Spring的事务管理


源码:https://gitee.com/fenglifengli/springtransaction.git

在声明式事务配置中的两种方式配置事务,个人推荐使用基于注解的方式

一、spring事务中的核心接口

  1. PlatformTransactionManager:该接口用于管理事务。然而它不知道底层是怎样管理事务的,该接口有很多实现类。
  2. TransactionDefinition:该接口是事务定义(描述)的对象,该对象中定义了事务规则,并提供了获取事务相关信息的方法。
  3. TransactionStatus:该接口是事务的状态,它描述了某一时间点上事务的状态信息。

二、事务管理的方式

spring事务管理
编程式事务管理
声明式事务管理
基于XML的方式
基于注解的方式

2.1 基于XML的方式

xml配置

 <!--配置事务管理 -->
    <bean id="transactionManager" class="org.springframework.jdbc.datasource.DataSourceTransactionManager">
        <property name="dataSource" ref="dataSource"/>
    </bean>
    <tx:advice id="txAdvice" transaction-manager="transactionManager">
        <tx:attributes>
            <tx:method name="*" propagation="REQUIRED"
                       isolation="DEFAULT" read-only="false"/>
        </tx:attributes>
    </tx:advice>
    <aop:config >
        <aop:pointcut id="txPoint" expression="execution(* com.fengli.dao.impl.*.*(..))"></aop:pointcut>
        <aop:advisor advice-ref="txAdvice" pointcut-ref="txPoint"></aop:advisor>
    </aop:config>
    

被进行事务管理的类

 public void transfer(String outUser, String inUser, Double money) {
        this .jdbcTemplate.update("update account set balance = balance +? "
                + "where username = ?",money , inUser);
        //模拟系统运行时的突发性问题
        int i = 1/0;

        //汇款时,汇款用户的余额=现有余额-所汇金额
        this.jdbcTemplate.update("update account set balance = balance-? "
                + "where username = ?",money , outUser);

    }

运行结果,就是当在执行transfer方法时,已经在数据库执行的操作会被撤销。如果注释掉xml中的配置的话,当发生异常时,已经对数据库进行的操作会保留下来。

2.2 基于注解的方式

xml配置

<!--配置事务管理 -->
    <bean id="transactionManager" class="org.springframework.jdbc.datasource.DataSourceTransactionManager">
        <property name="dataSource" ref="dataSource"/>
    </bean>
    <tx:annotation-driven transaction-manager="transactionManager"/>

现在只有在你想要进行事务管理的类上面使用注解@Transactional就行。在该注解上面就可以设置事务的属性了。

如:

@Transactional
public class AccountDaoImpl implements AccountDao {
…………
}

运行结果和以xml方式配置事务一样。

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同可将其框架迁移至其他预测场景中验证效果。
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