Hibernate自定义表单完全解决方案(无需重置SessionFactory) (一)

本文介绍了一种在不重启系统的情况下为用户自动创建数据库表的方法,并详细描述了使用ASM生成Java类及Freemarker生成hbm.xml的过程,实现了Hibernate框架下的动态建表。

最近开发的一个系统,需要在不更改代码和重启系统的情况下提供对用户自动建表的支持,由于系统应用了hibernate,所以在建表同时也要建立持久化对象以及对这些对象注册,采用的oracle9i 。

 

建立class->生成hbm.xml->在Hibernate'config里面注册持久化类->通知SessionFactory持久化类的新增 

 

1 准备 
首先准备基础数据,我建立了几个类来对生成的表和属性做描述 这些描述都将作为传输传递给class生成方法和hbm.xml的生成方法 
RenderClass 描述要生成的实体类 属性如下 

2 生成class 
采用ASM 生成 

 

 

3 生成hbm.xml 
生成这种事情,当然是交给模板了,我这里用的是Freemarker,在这里,我要感谢freemarker的开发组,感谢webwork 感谢XXCMS系统对freemarker以及其他模板语言的大力推广,,感谢。。。。(省略100字) 
模板嘛,肯定不仅仅是应用在web环境的,看看源代码下的freemarker.cache包,恩,不错,freemarker团队确实是有一定“野心”的 首先是渲染的实现

 

Java代码

  1. package com.mit.cooperate.core.asm.render;  
  2.   
  3. import java.io.File;  
  4. import java.io.FileOutputStream;  
  5. import java.io.PrintWriter;  
  6. import java.io.StringWriter;  
  7.   
  8. import javax.servlet.ServletContext;  
  9.   
  10. import com.mit.cooperate.core.util.Assistant;  
  11.   
  12. import freemarker.cache.ClassTemplateLoader;  
  13. import freemarker.template.Configuration;  
  14. import freemarker.template.ObjectWrapper;  
  15. import freemarker.template.SimpleHash;  
  16. import freemarker.template.Template;  
  17. import freemarker.template.TemplateExceptionHandler;  
  18. /** 
  19.  * freeMarker模板渲染 
  20.  * @author courser.tijichen 
  21.  */  
  22. public class FreemarkerRender implements Render{  
  23.       
  24.     private Configuration templateconfig;  
  25.       
  26.     public  FreemarkerRender()  
  27.     {  
  28.         this.initialize();  
  29.     }  
  30.     /** 
  31.      * 初始化freemarker配置 
  32.      * 
  33.      */  
  34.     public void initialize()  
  35.     {  
  36.         try  
  37.         {  
  38.             if (templateconfig==null)  
  39.             {  
  40.                 templateconfig = new Configuration();  
  41.                 templateconfig.setTemplateExceptionHandler(TemplateExceptionHandler.HTML_DEBUG_HANDLER);  
  42.                 templateconfig.setObjectWrapper(ObjectWrapper.DEFAULT_WRAPPER);  
  43.                 templateconfig.setTemplateLoader(new ClassTemplateLoader(this.getClass(),"/"));  
  44.                 templateconfig.setTemplateUpdateDelay(1200);  
  45.                 templateconfig.setDefaultEncoding("gb2312");  
  46.                 templateconfig.setLocale(new java.util.Locale("zh_CN"));  
  47.                 templateconfig.setNumberFormat("0.##########");  
  48.             }  
  49.         }  
  50.         catch (Exception e)  
  51.         {}  
  52.     }  
  53.     /** 
  54.      * 渲染 
  55.      * 
  56.      */  
  57.     public void render(RenderClass target,String template,String outpath)  
  58.     {  
  59.         try  
  60.         {  
  61.             StringWriter writer = new StringWriter();  
  62.             Template tl = templateconfig.getTemplate(  
  63.                     template,  
  64.                     templateconfig.getLocale());  
  65.             SimpleHash root = new SimpleHash();  
  66.             root.put("entity", target);  
  67.             tl.process(root, writer);  
  68.             Assistant.createNewFile(outpath);  
  69.             FileOutputStream fos = new FileOutputStream(outpath);  
  70.             PrintWriter pwriter = new PrintWriter(fos);  
  71.             pwriter.write(writer.toString());  
  72.             pwriter.close();  
  73.             fos.close();     
  74.         }  
  75.         catch (Exception ex)  
  76.         {  
  77.             ex.printStackTrace();  
  78.         }  
  79.     }  
  80. }  
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问题,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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