دسته: مطالب فناوری اطلاعات

نویسنده این مطلب در حال گذراندن درس سیستم‌عامل است. به نظرم رسید که مفاهیم این درس بیشتر از مقداری که بهشان پرداخته می‌شود کاربردی هستند، نه لزوما در رشتهٔ کامپیوتر بلکه در زندگی روزمره.

چرا؟ در ادامه می‌بینیم.

تعریف ویکیپدیا:‌ سیستم عامل یا سامانهٔ عامل[۱] نرم‌افزار سیستمی ای است که مدیریت منابع رایانه را به عهده گرفته و بستری را فراهم می‌سازد که نرم‌افزار کاربردی اجرا شده و از خدمات آن استفاده کنند.

به زبان ساده یعنی سیستم‌عامل منابع کامپیوتر را در اختیار گرفته و کارهایی‌که باید انجام شوند (تسک‌ها) را مدیریت می‌کند یعنی به آن‌ها بسته به نیازشان منبع می‌دهد.

برای کاربرد‌های روزمره هم از همین واژه‌ها استفاده می‌کنم: یک سری کار برای انجام دادن داریم و یک سری منابع.

کار (task) که فکر نمی‌کنم ابهامی داشته باشد! مثلا تکلیف چهارم درس فلان، پروژه‌ای که برای خودم دارم و می‌خواهم با زبان X انجام دهم یا چیزی که کارفرما خواسته و تا آخر هفته باید تمام شود.

منبع (resource) یعنی امکاناتی که برای انجام کارها در اختیار داریم، مثلا زمان و سرمایه. اینجا بیشتر با زمان کار داریم. ولی می‌توانید برای چیزهای دیگر را هم منابع در نظر بگیرید مثلا فضای روی میز!

برای کامپیوتر فهمیدیم که چه کسی مسئول تخصیص منابع است، اما برای خودمان چی؟ متاسفانه کسی به این دقت برای ما برنامه‌ نمی‌ریزد و این کار خود ماست. کدام کار را انجام دهیم. کدام را انجام ندهیم. کدام را زودتر انجام دهیم چون واجب‌تر است و …

سیستم عامل خودت باش

خب من به عنوان سیستم‌عامل خودم که قرار است تسک‌ها را مدیریت کنم، چطوری باید این کار را انجام بدهم؟

روش‌های مختلفی برای مدیریت‌ کار‌ها هست.

از طریق مشاور دبیرستانمان با ماتریس آیزنهاور آشنا شدم. این روش می‌گوید کار‌ها ۴ حالت دارند:

• مهم و فوری: باید به سرعت انجام شود.
• مهم و غیرفوری: باید انجام شود ولی زمانش چندان اهمیتی ندارد.
• غیرمهم و فوری: انجام شدنش برای شخص ما اهمیتی ندارد ولی زمان انجامش محدود است.
• غیرمهم و غیرفوری: اسمش گویا هست.

در صورتی که از این روش تبعیت کنیم کارهای مهم و فوری باید اول انجام شوند، سپس بین کارهای مهم و غیرفوری و غیرمهم و فوری تصمیم می‌گیریم و احتمالا به غیر مهمو غیر فوری هم نخواهیم رسید.

روش معروف دیگر که در کتاب clean coder آمده روش مدیریت زمان گوجه‌ای یا پومودرو است. در این روش، فرد کار‌ها را در بازه‌های زمانی ۲۵ دقیقه‌ای انجام می‌دهد. در آن ۲۵ دقیقه هیچ کار دیگری انجام نمی‌شود. بعد از ۲۵ دقیقه چند دقیقه استراحت و سپس ۲۵ دقیقه بعدی

این مثال‌ها را دیدید؟ این‌ها روش‌هاییست برای مدیریت زمان برای انجام کارها. دقیقا کاری که سیستم عامل در کامپیوتر شما انجام می‌دهد.

الگوریتم‌های اولویت‌دهی در سیستم‌عامل

از اسم این قسمت نترسید! قرار نیست حرف پیچیده‌ای بزنم! حداقل پیچیده‌تر از «عمیق نگاه کردن به زندگی روزمره».

