生命周期

本文介绍了Tapestry框架中的Visit对象与Global对象,详细解释了这两种对象的生命周期及其应用场景。Visit对象类似于HttpSession,用于存储客户端特定信息;Global对象则在整个应用生命周期内有效,用于保存全局数据。

Visit对象与Global对象是Tapestry框架的对象容器,我们可以在Visit对象和Global对象中存放任意信息。Visit对象和Global对象的区别在于他们的生命周期不同。

Visit对象
Visit对象是一个Tapestry应用程序的对象容器,用来存储应用程序逻辑和数据。这个对象能被应用程序中所有的页面和组件共享,并且包含Web应 用程序中某一个客户端的特殊信息。该对象类似于HttpSession在典型Servlet应用程序中扮演的角色。实际上,Visit对象最终作为一个 HttpSession的属性被存储。
为了在应用程序中使用一些与Session相关的数据,Tapestry提供了Visit对象。Tapestry并不知道也不关心Visit对象的类型。 Tapestry框架对Visit对象的类型定义没有任何要求,每一个应用程序都可以定义自己的Visit类。不论是通过Tapestry属性注入而获得 的HiveMind框架提供的Visit对象,还是通过AbstractPage类的public Object getVisit()方法获取的Visit对象,Tapestry都没有指定其具体类型。因此,我们需要对获取到的Visit对象进行强制类型转换。例 如:

代码
  1. MyVisit vist =(MyVisit)getVisit();  

Visit对象是Tapestry框架自动创建的,在Tapestry框架启动时通过读取应用程序规范文件,将Visit对象的配置信息存入Tapestry框架的引擎对象中。因此,我们可以随意在应用程序规范文件中定义自己的Visit对象类。
代码
  1. <meta key=”org.apache.tapestry.visit-class” value=”com.tapestry4.engine.MyVisit”/>  

当客户端发出请求,HttpSession对象被创建时,Tapestry读取应用程序中Visit对象的配置信息,并创建Visit对象实例,然后将其存储在HttpSession中,知道HttpSession对象的生命周期结束。
如果有必要,我们可以通过HiveMind框架来创建Visit对象,只需要在应用程序的HiveMind配置文件hivemodule.xml中以下面的方式进行配置。
代码
  1. <contribution configuration-id=”tapestry.state.ApplicationObjects”>  
  2.     <state-object name=”flowStore” scope=”session”>  
  3.         <create-instance class=”com.tapestry.engine.FlowStore”/>  
  4.     </state-object>  
  5. </contribution>  
配置Hivemind提供的id为tapestry.state.ApplicationObjects的configuration。
创建一个Hivemind框架的state状态对象,名称为flowStore,声明周期为session。该状态对象是com.tapestry.engine.FlowStore类的实例。
当我们在页面中需要获取这个名称为flowStore的Visit对象时,可以通过Tapestry属性注入的方式。
代码
  1. <inject property=”myVisitobj” type=”state” object=”flowstore”/>  

<inject> 元素的Type属性标明这里注入的是state状态对象,Object属性标明注入进来的是名称为flowStore的Visit对象。

Global对象

Global对象是一个应用程序空间,用来存储全局性的应用程序逻辑和数据。Global对象的作用如同Visit对象,不过它的生命周期是应用程 序的整个周期。Global对象被所有的应用程序引擎对象和Session会话所共享。实际上,Global对象最终最为一个 ServletContext的属性被储存。如果我们不指定Global对象,那么Tapestry将使用一个线程保护的HashMap来替代它。
Tapestry并不知道也不关心Global对象的类型。Tapestry框架对Global对象的类定义没有任何要求,每一个应用程序都可以定义自己 的Visit类。不论是我们通过Tapestry属性注入而获得的HiveMind框架提供的Global对象,还是通过AbstractPage类的 public Object getGlobal()方法获取的Global对象,Tapestry都没有指定具体类型。因此,我们需要对获取到的Global对象进行强制类型转换。 例如:
MyGlobal global =(MyGlobal)getGlobal();
我们可以在应用程序规范文件中随意定义自己的Global对象类。

代码
  1. <meta key=”org.apache.tapestry.global-class” value=”com.tapestry4.engine.MyGlobal”/>  
当应用程序被启动,ServletContext对象被创建时,Tapestry读取应用程序规范中Global对象的配置信息,并创建Global对象实例,然后将其储存在ServletContext对象中,直到应用程序被关闭。
如果有必要,我们可以通过Hivemind框架来创建Global对象,只需要在应用程序的Hivemind配置文件hivemodule.xml中以下面的方式进行配置。
代码
  1. <contribution configuration-id=”tapestry.state.applicationObject”>  
  2.     <state-object name=”flowstore” scope=”application”>  
  3.         <create-instance class=”com.tapestry.engine.FlowStore”/>  
  4. </state-object>  
  5. </contribution>  
创建一个Hivemind框架的state状态对象,名称为flowStore,生命周期为application。该状态对象是com,tapestry.engine,FlowStore类的实例。
当我们需要在页面中获取这个名称为flowStore的Global对象时,可以通过Tapestry属性注入的方式。
代码
  1. <inject property=”myVisitObj” type=”state” object=”flowStore”/>  
实际上,就<inject>元素的使用方式而言,向Tapestry属性中注入Visit对象和注入Global对象并没有任何差别。而关键在于这个被注入的对象实例本身的生命周期是session还是application。
请一定要注意,不论是Visit对象还是Global对象,它们并非是指某一个特定的对象类,而是代指两种不同生命周期的对象。只要进行了配置,任何Java类都可以成为Visit对象或Global对象。
【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算的分布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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