静态代理

目录

代理

不使用代理案例

静态代理案例


代理

java的代理都是基于接口实现的,代理使得原本不具有某种行为的类在不修改源码的情况下具有某种行为能力。

静态代理:只能代理某一类型的接口的实例。不能做到任何类任何方法的代理。

不使用代理案例

/**
一些公共操作的逻辑都需要自己在每个方法里单独写一遍
*/
//接口
public interface MapperInterface {
    void save(User user);
}
//实现类1
public class StudentMapper implements MapperInterface{
    @Override
    public void save(User user) {
        System.out.println("建立连接");
        System.out.println("保存student");
        System.out.println("提交事务");
        System.out.println("断开连接");
    }
}
//实现类2
public class UserMapper implements MapperInterface {
    @Override
    public void save(User user) {
        System.out.println("建立连接");
        System.out.println("保存user");
        System.out.println("提交事务");
        System.out.println("断开连接");
    }
}


静态代理案例

/**
上面的案例: 实现同一个接口的类有好多公共的代码每次都写一遍很麻烦又没有技术含量。
这样的公共的事情可以让代理去实现。本类只需要写核心代码即可
*/

//实现类1
public class StudentMapper implements MapperInterface {
    @Override
    public void save(User user) {
        System.out.println("保存student");
    }
}
//实现类2
public class UserMapper implements MapperInterface {
    @Override
    public void save(User user) {
        System.out.println("保存user");
    }
}
/**静态代理类(把公共的处理逻辑放在代理里面,代理通过构造方法传入被代理的对象(从而掌握了它),
可以随时调用其中的方法),就可以在其前其后做一些公共的逻辑
*/
public class StaticProxy {
    MapperInterface mapperInterface;

    public StaticProxy(MapperInterface mapperInterface) {
        this.mapperInterface = mapperInterface;
    }

    public String save(User user) {
        System.out.println("建立连接");
        this.mapperInterface.save(user);
        System.out.println("提交事务");
        System.out.println("断开连接");
        return user.getUserName();
    }
}
//测试
public class TestStaticProxy {
    @Test
    public void test() {
        StaticProxy staticProxy = new StaticProxy(new UserMapper());
        staticProxy.save(new User());
    }
}

测试结果:

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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