توضیح مختصر پس‌گیرنده و پس‌نگیرنده

اگر زمانی که در حال انجام یک کار هستیم، تا زمانی که تمام نشده با آمدن کارهای جدید، آن را متوقف نکنیم، می‌شود پس نگیرنده (non-Preemptive). اما اگر هنگامی که در حال یک کار هستیم با آمدن جدید سری هم به کار جدید بزنیم و یک دور لیست کار‌ها ها ورق بزنیم و بعد تصمیم بگیریم چه کاری را انجام دهیم، می‌شود پس‌گیرنده (preemptive). منظور از پس‌گیرنده این است که کاری که در حال اجرا بود را پس می‌دهیم و کار دیگری را برمی‌داریم اما در حالت پس‌نگیرنده کار گرفته شده تا وقتی کامل انجام نشود پس گرفته نمی‌شود.

الگوریتم‌های پس‌نگیرنده

• هرکاری اول آمده را زودتر انجام بده (first come first serve): منتظر بمان تا کاری بیاید، آن را انجام بده و دوباره ببین (به ترتیب آمدن) کار بعدی را انتخاب کن و انجام بده.
• کار کوتاه‌تر را زودتر انجام بده (shortest job first): بین کارها کاری را انتخاب کن که زمان کم‌تری برای انجام شدن نیاز دارد. با این ریسک که کار خیلی بلندی ممکن است هیچوقت انجام نشود.

الگوریتم‌های پس‌گیرنده

• کوتاه‌ترین زمان باقی‌مانده را اول انجام بده (shortest remaining time first): مثل حالت کار کوتاه‌تر است با این تفاوت که در زمانی که کار جدید بیاید (بدون توجه به اینکه کار فعلی انجام شده یا نشده) بررسی می‌کند و کاری که زمان باقی‌مانده کمتری دارد را انجام می‌دهد. مثلا یک کار ۲ ساعته دارم و یک ساعتش انجام شده، حالا یک کار نیم ساعته اضافه می‌شود. پس کار ۲ ساعته را رها می‌کنم و نیم ساعته را پیگیری می‌کنم. استفاده از این الگوریتم با این ریسک است که یک کار در لیست بماند و قدیمی و قدیمی‌تر شود.
• بالاترین نسبت پاسخ (highest response ratio next): برای حل مشکل قدیمی‌شدن، علاوه بر اولویت‌دادن به «کوتاه‌ترها»، به کار‌های «قدیمی‌تر» هم اولویت می‌دهیم تا کاری در صف برای مدت زیادی نماند.
• نوبت‌گردشی (round robin): به نظرم این روش خیلی به روش گوجه نزدیک است. روش کار به این صورت است که از هر کار مدت زمان معینی را انجام بده (مثلا همان ۲۵ دقیقه). سپس این کار را بگذار کنار و کار بعدی را ۲۵ دقیقه انجام بده. در این صورت همه کار‌ها در حال انجام شدن هستند.

در روش نوبت گردشی، دو نکته قابل توجه است. اول اینکه اگر کاری در صف است که اهمیت بیشتری‌دارد می‌توانیم چند نوبت به ان اختصاص دهیم، مثلا در طی یک دوره که از هر کار ۲۵ دقیقه انجام می‌دهیم، این این کر دو نوبت انجام دهیم. نکته دوم اینکه برای انتخاب زمان مناسب (در مثال ما ۲۵ دقیقه) باید تعادلی برقرار کنیم بین دیر شدن کار‌ها (اگر ۱۰۰ کار داشته باشیم، بعد از ۲۵۰۰ دقیقه دوباره نوبت کار فعلی می‌شود) و زمان کانتکست سوییچ.

کانتکست سوییچ؟

یعنی زمانی که بین انجام کارها هدر می‌رود برای تغییر از کار ۱ به کار ۲. مثلا الان در حال نوشتن وبلاگ هستم، از زمانی که این کار‌ را رها کنم تا زمانی که شروع کنم و به صورت موثر برای امتحان فردا بخوانم می‌شود زمان context switch. این زمان برای کامپیوتر معمولا اندک و قابل چشم‌پوشی است ولی برای ما نه! مثلا من تا جزوه را در بیاورم و شماره صفحه و فصل‌های مورد سوال و .. را پیدا کنم و اولین کلمه را بخوانم همه در زمان هدر رفته‌ی context switch هستند. اگر می‌خواهیم بازه‌های زمانی کوتاهی انتخاب کنیم باید حواسمان به این زمان هدر رفته باشد.

