Çfarë do të thotë bootstrapping në këndore?
Çfarë do të thotë bootstrapping në këndore?

Video: Çfarë do të thotë bootstrapping në këndore?

Video: Çfarë do të thotë bootstrapping në këndore?
Video: E rëndësishme! Vetëshërimi ֍ Zoti nuk e krijoi trupin për sëmundje dhe vuajtje ֍ Fshirja e matricës 2024, Mund
Anonim

Bootstrapping është një teknikë e inicializimit ose ngarkimit tonë Këndore aplikacion. le të ecim nëpër kodin tonë të krijuar në Krijo të parën tënde të re Këndore projektoni dhe shikoni se çfarë ndodh në çdo fazë dhe se si AppComponent ynë ngarkohet dhe shfaq "aplikacioni funksionon!".

Më pas, dikush mund të pyesë gjithashtu, çfarë do të thotë me bootstrapping?

Bootstrap , ose bootstrapping , është një folje që vjen nga thënia, "të tërhiqet nga rripat e çizmeve". Idioma nënkupton që një person është i mjaftueshëm, nuk kërkon ndihmë nga të tjerët. Forma më themelore e bootstrapping është procesi i nisjes që ndodh kur nisni një kompjuter.

çfarë është AppComponent në këndore? Një komponent bootstrapped është një komponent hyrje që Këndore ngarkohet në DOM gjatë procesit të bootstrap (hapja e aplikacionit). Komponentët e tjerë të hyrjes ngarkohen në mënyrë dinamike me mjete të tjera, si p.sh. me ruterin. Këndore ngarkon një rrënjë Komponenti i aplikacionit në mënyrë dinamike sepse është renditur sipas llojit në @NgModule. bootstrap.

Vetëm kështu, pse bootstrap përdoret në këndore?

Bootstrap është korniza më e njohur HTML, CSS dhe JavaScript për zhvillimin e faqes së përparme të uebit. Është i shkëlqyeshëm për zhvillimin e faqeve të internetit të përgjegjshme, të para për celularët. Për më tepër ne do të hedhim një vështrim në Ng- Bootstrap projekti i cili jep Angular Bootstrap komponentët që mund të jenë të përdorura jashtë kutisë.

Pse përdoret bootstrapping?

Bootstrapping lejon caktimin e masave të saktësisë (të përcaktuara në termat e paragjykimit, variancës, intervaleve të besueshmërisë, gabimit të parashikimit ose ndonjë mase tjetër të tillë) për vlerësimet e mostrës. Kjo teknikë lejon vlerësimin e shpërndarjes së mostrave të pothuajse çdo statistike duke përdorur metoda të kampionimit të rastësishëm.

Recommended: