HIBERNATE 中get方法和load方法的区别

get方法执行顺序:

1.首先通过ID在session缓存中查找对象,如果存在此ID对象,那么就直接返回。

2.在二级缓存中查找,找到后返回。

3.如果都找不到,则从数据库加载拥有此ID 的对象。

4.get方法不管配置文件中设置的lazy为何值,都采用的是立即检索对象。

 

load方法和get方法的不同:

1.立即检索

team的配置文件:(设置lazy="false")

<class name="com.vo.Team" table="team" catalog="test" lazy="false">
        <id name="id" type="java.lang.Integer">
            <column name="ID" />
            <generator class="native" >
               
            </generator>
        </id>
        <property name="name" type="java.lang.String">
            <column name="Name" />
        </property>
        <set name="students" inverse="true" cascade="all" lazy="true" batch-size="2">
            <key column="teamID"></key>
            <one-to-many class="com.vo.Student"></one-to-many>
        </set>
    </class>

 

如果对象存在两方法是一样的。

如果对象不存在get方法和load方法的区别:

Session session = SessionUtil.getSession();
  Transaction tran = session.beginTransaction();
  Team team =(Team)session.get(Team.class, 56);
  if(team==null)
  {
   System.out.println("team 对象为空!");
  }
   tran.commit();
  session.close();

打印:

对于GET方法:team 对象为空!

对于LOAD方法:Exception in thread "main" org.hibernate.ObjectNotFoundException: No row with the given identifier exists: [com.vo.Team#56]

抛出异常。

 

2.延迟检索

get方式仍然采用立即加载。

load方式只是返回一个带有ID属性的对象,并没有组装该对象其他属性,当用到该用户其他属性的时候,才会发送SQL语句Session session = SessionUtil.getSession();
  Transaction tran = session.beginTransaction();
  Team team =(Team)session.load(Team.class, 2);
  if(team==null)
  {
   System.out.println("team 对象为空!");
  }
  System.out.println(team.getId());//1处
  //System.out.println(team.getName());//2处
  tran.commit();
  session.close();去组装该对象的其他实例。

 

注释:当采用延迟加载,如果只执行1处的代码,是直接将返回2,是不会发送SQL语句的。当打印2处的代码才会发送SQL语句。

load方式采用延迟加载是返回对象的代理对象,并没有组装除了ID的其他属性。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化并行计算等改进策略。; 适合人群:具备一定Python编程基础优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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