حالت چند‌صفی

ما قرار نیست همه کارهایمان را فقط در یک صف قرار دهیم. می توانیم برای کار‌های ددلاین‌دار یک صف داشته‌باشیم و بر اساس ددلاینشان زمان‌بندی کنیم و برای کار‌های بدون ددلاین (مثلا همان پروژه‌های شخصی) صف دیگری داشته باشیم. یا مثلا یک صف برای کارهای بزرگ و طولانی داشته‌باشیم و یک صف برای کارهای کوتاه که هر کدام جدا زمان‌بندی شوند. در آخر باید تصمیم بگیریم که چقدر از زمان را به هر صف بدهیم. مثلا ۷۰ درصد برای کارهای مهم (ضروری و غیرضروری) و ۳۰ درصد برای کارهای غیرمهم.

حتی می‌توانیم بسته به شناخت از خودمان ساعت‌های پربازده را به یک‌سری کار بپردازیم و ساعات کم‌بازده را به یک سری کار دیگر. داشتن صف‌های جدا در این مورد خیلی کمک‌کننده است.

بازخورد گرفتن هم بسیار مهم است، مثلا می‌توانیم با بازخوردی که از کارایی یک کار در یک تسک داشتیم، تصمیم بگیریم در صف دیگری قرارش دهیم.

اگر این قسمت را خواندید قطعا یاد صف نانوایی افتاده‌اید. یک صف برای یک دانه‌ای و یک صف برای چندتایی. به این هدف که کسی که کار کوتاه‌تری دارد مدت زیادی برای کار کوتاهش معطل یک کار بزرگ نشود. هر صف به شیوه خودش (مثلا هرکس اول آمده را زودتر انجام بده) مدیریت می‌شود.

زمان‌بندی برای کارهای دوره‌ای

کارهای دوره‌ای یعنی مثلا کاری که هر هفته باید انجام شود، مثلا درسی که هر هفته تکلیف می‌دهد و مهلتش تا هفته دیگر همان موقع است. در همین حین ممکن است درس دیگری هر ۱۰ روز و درس دیگری هر ۱۴ روز تکلیف دهد.

کدام را باید اول انجام داد؟

• هر کدام زمان کم تر داره (Rate-monotonic scheduling): به صورت پس‌گیرنده تسکی را انجام بده که زمان کم‌تری دارد. مثلا درسی که هرروز تکلیف می‌دهد را با اولویت بالا انجام بده.
• هر کدام ددلاین نزدیک تری دارد (earliest deadline first): به صورت پس‌گیرنده، تسکی را انجام بده که ددلاین نزدیک‌تری دارد. (بیشتر توضیح دهم؟)
• اونی که نسبت به زمان باقی‌مانده‌ش، تایم کم‌تری داریم (least laxity first): از بین تسک‌ها تسکی را انتخاب کن که زمان باقی‌ماندهتا ددلاین منهای زمان باقی‌مانده از تسک کم‌ترین باشد. به بیانی تنبلی (laxity) کم‌تری مجاز است.

از کجا بفهمیم این کار چقدر طول می‌کشد؟

در بعضی از الگوریتم‌ها نیاز داریم بدانیم که این کار چقدر طول می‌کشد. در کامپیوتر و زمانی‌ که یک کار ناشناخته را می‌خواهد انجام دهد این سوال خوبی است ولی جواب خوبی ندارد! برای پاک کردن صورت مسئله از الگوریتم‌هایی استفاده می‌شود که نیاز به این عدد ندارند مثلا نوبت‌گردشی.

برای ما انسان‌ها ولی اصولا تخمین زدن کار سختی نیست، با استناد به همین توانایی جلو بروید و هربار سعی کنید تخمین بهتری بزنید.

سعی کردم در این مطلب ساده و کاربردی مباحث را توضیح دهم، در صورتی که به منبع دقیق‌تری نیاز دارید این مطلب در مورد الگوریتم‌های زمان‌بندی توصیه می‌شود:

در انتها یادی کنم از دوست خوبم جناب آقای محمدصادق دهقان که با مدیریت بی‌نظیر منابع زندگی‌اش هنگام کار و تحصیل، ایده‌ی این مطلب را در ذهنم انداخت.

به نام خدا… سلام!

توی نوشته‌های قبلیم درباره زبان برنامه‌نویسی فارسی‌ای که درست کردم نوشته‌بودم. از همون اول یه مشکلی که وجود داشت و هنوز هم وجود داره این بود که فارسی از معدود زبان‌های راست به چپ یا Right to Left هست و معمولاً کنسول‌ها و ترمینال‌های سیستم‌عامل‌های مشهور با این زبان‌ها مشکلات زیادی دارن.

