笔记总结（2021最新版）

这要从目前软件行业的痛点来讲起 1、软件更新发布及部署低效，过程繁琐且需要人工介入 2、环境一致性难以保证 3、不同环境之间迁移成本太高有了Docker可以很大程度解决上面的问题。首先，Docker的使用简单至极，从...

Flask入门

重定向性能分析 Python高并发服务部署——Nginx+Gunicorn+gevent+Flask+Supervisor Flask 扩展 Flask-Bootstrap好看的页面 Flask-Moment本地化日期和时间 Flask-WTF表单验证和渲染 Flask-SQLAlchemy管理数据库 ...

【API接口工具】postman-请求响应使用详解

先解释不上服务端原因，API调试工具的绝大多数时候就是一个数据模型、数据处理、数据模型理解共识的问题解决工具，所以作者结合自己十多年开发使用的一些痛点来打造的，再加上服务端开发一般是面向企业的，作者目前...

原生js图片圆形排列按钮控制3D旋转切换插件.zip

类似c++数组的python包

内含二维数组与三维数组,分别为list2nd,list3rd

原生js颜色随机生成9x9乘法表代码.zip

原生js实现图片叠加滚动切换代码.zip

【Academic tailor】学术小裁缝必备知识点：全局注意力机制（GAM）TensorFlow

【Academic tailor】学术小裁缝必备知识点：全局注意力机制（GAM）注意力机制是深度学习中的重要技术，尤其在序列到序列（sequence-to-sequence）任务中广泛应用，例如机器翻译、文本摘要和问答系统等。这一机制由 Bahdanau 等人在其论文《Neural Machine Translation by Jointly Learning to Align and Translate》中首次提出。以下将详细介绍这一机制的背景、核心原理及相关公式。全局注意力机制（Global Attention Mechanism, GAM）由《Global Attention Mechanism: Retain Information to Enhance Channel-Spatial Interactions》提出，是一篇针对计算机视觉任务提出的方法。这篇文章聚焦于增强深度神经网络中通道和空间维度之间的交互，以提高分类任务的性能。与最早由 Bahdanau 等人提出的用于序列到序列任务的注意力机制不同，这篇文章的重点是针对图像分类任务，并未专注于序

1顶2踩