Spring框架简述

Spring是一个轻量级的开源Java框架,其核心包括IOC(控制反转)和AOP(面向切面编程)。IOC通过依赖注入(DI)实现对象的解耦,提高代码的灵活性。Spring框架提供ApplicationContext容器,管理Bean对象并支持多种服务,如事务管理。此外,它还具有对其他框架的良好集成,如Hibernate和Struts。Spring的优点在于减少组件间的耦合,支持面向切面编程,以及低侵入性设计。其容器主要有BeanFactory和ApplicationContext两种,后者提供更丰富功能,如国际化支持和事件发布。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

什么是框架?
        框架:框架是⼀组功能,我们能在这些功能的基础上构建应⽤程序。
什么是Spring?
        Spring是一个轻量级的开源免费框架。
        Spring的理念就是粘合剂,将各种框架整合在一起。
        Spring的核心是IOC和AOP。

Spring的IOC/DI
IOC:Inversion Of Control,即控制反转,是一种设计思想。
        将主动创建对象的方式反转成被动接受。
        实现代码的解耦。
DI:Dependency injection,即依赖注入。依赖注入是IOC的一种实现。
        在Spring中交由容器来管理所有对象。
什么是依赖倒置原则?
高层模块不应该依赖底层模块,二者都依赖其抽象;抽象不应该依赖细节;细节应该依赖抽象
什么是控制反转?
什么是控制反转呢?
        控制反转--就是依赖倒置原则的一种代码设计的思路。
        采用的方法就是所谓的依赖注入(DI)

 Spring框架的优点
        使用Spring的IOC容器,将对象之间的依赖关系交给Spring,降低组件之
间的耦合性,让我们更专注于应用逻辑;
        可以提供众多服务,事务管理,WS等;
        AOP的很好支持,方便面向切面编程;
        对主流的框架提供了很好的集成支持,如Hibernate、Struts2、JPA等。
        Spring DI机制降低了业务对象替换的复杂性;
        Spring属于低侵入,代码污染极低;
        Spring的高度可开放性,并不强制依赖于Spring,开发者可以自由选择
Spring部分或全部;

Spring的容器
Spring 容器是 Spring 框架的核心。容器负责管理Bean对象。
容器的两种实现:
        BeanFactory 容器:最简单的容器,给 DI 提供了基本的支持。
        ApplicationContext 容器,继承的BeanFactory,拥有更丰富的功能。(国际化支持、资源访问、事件发布、载入多个配置文件)
容器提供的常用方法:
        getBean():获取容器的中指定的bean对象。
        containsBean():判断容器中是否存在指定的bean对象。
        isPrototype():判断指定的bean是否为非单例对象。
        isSingleton():判断指定的bean是否为单例对象。

Spring容器中的顶层接口是BeanFactory。ApplicationContext是它的子接口(注意这个也是个接口哦)。
ApplicationContext的三个主要的实现类:
        ClassPathXmlApplication:它是从类的根路径下加载xml配置文件(推荐用这种)。
        FileSystemXmlApplication: 它是从磁盘路径上加载配置文件,配置文件可以在磁盘的任意位置。(但使用不灵活,不推荐)
        AnnotationConfigApplication:当我们使用注解配置容器对象时,需要使用此类来创建spring容器。它用来读取注解。(Springboot默认使用这个)

内容概要:本文详细比较了GPU、TPU专用AI芯片在大模型推理优化方面的性能、成本及适用场景。GPU以其强大的并行计算能力和高带宽显存,适用于多种类型的神经网络模型和计算任务,尤其适合快速原型开发和边缘计算设备。TPU专为机器学习设计,擅长处理大规模矩阵运算密集型任务,如Transformer模型的推理,具有高吞吐量和低延迟特性,适用于自然语言处理和大规模数据中心的推理任务。专用AI芯片通过高度定制化架构,针对特定神经网络模型进行优化,如卷积神经网络(CNN),在处理特定任务时表现出色,同时具备低功耗和高能效比的优势,适用于边缘计算设备。文章还介绍了各自的优化工具和框架,如CUDA、TensorRT、TPU编译器等,并从硬件成本、运营成本和开发成本三个角度进行了成本对比。 适合人群:从事人工智能、深度学习领域的研究人员和技术人员,尤其是对大模型推理优化感兴趣的读者。 使用场景及目标:①帮助读者理解GPU、TPU和专用AI芯片在大模型推理中的优缺点;②为选择适合的硬件平台提供参考依据,以实现最优的推理性能和成本效益;③介绍各种优化工具和框架,帮助开发者高效部署和优化模型。 其他说明:本文不仅涵盖了硬件架构特性,还深入探讨了优化技术和应用场景,旨在为读者提供全面的技术参考。在选择硬件平台时,需综合考虑具体任务需求、预算限制及开发资源等因素。
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