Spring笔记

Spring核心特性解析
本文围绕Spring展开,介绍了Spring循环依赖,指出仅set - Singleton模式可正常注入。阐述了Singleton Bean的三级缓存,讲解SpringBean加载过程。还介绍了Spring的AOP,包括原理、组成概念和实现方式,以及SpringMVC的配置实现和DispatcherServlet工作流程。

1.Spring循环依赖

Spring依赖注入一般分为3种模式:构造器注入,set-Singleton,set-Prototype;当A依赖B,B依赖C,C依赖A,只有set-Singleton模式可以正常注入,其余两个在Spring启动注入bean时报错,原因可以从springBean加载流程中得出。

2.Singleton Bean的三级缓存

  •  singletonFactories : 单例对象工厂的cache 
  •  earlySingletonObjects :提前暴光的单例对象的Cache 。【用于检测循环引用,与singletonFactories互斥】
  •  singletonObjects:单例对象的cache

3.SpringBean加载过程

springIOC的主要作用是松散耦合,提升代码的可读性。

  • 实例化:当前步骤会实例化bean,若为单例模式的Bean,会统一放入spring下的第三级缓存singletonObjects-ObjectFactory;
  • 注入属性:为已创建的Bean实例注入属性;
  • 实现BeanNameAware,调用setBeanName();
  • 实现BeanFactoryAware,调用setBeanFactory();
  • 实现ApplicationContextAware,调用setApplicationContext();
  • 实现BeanPostProcessor,调用PostProcessorBeforeInitialization()实现预初始化;
  • 实现InitializingBean,调用afterPropertiesSet(),做初始化配置设置,再调用自定义的init-method;
  • 实现BeanPostProcessor,调用PostProcessorAfterInitialization()实现后初始化;
  • 当前Bean已准备就绪,单例模式会放在一级缓存中,供使用;
  • 实现DisposableBean,调用destory(),再调用自定义的destory-method,注销Bean;

4.Spring的AOP

(1)springAOP,原理是通过JDK的反射实现,在jvm运行时织入,一种横向切面,主要作用是提供可重用组件。

(2)组成概念

  • 连接点:组件切入应用代码的切入点,如代码A,连接点B(引用AOP组件的地方),代码C;
  • 织入:是将切面插入连接点的一个动作;
  • 切面:可以看做是一个代理类;
  • 切点:代理类内具体的组件方法内容的功能;
  • 引入:引入新接口增强当前连接点处的功能;
  • 通知:分前置,后置,异常,环绕,返回五个类型;主要是切点功能的附加体现。

(3)实现方式

  • 基于代理的经典AOP,通过继承ProxyFactoryBean实现;
  • 基于纯pojo的切面,当前纯pojo方式是通过xml来配置实现的;
  • @AspectJ注解驱动的切面,本质还是基于代理;
  • 注入式AspectJ切面;

5.SpringMVC

(1)SpringMVC主要通过DispatcherServlet和ContextLoaderListener来配置实现

  • DispatcherServlet:前端控制器,创建的应用上下文用来加载处理器映射器,控制器,视图解析器一类的组件;
  • ContextLoaderListener:监听服务,创建的应用上下文用来加载驱动应用后端的中间层和数据层组件;

(2)DispatcherServlet的大致工作流程

  • 外界请求发送给DispatcherServlet,DispatcherServlet将请求分发给HandlerMapping,HandlerMapping会根据请求找到一个对应的Controller返回给DispatcherServlet;
  • DispatcherServlet根据返回的Controller的URL,找到指定的Controller,Controller处理请求,封装数据,返回ModelAndView给DispatcherServlet;
  • DispatcherServlet收到返回结果后,会将逻辑视图发给View Resolver进行解析,转化成特定的视图,返回给DispatcherServlet;
  • DispatcherServlet将特定视图发给View进行渲染,最后响应给客户端;
Python 中集成 Ollama 可以通过使用 `ollama` 官方提供的 Python 客户端库来实现。Ollama 是一个本地运行的大型语言模型(LLM)工具,它支持多种模型,如 Llama 2、Mistral 等,并且可以通过简单的 APIPython 应用程序集成。 ### 安装 Ollama Python 库 首先,需要确保你已经在本地系统上安装了 Ollama。你可以从 [Ollama 官方网站](https://ollama.com/)下载并安装适用于你操作系统的版本。 接下来,安装 Python 客户端库。Ollama 提供了一个官方的 Python 包,可以通过 `pip` 安装: ```bash pip install ollama ``` ### 使用 Ollama Python 库 安装完成后,可以使用 `ollama` 模块来调用 OllamaAPI。以下是一个简单的示例,展示如何使用 Ollama 的 `generate` 方法来生成文本: ```python import ollama # 生成文本 response = ollama.generate(model='llama3', prompt='为什么天空是蓝色的?') # 打印响应 print(response['response']) ``` 在这个例子中,`model` 参数指定了要使用的模型(例如 `llama3`),`prompt` 参数是用户输入的提示词。Ollama 会根据提示词生成相应的文本,并返回一个包含 `response` 字段的字典。 ### 获取模型列表 如果你想查看当前可用的模型,可以使用以下代码: ```python import ollama # 获取模型列表 models = ollama.list() # 打印模型列表 for model in models['models']: print(model['name']) ``` ### 模型对话(Chat) Ollama 还支持更复杂的对话模式,允许你在多轮对话中保持上下文。以下是一个使用 `chat` 方法的示例: ```python import ollama # 开始对话 response = ollama.chat( model='llama3', messages=[ {'role': 'user', 'content': '你好,你能帮我做什么?'}, {'role': 'assistant', 'content': '你好!我可以帮助你回答问题、提供建议,甚至进行简单的创作。有什么我可以帮你的吗?'}, {'role': 'user', 'content': '你能告诉我关于机器学习的基础知识吗?'} ] ) # 打印响应 print(response['message']['content']) ``` 在这个例子中,`messages` 参数是一个包含多个对话记录的列表,每个记录都有一个 `role` 和 `content` 字段。Ollama 会根据这些对话记录生成相应的回复。 ### 错误处理 在实际应用中,建议添加错误处理逻辑,以应对可能出现的网络问题或模型加载失败等情况: ```python import ollama try: response = ollama.generate(model='llama3', prompt='为什么天空是蓝色的?') print(response['response']) except Exception as e: print(f"发生错误: {e}") ``` ### 相关问题
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