Java设计模式之抽象工厂模式

二、抽象工厂模式

为创建一组相关或相互依赖的对象提供一个接口,而且无需指定他们的具体类。

先普及两个概念

1.等级结构

等级结构相当于对产品的分类,比如手机的等级结构有内存大小、耳机口类型、充电口类型、吃充电器类型…

2.产品族

产品族是不同的等级结构,互相有关联的多个产品(例:充电器口,充电器)组成的集合(家族)
其中产品的数量=等级结构的数量
在这里插入图片描述

抽象工厂模式是对工厂方法模式的进一步扩展,抽象工厂模式和工厂方法模式最大的区别就是,工厂方法模式只需要面对一个产品等级结构,而抽象工厂模式则需要面对多个产品等级结构。

比如说如果只按照种类获取苹果和梨的供应商,工厂方法模式足矣,如果要将两种水果组成一个拼盘,这里我们假设A苹果B苹果,A梨B梨,A苹果如果与B梨拼到一起,会导致食物中毒。这时候考虑的层次就多了一个,就需要进行对供应商获取的方式进行限制,提供固定方案。
这时候就需要引进抽象工厂模式,代码:
首先创建拼盘需要的水果抽象接口,提供提供水果抽象方法,创建具体子类:

public interface Apple {

	public void provideApple();
	
}
public class AApple implements Apple{

	@Override
	public void provideApple() {
		// TODO Auto-generated method stub
		System.out.println("提供A苹果");
	}
	
}
public class BApple implements Apple{
@Override
	public void provideApple() {
		// TODO Auto-generated method stub
		System.out.println("提供B苹果");
	}
}
public interface Pear {
	
	public void providePear();

}
public class APear implements Pear {

	@Override
	public void providePear() {
		// TODO Auto-generated method stub
		System.out.println("提供A梨");
	}

}
public class BPear implements Pear {

	@Override
	public void providePear() {
		// TODO Auto-generated method stub
		System.out.println("提供B梨");
	}

}

如果还是按原来把分成苹果和梨两类,就可能出现客户因不了解而选择产品发生冲突,因此把工厂分成A工厂B工厂:
先创建抽象工厂接口:

public interface AbstractFactory {
	//获得苹果供应商
	public Apple getApple();
	//获得梨供应商
	public Pear getPear();
}

AB工厂具体类

public class Afactory implements AbstractFactory{

	@Override
	public Apple getApple() {
		// TODO Auto-generated method stub
		return new AApple();
	}

	@Override
	public Pear getPear() {
		// TODO Auto-generated method stub
		return new APear();
	}
	
}
public class Bfactory implements AbstractFactory{

	@Override
	public Apple getApple() {
		// TODO Auto-generated method stub
		return new BApple();
	}

	@Override
	public Pear getPear() {
		// TODO Auto-generated method stub
		return new BPear();
	}

}

提供一个加工者类

public class FruitProcesser {
	private Apple apple = null;
	private Pear pear = null;
	public String makeDish(AbstractFactory factory) {
		//拿到水果
		getFruit(factory);
		//制作拼盘
		return "水果拼盘";
	}
	private void getFruit(AbstractFactory factory) {
		// TODO Auto-generated method stub
		this.apple = factory.getApple();
		this.pear = factory.getPear();
		this.apple.provideApple();
		this.pear.providePear();
	}
}

测试:

public class User {
	public static void main(String[] args) {
		AbstractFactory factory = new Afactory();
		FruitProcesser fruitProcesser = new FruitProcesser();
		//将选好的方案给加工者
		String makeDish = fruitProcesser.makeDish(factory);
		System.out.println(makeDish);
	}
}

