Spring用回调HibernateCallBack方法

本文介绍了如何使用Spring框架整合Hibernate,通过自定义HibernateCallback实现数据查询及批量删除操作。提供了具体的代码实例,展示了如何简化复杂的数据访问逻辑。

Spring用回调HibernateCallBack方法实现持久层一些功能,当这些功能不能满足需求时,
我们也可以自已来重写HibernateCallBack,例:
public class UsersDAO extends HibernateDaoSupport {
......
public List getUsers() {
return getHibernateTemplate().executeFind(new HibernateCallback() {
public Object doInHibernate(Session s) throws HibernateException,
SQLException {
Query query = s.createQuery("From Users AS user ORDER BY user.username DESC");
List list = query.list();
return list;
}
});
}
......
}
但是这样的代码很难让人理解,可以将其打包
package com.notepad.comm;
import java.sql.SQLException;
import org.hibernate.HibernateException;
import org.hibernate.Session;
import org.springframework.orm.hibernate3.HibernateCallback;
public class HQLCallBackUtil implements HibernateCallback {
private String hql;

public HQLCallBackUtil(){

}

public HQLCallBackUtil(String hql){
this.hql=hql;
}
public String getHql() {
return hql;
}
public void setHql(String hql) {
this.hql = hql;
}
public Object doInHibernate(Session s) throws HibernateException,
SQLException {
if (hql == null || hql.equals("")) {
throw new HibernateException("Can't execute NULL hql!");
}
return s.createQuery(hql).list();
}
}
然后可以通过如下代码进行调用
public class UsersDAO extends HibernateDaoSupport {
......
public List getUsers() {
HQLCallBackUtil callBack=new HQLCallBackUtil();
callBack.setHql("From Users AS user ORDER BY user.username DESC");
return this.getHibernateTemplate().executeFind(callBack);
}
......
}
这样是不是感觉简单很多呢!

<2>利用回调函数处理

    public List getApList() ...{
        return (List)this.getHibernateTemplate().execute(new HibernateCallback() ...{

        public Object doInHibernate(Session session) throws HibernateException, SQLException ...{
             String[] ids = ...{"1","2","3"};
             String   hql=  "from Appinfo where id   in   (:ids)";
             Query query = session.createQuery(hql);
             List list = query.setParameterList("ids", ids).list();
            return list;
         }
         });
     }
(2)删除数据,参数为数组,利用回调函数

    public void delInArray() ...{
        this.getHibernateTemplate().execute(new HibernateCallback() ...{

        public Object doInHibernate(Session session) throws HibernateException, SQLException ...{
             String[] ids = ...{"1","2","3"};
             String   hql=  "delete Appinfo where id   in   (:ids)";
             Query query = session.createQuery(hql);
             query.setParameterList("ids", ids).executeUpdate();
            return null;
         }   
         });   

 

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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