در نتیجه این زبان نمیتونست زیاد جدی باشه و افراد زیادی ازش استفاده کنن… تا وقتی این جرقه توی ذهنم خورد! ایدهٔ ساختن یه نسخهٔ فینگیلیش یا پینگیلیش یا هر چیزی که اسم درستشه (!) از این زبان کوچک.

در واقع تنها فرقی که این نسخه با نسخهٔ اصلی داره همینه که کلیدواژه‌هاش رو با حروف انگلیسی می‌نویسیم.

اینم یه نمونه برنامه برای آشنا شدن با حال و هوای این مود!

agar 1 barabare 2 bashad
	adad ra bepors
vagarna
	adad = 123
payan
adad ra benevis

میدونم یکم مسخره‌ـست ولی برای تمرین خوب بود!

البته این رو بگم که نسخه‌های بعدی تحت وب ارائه میشن و به همین دلیل نیازی به این کارا نیست. فقط خواستم یکم سر خودم رو گرم کنم.

راستی! یه سوال دیگه ازتون داشتم… به نظر شما این زبان نوشتنی باشه یا مثل اسکرچ بلوک‌بلوک باشه؟ چون فقط جنبه آموزشی برای تازه‌کارا داره از نظر من پس میتونه مثل اسکرچ هم باشه. یا میتونه هر دو نسخش باشه.

برای نسخه اسکرچ، میشه از Google Blockly استفاده کرد که خیلی کار رو راحت کرده! فقط باید سعی کنم یه تم قشنگ مثل اسکرچ براش بسازم.

ممنون که این نوشته رو هم تحمل کردین!

خدانگهدار

به نام خدا… سلام!

احتمالاً در جریان هستین که چند وقت پیش یه زبان برنامه‌نویسی فارسی طراحی کرده‌بودم. ولی توی این مرحله مونده‌بودم که اسمش چی باشه بهتره؟! توی نوشته‌هام کلی نظر درباره اسمش نوشته‌شده. از همونا هم برای پیدا کردن یه اسم خوب (از نظر خودم) استفاده کردم.

خب من سعی کردم انتخاب‌های نامناسب (همشون قشنگ بودن ولی من با سلیقه خودم رفتم جلو دیگه!) رو یکی‌یکی حذف کنم. اولش این اسامی بودن:

• خوارزمی
• فردوسی
• فایتون
• یوز
• زبان پی (Plang)
• خیام
• رستم
• کیکاووس
• اسفندیار
• اشکان
• درخت
• ریشه

اول از همه، من کلا از این چهار تا بیشتر از بقیه خوشم اومد:

• خوارزمی
• فردوسی
• یوز
• ریشه (داره به ریشه و اصل و نصب یعنی زبان فارسی اشاره میکنه)

خب راستش با این‌که خیلی بهم پیشنهاد شد ولی ته دلم دوست ندارم اسمش رو خوارزمی بزارم. فکر نکنین خوشم نمیاد خیلی هم به نام و خود خوارزمی علاقه دارم و درباره‌ـشون کلی مطالعه کردم. ولی چون یه زبان برنامه‌نویسی فارسی دیگه به اسم خوارزمی وجود داره پس به نظرم کار درستی نیست.

اون که حذف شد میمونن این سه تا:

• فردوسی
• یوز
• ریشه

بین این‌ها میخوام یوز رو هم کنار بزارم؛ به خاطر موتور جستجوی نازنین‌ـمون! نمیخوام چیزی هم‌نامش باشه! پس حالا فقط این دو تا گزینه رو داریم: فردوسی و ریشه.

بعدش با خودم گفتم شاید ریشه هم توی لحظهٔ اول برای ٪۹۹ افراد نامفهوم به نظر بیاد… پس متاسفانه این هم میره کنار… میمونه فردوسی…

نمیدونم این یه اسم که مونده واقعاً از بقیه بهتره؟! ولی بعد کلی تفکّر و تعقّل به این نتیجه رسیدم که فردوسی واقعاً اسم خوبیه… نظر شما چیه؟!

از همهٔ افرادی که من رو همراهی کردن خیلی سپاسگزارم. (شامل حسین و علیرضا آهنی و عباد و اشکان محمدی و مهدی مسرور و شهریار رخ‌افروز و هادی آذرنسب و آقا مصطفی و مهدی موسیوند و ابوالفضل آل کثیر و حسن کاشی و آقا علی و علی سالمی و محمد باقر فکوری و SMAH1 و امیر و محمدصالح کامیاب و عباس مهرعلیزاده و پارسه و همین حوالی که توی نوشته‌های مربوطه نظر دادن)

فعلاً تا نوشتهٔ بعدی خدانگهدار

در این مقاله قصد راه اندازی HttpClient در یک سرویس برای انگولار 8 به بعد جهت برقراری ارتباط با api ها دارم.برای این کار اول از همه یه پروژه انگولار ایجاد می کنیم بعد میایم مرحله به مرحله کارهای خودمون جلو می بریم.

