Hibernate-03新建客户代码实现

本文介绍了一个使用Hibernate技术实现客户信息添加的具体案例。通过Servlet接收HTTP请求,利用BeanUtils工具类进行参数封装,并通过SaveCustomerService调用SaveCustomerDao来完成客户信息的持久化存储。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Hibernate完成添加客户

 

 

 

 

Servlet

package com.feizhu.servlet;

import java.io.IOException;
import java.lang.reflect.InvocationTargetException;
import java.util.Map;


import javax.servlet.ServletException;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;


import org.apache.commons.beanutils.BeanUtils;


import com.feizhu.domain.Customer;
import com.feizhu.service.SaveCustomerService;


/**
 * Servlet implementation class SaveCustomerServlet
 */
public class SaveCustomerServlet extends HttpServlet {
private static final long serialVersionUID = 1L;


protected void doGet(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {

//设置编码
request.setCharacterEncoding("utf-8");
//接受参数
Map<String, String[]> map = request.getParameterMap();
//封装数据  导入BeanUtils工具包
Customer  c=new Customer();
try {
//封装数据
BeanUtils.populate(c, map);
//调用SaveCustomerService  业务层
       new SaveCustomerService().saveCustomer(c);
       System.out.println("客户添加成功");
} catch (Exception e) {
e.printStackTrace();
}
}
protected void doPost(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {

doGet(request, response);
}

}

service

package com.feizhu.service;


import com.feizhu.dao.SaveCustomerDao;
import com.feizhu.domain.Customer;


public class SaveCustomerService {


/**
* 保存客户
* @param c
*/
public void saveCustomer(Customer c) {
//调用SaveCustomerDao 
new SaveCustomerDao().saveCustomer(c);

}

 

}

Dao

package com.feizhu.dao;


import org.hibernate.Session;
import org.hibernate.Transaction;


import com.feizhu.domain.Customer;
import com.feizhu.utils.HibernateUtil;


public class SaveCustomerDao {


/**
* 保存客户
* @param c
*/
public void saveCustomer(Customer c) {
//获取session
Session session = HibernateUtil.openSession();
//开启事物
Transaction tr = session.beginTransaction();
//保存用户
session.save(c);
//提交事物
tr.commit();
//关闭资源
session.close();

}

}

 HibernateUtil

package com.feizhu.utils;


import org.hibernate.HibernateException;
import org.hibernate.Session;
import org.hibernate.SessionFactory;
import org.hibernate.cfg.Configuration;


public class HibernateUtil {


// 会话工厂,以单例方式管理
private static SessionFactory sessionFactory;


// ThreadLocal存储session
private static ThreadLocal<Session> session = new ThreadLocal<Session>();




// 以单例方式管理sessionFactory
static {
try {
sessionFactory = new Configuration().configure("hibernate.cfg.xml").buildSessionFactory();
} catch (HibernateException e) {
e.printStackTrace();
throw new HibernateException("初始化会话工厂失败!");
}


}
//得到一个单例的会话工厂
public static SessionFactory getSessionFactory(){
return sessionFactory;
}
//获取一个新session
public static Session openSession(){
return sessionFactory.openSession();
}

//获取当前与线程绑定的session,如果获取不到则创建一个新session并与当前线程绑定
// public static Session getCurrentSession() throws HibernateException {
// //获取当前线程绑定的session
// Session s = (Session) session.get();
// if (s == null) {
// //创建一个新session
// s = sessionFactory.openSession();
// //新session并与当前线程绑定
// session.set(s);
// }
// return s;
// }
 
public static Session getCurrentSession() throws HibernateException {
return sessionFactory.getCurrentSession(); 
}
//关闭当前线程绑定的session
// public static void closeSession() throws HibernateException {
// //获取当前线程绑定的session
// Session s = (Session) session.get();
// if (s != null){
// //关闭session
// s.close(); 
// }
// session.set(null);
// }

public static void closeSession() throws HibernateException {
sessionFactory.getCurrentSession().close();
}
}

内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用场景中的关键问题,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例GUI设计,确保方案的可复现性实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言机器学习算法的研发人员;从事电力系统调度、电力市场交易、新能源消纳等相关领域的工程师技术专家。 使用场景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机组、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市场主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计场景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值