Spring AOP不拦截从对象内部调用的方法原因

本文深入探讨了在Spring AOP环境下,如何处理同一事务中跨数据源的操作,特别是在使用拦截器时遇到的内部方法调用无法被正确拦截的问题。文章通过实例分析了AOP的工作机制,解释了为何在类内部调用的方法不会被AOP拦截,并提供了解决方案,包括使用AopContext.currentProxy()获取代理对象以确保内部调用也能触发AOP的拦截。

拦截器的实现原理很简单,就是动态代理,实现AOP机制。当外部调用被拦截bean的拦截方法时,可以选择在拦截之前或者之后等条件执行拦截方法之外的逻辑,比如特殊权限验证,参数修正等操作。

  但是最近在项目中要在一个事务中跨数据源进行操作。数据库跨源就不在这里说了,可以自行百度。

  这里出现的问题就是,如果我们要拦截某个类的多个方法,且在该类的方法中使用this调用要拦截的方法时会导致拦截失败。

  这样说有点抽象,看一个代码:

复制代码
package com.intsmaze.before;

public class AopDemo 
{

    /**
     * controller层调用的逻辑service方法,该方法内部调用分别访问不同数据库的service方法
     */
    public void findInforAll()
    {
        this.findDataBaseA();
        this.findDataBaseB();
    }
    /**
     * 这里我们就查询A数据库的某张表好了
     */
    public void findDataBaseA()
    {
        
    }
    /**
     *  这里我们就查询B数据库的某张表好了
     */
    public void findDataBaseB()
    {
        
    }

}
复制代码

 

 

然后我们使用spring的aop写一个进行切入的类,该类主要就是在执行findDataBaseA和findDataBaseB前执行某些代码来告知后面的查询操作查询数据库的地址。

复制代码
@Aspect
public class AuthAspect
{
    // 匹配com.intsmaze.before包下AopDemo 类的
    // 所有方法的执行作为切入点
    @Before("execution(* com.intsmaze.before.AopDemo .*(..))")
    public void authority()
    {
        System.out.println("模拟执行权限检查");
    }
}
复制代码

 

 

接下来我就以比喻进行说明了,明白我的比喻的前提你要知道动态代理是什么,打个不恰当的比方吧,就是动态生成一个新的**类**(注意不是对象)。

这里我们可以这样看当执行findInforAll的时候,AOP监测到这个方法是要被拦截的,于是生成了一个代理类,就是一个新的类。

复制代码
public class AopDemo+其他名称 
{

    /**
     * controller层调用的逻辑service方法,该方法内部调用分别访问不同数据库的service方法
     */
    public void findInforAll()
    {

  //---------------------------------------------------

    System.out.println("模拟执行权限检查");

     //---------------------------------------------------
        this.findDataBaseA();
        this.findDataBaseB();
    }
    /**
     * 这里我们就查询A数据库的某张表好了
     */
    public void findDataBaseA()
    {    
    }
    /**
     *  这里我们就查询B数据库的某张表好了
     */
    public void findDataBaseB()
    {       
    }

}
复制代码

 

 

  这里我们可以看到,其实生成一个新的类,该类在findInforAll方法中第一行加上了AOP指定执行的方法。我们系统中调用的就是这个代理类的findInforAll方法,而该方法中的 this.findDataBaseA();this.findDataBaseB();是不会被AOP拦截的,因为AOP拦截的包名和类名很明显和代理类的不一样,所以这就是为什么内部调用的方法无法拦截的原因。不知道这样说,大家懂了没有。关于如何用JDK写动态代理,我会在放假时回顾以前笔记,在写出来。

 

 

  如何解决呢?我们开始想的时避免AOP切入的类中使用this内部调用,但是发现这样增加了代码结构的复杂度,本来只需要一个类,最后要使用两个类进行管理。太麻烦。

  然后考虑项目的进度,就使用把逻辑代码封装成工具方法进行调用。

 

在网上查资料有方法可以解决,没有测试。

http://blog.youkuaiyun.com/quzishen/article/details/5803721下面是主要思路。

在spring的源代码中通过一个增强对象的检查,控制了当前的内部调用是否使用代理来执行,这让人感到无奈。spring的作者们很隐晦的提出避免内部调用的方法。

我们可能会想,在外部调用两次beanA,第一次调用method1,第二次调用method2,这样做可以解决问题,但是这样的直接后果是我们的逻辑代码将变得紊乱,并非所有的场景下都可以通过这样的设计来完成。虽然这是spring官方推荐的避免内部调用的idea。