قدم 1- افزودن ماژول HttpClient

توی قدم اول app.module.ts توی این مسیر برید src/app/app.module.ts و این تغییرات اضافه کنید:

import { BrowserModule } from '@angular/platform-browser';
import { NgModule } from '@angular/core';
import { AppRoutingModule } from './app-routing.module';
import { AppComponent } from './app.component';
import { HttpClientModule } from '@angular/common/http';

@NgModule({
  declarations: [
    AppComponent,
  ],
  imports: [
    BrowserModule,
    AppRoutingModule,
    HttpClientModule
  ],
  providers: [],
  bootstrap: [AppComponent]
})
export class AppModule { }

قدم 2- یه سرویس جدید بسازید

ترمینال باز کنید و این دستور ایجاد سرویس توش بنویسید.

ng generate service backend

قدم 3- Importing and Injecting HttpClient

بعد از ساخت سرویس HttpClient بهش import کنید و بعد در constructor این سرویس HttpClient inject یا تزریق کنید. و در ادامه متد get برای گرفتن اطلاعات از rest api داخل این سرویس اضافه کنید:

import { Injectable } from '@angular/core';
import { HttpClient } from '@angular/common/http';

@Injectable({
  providedIn: 'root'
})

export class BackendService {  
  constructor(private httpClient: HttpClient) { }  

  public get(){
    return this.httpClient.get(&quotآدرس سرویس api&quot);
  }
}

قدم 4- ساخت یک component

ng generate component home

برای صدا زدن HttpClient باید یه component داشته باشیم تا اطلاعات ازش بگیریم و به کاربر خودمون نشون بدیم،به کمک این دستور توی ترمینال یک component به نام home می سازیم.

قدم 5- افزودن سرویس HttpClient و دریافت داده

حالا به فایل src/app/home/home.component.ts میریم و این اطلاعات بهش اضافه می کنیم.

import { Component, OnInit } from '@angular/core';
import { BackendService } from '../backend.service';

@Component({
  selector: 'app-home',
  templateUrl: './home.component.html',
  styleUrls: ['./home.component.css']
})

export class HomeComponent implements OnInit {  

   data= [];  

   constructor(private backendService: BackendService) { }

   ngOnInit() {    

      this.backendService.get().subscribe((ret: any[])=>{
      console.log(ret);
      this.data = ret;
    })  
   }

}

همینجور که مشاهده می کنید بعد از اضاف کردن سرویس BackendService فایل home.component.ts و inject اون به constructor من اومدم برای دریافت اطلاعات از api داخل ngOnInit ، اطلاعات از سرویس مد نظر با متد get که به صورت observable هم هست subscribe کردم و اون داخل متغیری به نام data که توی همین component تعریفش کردم، مقدار دهی کردم.

من قبلا توی این مقاله درباره قرار دادن اطلاعات باید ها و نباید های نوشتن در Constructor و ngOnInit در انگولار صحبت کردم.

قدم 6- نمایش اطلاعات

حالا نوبت به نمایش اطلاعات رسیده از api برای کاربر هستش، میرم به سراغ فایل src/app/home/home.component.html و به کمک ngFor داخل یه تگ li اونها نمایش می دم:

<div>
 <ul>
    <li *ngFor=&quotlet item of data&quot>
        {{item.name}}
    </li>
 </ul>           
</div>

تو اینجا فرض بر این گذاشتم که name یکی از property ها object item هستش.

به انتهای این مقاله آموزشی رسیدم سعی کردم به صورت مختصر و قدم به قدم کار کردن با دستور HttpClient برای گرفتن اطلاعات از api service خدمتتون مطرح کنم.

