Activity启动模式详解

在Android中每个界面都是一个Activity，切换界面操作其实是多个不同Activity之间的实例化操作。在Android中Activity的启动模式决定了Activity的启动运行方式。

Android中，Activity的启动模式分为四种，下面我将从介绍，特点，应用场景来具体一一分析：

（1）standard：标准模式。

介绍：Activity的默认启动模式。当启动该模式下的Activity时，不管Task栈中是否存在该实例Activity，系统都将会创建一个新的Activity，放入Task栈的顶端，即栈顶。

特点：每次启动，都将会创建一个新的实例放入栈顶。

（2）singleTop：Task顶单例模式。

介绍：当启动该模式下的Activity时，系统首先会去Task栈中搜索是否存在该实例的Activity。如果存在栈顶，即复用栈顶的该实例Activity。如果Task中存在，单没有在栈顶，系统就会重新创建一个新的Activity实例，并放入栈顶。

特点：该模式下的Activiy可以分为两种情况：

1>存在Task栈，该情况又分为两种情况：

1>在栈顶：此情况下，启动该Activity就会复用栈顶的Activity，并调用onNewIntent(Intent intnet)方法,生命周期为：onNewIntent()->onReStart()->onStart()->onResume()。

2>不在栈顶：此情况下，就会重新创建一个新的Activity实例，并放入栈顶，不会调用onNewIntent(Intent intnet)方法,生命周期为：onCreate->onStart()->onResume()。

2>不存在Task栈：系统创建一个新的Activity实例并放入栈顶，生命周期为：onCreate->onStart()->onResume()。

应用场景：

App程序中(或浏览器中)保存的书签，假如用户看到一个界面保存自己喜欢的标签，假如要保存10个，这个时候用户在返回键的时候，则会返回10次才能返回到App应用中， Android下singleTop 则解决该问题。

（3）singleTask：Task内单例模式。

介绍：

Task栈内复用模式。此模式下也分为两种情况，1>Task内不存在该Activity实例 2>Task栈中存在该Activity实例，在特点中将详细介绍。

特点：

1>Task内不存在该Activity实例：当系统搜索Task栈后发现没有改Activity实例，就会创建该Activity实例并将其放入Task栈的顶端，此时不会调用onNewIntent(Intent intnet)。2>Task栈中存在该Activity实例：此情况下会分为两种情况：1>Activity在栈顶：系统发现要启动的Activity实例在栈顶，就会直接启动该实例，并回调onNewIntent(Intent intnet)方法。2> Activity不在栈顶：系统发现要启动的Activity实例不在栈顶，此时系统就会把该Activity放到栈顶，并将该Activity上面的Activity实例全部清除，onNewIntent(Intent intnet)方法被回调。

应用场景：

（1）如果一个App中，有一个功能需要加载网页内容，打开一个 browserActiviy现在网页内容，则内存开销非常大，首先要初始化webkit /c++ 嵌入式浏览器内核broweractivity 配置了singleTask，空间换时间，使用该模式可以节省内存开销。

（2）App实现退出功能，将主页Activity的launchMode设置为SingleTask。

（4）singleInstance：单实例模式。

介绍：在一个新栈中创建该Activity实例，并让多个应用共享改栈中的该Activity实例。一旦改模式的Activity的实例存在于某个栈中，任何应用再激活改Activity时都会重用该栈中的实例，其效果相当于多个应用程序共享一个应用，不管谁激活该Activity都会进入同一个应用中。

特点：有点像共享Activity实例的感觉，即不管是谁访问该Activity，系统都会使用同一个Activity实例。

注意：在系统发现没有该Activity时，将会创建一个新的Task栈，单独存放该Activity实例。

应用场景：

　App各种词典，向有道词典，什么金山词典，说极端是因为不想被放置到同一个任务栈里面，它是全局的系统程序应用，达到节省内存的使用目的。

上面即为Android中的四种启动模式，我们在开发Android项目时会经常使用到，巧妙设置Activity的启动模式会节省系统开销和程序运行效率。

欢迎拍砖！

更多相关文章

随机推荐