基于hibernate的das实现研究(1)

本文详细解析了Hibernate框架中SessionFactory的构建流程,包括Configuration类如何读取配置文件、SessionFactoryImpl类的主要职责以及AbstractEntityPersister类在实体持久化中的核心作用。

按公司的计划基于hibernate实现了das,这里写的系列blog 当然是不能写DAS实现过程的,那是公司机密。

本系列blog主要是对hibernate的实现原理做一个分析,这个对以后工作中的回忆和新功能实现是非常有用的。

本文主要分析hibernate的sessionFactory的build过程。

1)new Configure().buildSessionFactory();

Configuration.java 要做的事情就是 读出 mapping配置(.hbm.xml) 和 setting配置(.cfg.xml)

2) SessionFactoryImpl.java

要做的事情就是 设置identifierGeneration/ Named Query/ cache strategy。然后最主要的,就是

构造一个  EntityPersister。

3)org.hibernate.persister.entity.AbstractEntityPersister(请f4查看这个类的type hierarchy!)

GavinKing对这个类写的说明是: Basic functionality for persisting an entity via JDBC
  through either generated or custom SQL。 在Class方面,它实现了ClassMetaData接口,在对象方面,

它有一个EntityMetaModel属性。 类元数据/实体元模型 ,两大meta都在这个类中,可以明白这个基本是

Hibernate 最重要的一个文件。它的425行有这样一段:

this.entityMetamodel = new EntityMetamodel( persistentClass, factory );

4)EntityMetaModel.java的基本所有的 元模型都是用persistentclass来获得的。另外它还持有一个属性:

  tuplizerMapping。tuplizerMapping是一个map,包括了从 EntityMode到tuplizer的 mapping。

tuplizerMapping是实现DAS功能的最主要的扩展点。




【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
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