打印内容:
在这里插入图片描述
换成new Bfactory即是:
在这里插入图片描述

抽象工厂提供获取的对象都是互相关联的,每一个具体的实现类也就是一个产品族,将每一个产品族视为一个整体,给用户进行选择。

抽象工厂模式的起源

抽象工厂模式最早的起源是用于创建分属不同操作系统的视窗构建。就好比警告框和按钮,在Unix系统的环节和Windows的环境,实现方式不同。
如果我们要构建出一个自己的视窗,那么显然Unix的构件和Windows的构件是不能脱离Unix和Windows的环境的,也就是说系统只能用自己的产品族来构建视窗。
在每一个操作系统中,都有一个视窗构建组成的构建家族(产品族),每一个视窗构件都构成自己的等级结构,由一个抽象对象给出功能的描述,具体的子类来实现。

抽象工厂优缺点:

优:

解耦,客户端直接面向接口选择对应产品族的实现类即可。
切换产品族更容易,只需要更改产品族实现类。

缺:

缺点就是不利于扩展新的等级结构,改动太大。

总结:

工厂方法模式是一个工厂类根据类型提供一个产品
抽象工厂模式现在一个工厂类对应多个不同的等级结构提供一系列产品(产品族)

简单工厂模式:适合算法比较稳定,极少去新增或删除逻辑条件,可以让用户去动态的获取对象。

工厂方法模式:对程序进行了解耦,提供了一个获取对象的方法,延迟到子类去具体的实例化对象,可以很好的面对多变的需求。

抽象方法模式:当产品有多个等级结构,而不同的等级结构之间又有关联条件,此时就适合用此模式。

内容概要:《2024年中国城市低空经济发展指数报告》由36氪研究院发布,指出低空经济作为新质生产力的代表,已成为中国经济新的增长点。报告从发展环境、资金投入、创新能力、基础支撑和发展成效五个维度构建了综合指数评价体系,评估了全国重点城市的低空经济发展状况。北京和深圳在总指数中名列前茅,分别以91.26和84.53的得分领先,展现出强大的资金投入、创新能力和基础支撑。低空经济主要涉及无人机、eVTOL(电动垂直起降飞行器)和直升机等产品,广泛应用于农业、物流、交通、应急救援等领域。政策支持、市场需求和技术进步共同推动了低空经济的快速发展,预计到2026年市场规模将突破万亿元。 适用人群:对低空经济发展感兴趣的政策制定者、投资者、企业和研究人员。 使用场景及目标:①了解低空经济的定义、分类和发展驱动力;②掌握低空经济的主要应用场景和市场规模预测;③评估各城市在低空经济发展中的表现和潜力;④为政策制定、投资决策和企业发展提供参考依据。 其他说明:报告强调了政策监管、产业生态建设和区域融合错位的重要性,提出了加强法律法规建设、人才储备和基础设施建设等建议。低空经济正加速向网络化、智能化、规模化和集聚化方向发展,各地应找准自身比较优势,实现差异化发展。
数据集一个高质量的医学图像数据集,专门用于脑肿瘤的检测和分类研究以下是关于这个数据集的详细介绍:该数据集包含5249张脑部MRI图像,分为训练集和验证集。每张图像都标注了边界框(Bounding Boxes),并按照脑肿瘤的类型分为四个类别:胶质瘤(Glioma)、脑膜瘤(Meningioma)、无肿瘤(No Tumor)和垂体瘤(Pituitary)。这些图像涵盖了不同的MRI扫描角度,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构,为模型训练提供了丰富多样的数据基础。高质量标注:边界框是通过LabelImg工具手动标注的,标注过程严谨,确保了标注的准确性和可靠性。多角度覆盖:图像从不同的MRI扫描角度拍摄,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构。数据清洗与筛选:数据集在创建过程中经过了彻底的清洗,去除了噪声、错误标注和质量不佳的图像,保证了数据的高质量。该数据集非常适合用于训练和验证深度学习模型,以实现脑肿瘤的检测和分类。它为开发医学图像处理中的计算机视觉应用提供了坚实的基础,能够帮助研究人员和开发人员构建更准确、更可靠的脑肿瘤诊断系统。这个数据集为脑肿瘤检测和分类的研究提供了宝贵的资源,能够帮助研究人员开发出更准确、更高效的诊断工具,从而为脑肿瘤患者的早期诊断和治疗规划提供支持。
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