Nano Hash - криптовалюты, майнинг, программирование

Должен ли я изучить Dojo Toolkit 1.10 или дождаться версии 2.0?

При поиске хорошей, стабильной среды пользовательского интерфейса на основе javascript меня привлек Dojo. В частности, набор компонентов пользовательского интерфейса Dijit выглядит очень хорошо и очень хорош с точки зрения доступности.

У меня такой вопрос: стоит ли изучать Dojo 1.10 (или хотя бы баловаться и знакомиться с ним) до выхода 2.0? Или 2.0 будет полностью переписанным «выплеснуть ребенка вместе с водой из ванны»?

Я, вероятно, мог бы изучить TypeScript, так как это было бы полезным вложением моего времени. Я просто горю желанием начать делать что-то продуктивное в Додзё, так как я действительно думаю, что интерес к 2.0 значительно возродится, и похоже, что я захочу посвятить этому 5, 10 или более лет (надеюсь!). Похоже, что Dojo хорошо выдержал испытание временем с момента своего выхода, и нет причин думать, что версия 2.0 тоже не будет такой стабильной (насколько я могу судить).

Спасибо.

dojo
23.10.2015

Ответы:


1

Вы можете ознакомиться с Dojo Toolit 1.10, а затем обновиться до новой версии.

На мой взгляд, некоторые концепции Dojo останутся очень похожими в новой версии, например: Modules/Amd, Ajax Deferreds, Promises DOM Basics.

Как упоминалось в комментарии Кена, полезный источник информации о додзё 2 можно найти здесь: dojotoolkit.org/community/roadmap

23.10.2015
  • Интересная статья dojotoolkit.org/reference-guide/1.9/releasenotes/ 23.10.2015
  • dojotoolkit.org/community/roadmap — лучший источник материалов о 2.0. Страница справочного руководства по миграции 2.0, на которую вы ссылаетесь, была написана задолго до того, как были фактически запущены какие-либо части 2.0, и больше основана на обновлении с версии до 1.7 до версии 1.7+ и AMD. Хотя я согласен с тем, что некоторые концепции останутся схожими, безусловно, будут и существенные различия. например Dojo 2 будет написан на TypeScript, declare в конечном итоге будет заменено, а виджеты могут оказаться существенно другими (все еще прорабатываются). 23.10.2015
  • Всем спасибо. Я поиграю с 1.10 и начну изучать Type Script. Меня особенно интересуют виджеты, потому что мне нужно что-то, чтобы заменить мою текущую структуру пользовательского интерфейса, но мне нравится внешний вид Dojo и его стабильность, что делает dojo/dijit идеальным вариантом. 26.10.2015
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..