18、Spring与JPA结合的数据访问指南

Spring与JPA结合的数据访问指南

1. Spring对JPA的支持

Spring为使用JPA的应用程序提供了显著的增强。在数据访问层使用Spring的JPA支持有以下好处:
- 更简单、强大的持久化单元配置
- 自动的EntityManager管理
- 更易于测试
- 通用的数据访问异常处理
- 集成的事务管理

使用Spring进行持久化单元配置(即EntityManagerFactory配置)比不使用Spring时更加简单、强大和灵活。借助Spring的ORM支持,可以在不使用 META‐INF/persistence.xml 文件的情况下配置JPA,并且更易于启用特定于供应商的功能。EntityManager实例会被自动管理,并可以注入到数据访问对象(DAO)bean中,因此无需在应用程序代码中手动管理。测试与JPA相关的代码变得更加容易,并且可以在不使用应用服务器或不将应用程序部署到服务器的情况下进行。JPA层特定的异常会自动转换为Spring的数据访问异常层次结构,这样可以在DAO层混合使用多种不同的数据访问策略,而无需在上层处理它们各自的专有异常层次结构。Spring的JPA支持自然地集成了其事务管理基础设施,可以使用声明式和编程式事务管理方法,而无需依赖特定于JPA的EntityTransaction API,还可以在同一事务中混合不同的数据访问策略。

2. 在Spring容器中设置JPA

Spring提供了三种不同的选项来在项目中配置EntityManagerFactory:
- LocalEntityManagerFactoryBean

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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  | 博主筛选后可见
 
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