查看了相关资料,得到了一种方法,即在method1的内部,通过直接获取当前代理对象的方式然后通过代理对象调用method2,这样触发拦截。

看看代码:

复制代码
public void method1(){  
        logger.error("1");  
          
        // 如果希望调用的内部方法也被拦截,那么必须用过上下文获取代理对象执行调用,而不能直接内部调用,否则无法拦截  
        if(null != AopContext.currentProxy()){  
            ((NorQuickNewsDAO)AopContext.currentProxy()).method2();  
        }else{  
            method2();  
        }         
    }  
      
    public void method2(){  
        logger.error("2");  
    }  
复制代码

 

 

我们显示的调用了AopContext来获取当前代理对象,然后调用其方法,这样做还必须的一个步骤是将当前的代理暴露给线程使用,在配置文件中需要配置一个参数:

<property name="exposeProxy">  
            <value>true</value>  
        </property>  

 

 

 

它是ProxyConfig的一个参数,默认是false,如果不设置这个参数,那么上述Java代码将无法获取当前线程中的代理对象。

这种方法可以成功触发拦截,但是也带来了其他问题,比如代码的织入,我们的代码将变得复杂而且晦涩,而且严格要求系统针对于当前的bean必须配置拦截器,否则会因为找不到拦截器而抛出异常。

这样做有什么负面影响?对事务的影响,对安全的影响,现在不得而知,还需要逐步去测试以尝试。

转载于:https://www.cnblogs.com/haoyunfeng/p/9551923.html

【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)内容概要:本文围绕使用MATLAB和XBee技术实现温度传感器无线网络的连续监控展开研究,介绍了如何构建无线传感网络系统,并利用MATLAB进行数据采集、处理与可视化分析。系统通过XBee模块实现传感器节点间的无线通信,实时传输温度数据至主机,MATLAB负责接收并处理数据,实现对环境温度的动态监测。文中详细阐述了硬件连接、通信协议配置、数据解析及软件编程实现过程,并提供了完整的MATLAB代码示例,便于读者复现和应用。该方案具有良好的扩展性和实用性,适用于远程环境监测场景。; 适合人群:具备一定MATLAB编程基础和无线通信基础知识的高校学生、科研人员及工程技术人员,尤其适合从事物联网、传感器网络相关项目开发的初学者与中级开发者。; 使用场景及目标:①实现基于XBee的无线温度传感网络搭建;②掌握MATLAB与无线模块的数据通信方法;③完成实时数据采集、处理与可视化;④为环境监测、工业测控等实际应用场景提供技术参考。; 阅读建议:建议读者结合文中提供的MATLAB代码与硬件连接图进行实践操作,先从简单的点对点通信入手,逐步扩展到多节点网络,同时可进一步探索数据滤波、异常检测、远程报警等功能的集成。
内容概要:本文系统讲解了边缘AI模型部署与优化的完整流程,涵盖核心挑战(算力、功耗、实时性、资源限制)与设计原则,详细对比主流边缘AI芯片平台(如ESP32-S3、RK3588、Jetson系列、Coral等)的性能参数与适用场景,并以RK3588部署YOLOv8为例,演示从PyTorch模型导出、ONNX转换、RKNN量化到Tengine推理的全流程。文章重点介绍多维度优化策略,包括模型轻量化(结构选择、输入尺寸调整)、量化(INT8/FP16)、剪枝与蒸馏、算子融合、批处理、硬件加速预处理及DVFS动态调频等,显著提升帧率并降低功耗。通过三个实战案例验证优化效果,最后提供常见问题解决方案与未来技术趋势。; 适合人群:具备一定AI模型开发经验的工程师,尤其是从事边缘计算、嵌入式AI、计算机视觉应用研发的技术人员,工作年限建议1-5年;熟悉Python、C++及深度学习框架(如PyTorch、TensorFlow)者更佳。; 使用场景及目标:①在资源受限的边缘设备上高效部署AI模型;②实现高帧率与低功耗的双重优化目标;③掌握从芯片选型、模型转换到系统级调优的全链路能力;④解决实际部署中的精度损失、内存溢出、NPU利用率低等问题。; 阅读建议:建议结合文中提供的代码实例与工具链(如RKNN Toolkit、Tengine、TensorRT)动手实践,重点关注量化校准、模型压缩与硬件协同优化环节,同时参考选型表格匹配具体应用场景,并利用功耗监测工具进行闭环调优。
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