ممنون از توجهتون 🙂

دیتا استور چیه؟

دیتا استور(DataStore) کامپوننت جدید Jetpack که قرار جایگزین SharedPreferences بشه، طبیعتا نو که بیاد به بازار یه سری ویژگی های جدید داره، بهترین ویژگی که دیتا استور نسبت به شردپرفرنسز داره اینه که خوندن و نوشتن دیتا به صورت Async و با Flow که کامپوننتی از Kotlin Coroutines هست انجام میشه. چندتا نکته که قبل از ادامه دادن باید بدونید اینه که:

• دیتا استور در این زمان که این پست نوشته میشه تو حالت آلفا قرار داره که برای استفاده در پروداکشن مناسب نیست.
• قراره ما با کاتلین کد بزنیم
• ما از Kotlin Coroutines استفاده میکنیم(خیلی سطح پایین)
• همچنین از Kotlin Extension هم استفاده شده
• برای UI برنامه از Jetpack Compose استفاده شده

چطور ازش استفاده کنیم

مرحله اول – کتابخونه رو به پروژه اضافه میکنیم:

implementation &quotandroidx.datastore:datastore-preferences:1.0.0-alpha02&quot

مرحله دوم – ساخت یک نمونه از دیتا استور:

private val dataStore by lazy { context.createDataStore(name = &quotdata_store&quot) }

مرحله سوم – خوندن و نوشتن:

دیتا استور هم مثل شردپرفرنسز داده ها رو به صورت key-value سازماندهی میکنه، اما موضوع برای دیتا استور یکم فرق داره اونم اینه که مثل شردپرفرنسز key ها به صورت string نیستن بلکه اونا باید از نوع Preferences.Key باشن(جلوتر مسئله روشن‌تر میشه) و موضوع دیگه ای هم که هست اگه بخوایم دیتایی رو توی دیتا استور ذخیره کنیم حتما باید از کوروتین کاتلین استفاده کینم، که در ساده ترین حالت فرآیند ذخیره کردن به شکل زیر هست:

GlobalScope.launch {
    val TEXT_KEY = preferencesKey<String>(&quottext&quot)
    dataStore.edit {
        it[TEXT_KEY] = &quotThis is just a simple text&quot
    }
}

درست مثل شردپرفرنسز تو خط دوم یک کلید برای ذخیره کردن دیتامون ساختیم به اسم TEXT_KEY و خط های بعدی دیتا رو توی دیتا استور ذخیره میکنه

وقتی بخوایم داده هایی رو که قبلا ذخیره شدن رو از دیتا استور بخونیم، ما اون دیتا رو در قالب Flow دریافت میکنیم مثل کد زیر:

val text: Flow<String> = dataStore.data.map { data ->
    data[key] ?: &quotDefault value&quot // if the data is null we'll get the &quotDefault value&quot text
}

text.collect { data ->
    println(&quotdata is: $data&quot)
}

درسته یکم عجیب غریب به نظر میاد برای همین همونطوری که بالاتر قید شد برای اینکه کار با دیتا استور راحت‌تر و خوانایی کدها بالاتر بره یه سری Extension Function به سورس‌کدمون اضافه کردیم

@InternalCoroutinesApi
fun <T> DataStore<Preferences>.liveData(key: Preferences.Key<T>, defaultValue: T): LiveData<T> =
    data.map {
        it[key] ?: defaultValue // if the data is null we'll get the defaultValue
    }.asLiveData(IO)

fun <T> DataStore<Preferences>.saveData(data: Pair<Preferences.Key<T>, T>) = GlobalScope.launch {
    edit {
        it[data.first] = data.second
    }
}

فانکشن اول دیتای ذخیره شده تو دیتا استور رو به صورت LiveData به ما میده که نهایتا نحوه خوندن از دیتا استور رو آسونتر میکنه:

val textLiveData: LiveData<String> = dataStore.liveData(TEXT_KEY, &quotnot specified yet&quot) // &quotnot specified yet&quot is the default value

همینطور نحوه استفاده از فانکشن دوم:

dataStore.saveData(TEXT_KEY to &quotThis text is gonna be saved in data store&quot)

در نهایت کد کامل اکتیویتی:

class MainActivity : AppCompatActivity() {

    private val dataStore by lazy { createDataStore(name = &quotdata_store&quot) }

    @InternalCoroutinesApi
    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)

        val textLiveData: LiveData<String> = dataStore.liveData(TEXT_KEY, &quotnull&quot)

        setContent {
            AppScreen(
                textLiveData = textLiveData,
                onSaveClicked = { saveText(it) }
            )
        }
    }

    private fun saveText(value: String) = dataStore.saveData(TEXT_KEY to value)

    companion object {
        private val TEXT_KEY = preferencesKey<String>(&quottext&quot)
    }

میتونید کد کامل رو از گیت دریافت کنید