java的动态代理机制

自己理解的动态代理,包含四种角色;
1:被代理人(Target.java)
2:代理机构(MyProxy.java)
3:处理机构(MyHandler.java)
4:处理机构用到的武器,对应于struts2中的拦截器(Interceptor.java)

代码如下:
1:被代理人(Target.java)
由于动态代理是建立在接口基础之上的,所以我们应该面向接口编程(不知道有没这个说法,自己理解的)。

Interceptor接口,和它的实现类

package com.interceptor;

public interface TargetInterface {
public void doSomething();
}


package com.interceptor;

public class Target implements TargetInterface {

public void doSomething() {
System.out.println("do something");
}

}


2:代理机构(MyProxy.java)

package com.interceptor;
import java.lang.reflect.Proxy;

public class MyProxy {
public Object getProxy(Object object){
MyHandler myHandler = new MyHandler();
myHandler.setObject(object);
return Proxy.newProxyInstance(object.getClass().getClassLoader(),
object.getClass().getInterfaces(),myHandler);

}
}


3:处理机构(MyHandler.java)

package com.interceptor;

import java.lang.reflect.InvocationHandler;
import java.lang.reflect.Method;

public class MyHandler implements InvocationHandler {

private Object object;
private Interceptor interceptor = new Interceptor();
public void setObject(Object object){
this.object = object;
}
public Object invoke(Object arg0, Method arg1, Object[] arg2)
throws Throwable {
Object result = null;
interceptor.before();

result = arg1.invoke(object,arg2);

interceptor.after();
return result;
}

}


4:处理机构用到的武器,对应于struts2中的拦截器(Interceptor.java)

package com.interceptor;

public class Interceptor {
public void before(){
System.out.println("before");
}

public void after(){
System.out.println("after");
}
}



最后是我们的验证类:

package com.interceptor;

public class Client {

/**
* @param args
*/
public static void main(String[] args) {
TargetInterface target = new Target();

//以下生成target的一个代理

MyProxy myProxy = new MyProxy();
TargetInterface proxy =(TargetInterface)myProxy.getProxy(target);
proxy.doSomething();
}

}


处理流程梳理:
1:由测试类Client运行开始,这里先生成的是被代理类所继承的接口的一个引用。(我理解的动态代理和面向接口编程有关,就是这里体现的,定义接口引用)

2:接下来是定义一个代理对象(MyProxy myProxy = new MyProxy();),我们的代理对象在调用getProxy方法,并传入被代理引用后(TargetInterface)myProxy.getProxy(target),会被强制转换为被代理类所实现的接口类型。

3:深入到(myProxy.getProxy(target))这里面去。也就是MyProxy类中。
我们看到,被代理的那个引用,也就是这个(myProxy.getProxy(target))里面的target参数
被(myHandler.setObject(object);),又传给了处理类MyHandler,接下来第四点会分析到M因H按了人中进行的动作,先说说这个(Proxy.newProxyInstance(object.getClass().getClassLoader(), object.getClass().getInterfaces(),myHandler);)代理类的一个newProxyInstance方法,这个方法用来做什么的,它会在你创建MyProxy对象的时候调用这个方法实例化。注意里面的第三个参数myHandler。这个参数说明我们创建MyProxy对象时传递了处理类的对象。

4:既然第三步创建MyProxy时,传递了myHandler对象参数给实例化方法。那么我们进入MyHandler方法中,看它做了些什么。

你可以看到这个类MyHandler是我们的主战场。
它做了些什么?
首先它实现了这个接口(InvocationHandler),这个接口里面的方法(invoke(Object arg0, Method arg1, Object[] arg2))就是我们的处理核心。
invoke方法里面的内容(Object result = null;
interceptor.before();

result = arg1.invoke(object,arg2);

interceptor.after();
return result;)
做了在运行object实例,也就是累Client里面的引用proxy调用方法doSomething()的时候,在运行方法doSometing之前调用了拦截器Interceptor的before方法,运行之后又调用了after方法。


总结:处理线路:Client用到MyProxy,MyProx用到MyHandler,MyHandler用到Interceptor,最后我们的被代理类Target就这么处理完了。

用上面的四种角色来分析,就是被代理人(Target),由代理机构代理(MyProxy),代理机构聘请处理机构来处理(MyHandler),处理机构用到了武器(Interceptor)


以上是肤浅的分析,今后会慢慢完善。
源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方法 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算法,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算法辅助异构改进的动态多群粒子群优化算法(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方法结合遗传算法的全局搜索能力与改进的多群粒子群算法的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算法的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算法基础,熟悉Matlab编程,从事智能算法、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算法(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算法的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
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