hibernate的load和get方法有感

本文对比分析了Hibernate中get与load方法的区别,get方法直接返回实体对象,而load方法首先返回仅包含主键的代理对象,在需要其他属性时才通过get方法加载。适用于表间关联查询,有助于提升性能。

      今天有空看到了一篇讨论hibernate 缓存讨论的帖子, 突然就对帖子里面提到的:

     

      get总是返回[实际对象] 
      load尽量返回[代理对象]

 

      在2年前看过hibernate 3.1的中文参考文档, 后来工作了, 就没再看过 hibernate 的相关东西和书了. 以前没发现这个 "代理对象" 这个词的, 可能我当时没仔细看文档吧. 对于 "代理对象" 跟 "实际对象"(我觉得应该说是实体对象好点) 有什么区别就有点在意了.

 

      google 了一下" hibernate load get 区别", 看了其中的一篇文章:Hibernate里load和get方法的区别 , 这位老兄比较有心, 把网上人家讨论的东西凑在一起. 说实话, 我是越看越糊涂了. 这些年要学的东西多了, 习惯看官方文档了, 中文或E文都一样咬, 再来就是看方法的源代码, 源代码是不会胡说和说谎的. 可惜机子上没有开发工具和hibernate3的源代码.

 

      还好, 看到 hibernate延迟加载的原理与实现 这篇文章, 这位老兄真的很不错呢, 文章有代码, 有图片, 有说明, 有过程, 有论点. 这篇文章刚好是通过 load 方法来讨论 hibernate 的延迟加载原理的. 虽然我没有看过hibernate 的Session 的load 方法的源代码, 但是文章里面load 方法实现的思路应该是一样的.

    

     看完  hibernate延迟加载的原理与实现  这篇文章后我对这个 "代理对象" 有了一些的理解了. 

     现在要说说我的直观的理解了, get 方法返回的是一个跟数据库映射的实体类对象, 如对象 userByGet(类为User); 而load 方法返回的是一个 userByLoad(类也为User,get方法实现不同) 的对象, 它的主键id 被赋值. (这里就不啰嗦到代理类及其targetObject变量了,这样就不直观了)

     

      就像 userByGet(id=1, name="user1", age=20) 和 userByLoad{id=1, name=null, age=null} , load 方法就是返回一个 new User(1) 的对象,  他不用去缓存或数据库查找.

 

      但是当你需要 userByLoad 对象的变量name 或 age的值的时候,  调用userByLoad  的 getName() 或getAge() 方法的时候, 你将会调用到 get 方法, 此时 userByLoad{id=1, name="user1", age=20}, get 方法只会被调用一次.

 

      如果get 方法不能取得User 对象, userByLoad.getName() 将会抛出 ObjectNotFoundEcception, 所以这个异常可不是 load 方法抛出的呢.

 

      总结下, 抛开代理对象,实体对象和从session, 从数据库取值不说, get 就是直接返回一个有完整赋值的 User 对象; load 是先返回一个主键id 赋值的 User 对象, 如果需要知道这个 User 对象其他值的时候, 就用get 方法返回一个有完整赋值的 User 对象;

 

      貌似如果你需要 User 的详细信息, 就用get 方法吧, 应该比 load 方法效率要高点. 至于缓存方面, get 和 load 应该是一样的处理方法.

 

      如果是表跟表关联关系的情况下,用load方法可以提高性能

 

      以上纯理论, 没实践过.

 

     

 

【无人机】基于改进粒子群算法的无人机路径规划研究[遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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