`
Fly_m
  • 浏览: 260791 次
  • 性别: Icon_minigender_1
  • 来自: 成都
社区版块
存档分类
最新评论

对speedframework框架的修改和运用

阅读更多

在上个公司的项目中,由于用到了导师在年前所参与写的一个开源框架.http://www.open-open.com/open155318.htm 并在运用的过程中碰到些存在的问题,故将碰到的问题列出来,与大家分享.
      由于是导师的框架,所以不存在什么乱改写的问题,况也只有内部在使用,其实也是为了自己开发上的需要,对原有的相关的代码进行功能上的补充和改进,以实现更多的功能.
     1,对非持久性数据字段的支持,在原来的框架中,由于域模型字段与数据库字段一致,故采用自动保存,即调用save(object)时,它会自动分析对象的各个属性,并将所有的属性作为数据库的字段处理.而在实际中,并非所有的属性都需要被存储,如一些模型中的集合属性或者一些不用于数据存储的属性.参考原代码中用于代码存储的一段,即用于读取各个属性并生成sql语句这一行,加入特殊标记判断,对于transient的属性将其忽略,不将其列入存入数据库中的字段.(这个设计同样影响对于update等操作,不过由于数据库的相应表并不存在与transient属性对应的列,故此举并不会影响update操作的正常进行)相关代码如下:

  1. public static String getInsertSQL(Connection con, String dbtype,      
  2.                                       Object cls_pojo) throws SpeedException {      
  3.         StringBuffer ins_sql = new StringBuffer();      
  4.         StringBuffer value_sql = new StringBuffer();      
  5.         String table_name = getExcuteTableName(cls_pojo.getClass());      
  6.         try {      
  7.             Field[] fields = cls_pojo.getClass().getDeclaredFields();      
  8.      
  9.             List keyList = new ArrayList();      
  10.      
  11.             if (dbtype.indexOf("db2") != -1) {      
  12.                 ins_sql.append("insert into ").append(TableUtils.getTableSchem(con, dbtype,      
  13.                         table_name)).append(".").append(table_name).append("(");      
  14.             } else {      
  15.                 ins_sql.append("insert into ").append(table_name).append("(");      
  16.             }      
  17.             value_sql.append("(");      
  18.      
  19.             for(Field field : fields) {      
  20.                 //Fly_m add here for associated  properties such as list or array properties,if transient,ignore it.      
  21.                 if(Modifier.isTransient(field.getModifiers()))      
  22.                     continue;      
  23.                 String column_ = getField(field);      
  24.                 if(!column_.toLowerCase().equals("serialversionuid")) {      
  25.                     Object value = PropertyUtil.getProperty(cls_pojo, column_);      
  26.      
  27.                     if(value != null && !value.toString().equals("")) {      
  28.                         keyList.add(column_);      
  29.                     }      
  30.                 }      
  31.             }      
  32.      
  33.             for (int i = 0; i < keyList.size(); i++) {      
  34.                 if (i < keyList.size() - 1) {      
  35.                     ins_sql.append(keyList.get(i)).append(",");      
  36.                     value_sql.append("?,");      
  37.                 } else {      
  38.                     ins_sql.append(keyList.get(i)).append(")");      
  39.                     value_sql.append("?)");      
  40.                 }      
  41.             }      
  42.      
  43.             ins_sql.append(" values ").append(value_sql.toString());      
  44.         } catch (Exception e) {      
  45.             throw new SpeedException(e.getMessage());      
  46.         }      
  47.         return ins_sql.toString();      
  48.     }     

 2,在上次的项目中,用这个框架对统计进行一次初始统计,居然不能正常完成.查其原因,发现在底层居然是采用每一次重新建立数据库连接并结束再建立的方式,且在建立过程中还要重新读一次配置文件.效率十分低下.解决方法,在配置过程中建立一个小小的配置缓存,在下一次读取时,直接返回相应缓存的结果.而重点在于如何解决每一次访问数据库都要重新建立连接的问题.由于此框架并没有实现连接池,查看了相应的代码,框架重新建立数据库连接无非也就是获得一个Connection对象,所以我想在其他地方引入一个connection对象(如池化的connection对象),并将其配入框架中,在框架的初始配置代码中引入connection属性,在获取连接时,首先尝试获得初始被外界传入的connection对象,如果外界没有传入,再由框架自身解析获得.仔细分析了一下代码,代码的入口点在EngineImpl类中,此类需要一个connection对象作为构造参数.所以,需要一个dataSource对象,再将dataSource对象产生的connection对象传入EngineImpl类的构造参数就OK了.这个connection对象是由外部的数据访问模板SpeedTemplate调入的,由SpeedTemplate只要接受一个可选的dataSource属性就可以实现将池化的connection对象传入整个框架中了,并且这个connection对象还由连接池来管理,而在框架中只是完成相应的数据访问操作.相应方式对比如下:
原先的方式:

java 代码

  1. EngineFactory.getEngine(connectionFactpublic static Engine getEngine(String connectionFactoryId) throws DataAccessResourceFailureException {      
  2.         try {      
  3.             return doGetEngine(connectionFactoryId);      
  4.         } catch(SpeedException ex) {      
  5.             throw new DataAccessResourceFailureException("Could not get Speed Engine", ex);      
  6.         }      
  7.     }     

之后就是调用配置文件进行DriverManager.getConnection()并将connection传入EngineImpl如下

java 代码
  1. public static Engine getEngine(String connection_factory_id)      
  2.             throws SpeedException {      
  3.         if(connection_factory_id == null || connection_factory_id.equals("")) {      
  4.             throw new SpeedException("The id does't not specify");      
  5.         }      
  6.         Connection con = ConnectionFactory.getConnection(false,      
  7.                 connection_factory_id);      
  8.         return new EngineImpl(con);      
  9.     }     
  10.   

而修改之后的调用方式则如下:

java 代码
  1. protected static Engine doGetEngine(DataSource dataSource) throws SpeedException {      
  2.         Assert.notNull(dataSource, "the dataSource must be not null");      
  3.         try {      
  4.             Connection conn = dataSource.getConnection();      
  5.             return new EngineImpl(conn);      
  6.         } catch(Exception e) {      
  7.             throw new SpeedException("Try get engine failure." + e);      
  8.         }      
  9.     }     

这两者都是得到一个connection再将其传入EngineImpl,只是得到的方式不一样而已.在speedTemplate里面,得到一个Engine对象,首先判断dataSource属性是否为空,如果不为空,则采用dataSource的方式,否则采用getEngine(connectionFactoryId)即自已的解析方式.我还是喜欢连接池的方式.

3,模型字段与数据库字段大小写不一致的情况.我在用这个框架时,经常是手动书写插入和更新语句,因为我的对象的属性名都是大小写混合的,如testProperty,由数据库中的列为test_property,为了能让在查询中能够返回testProperty的列名,我经常采用select test_property as testProperty的写法.但还是报出property not found by :testproperty的异常,仔细看了下代码,发现代码中各处都是调用sql.toLowerCase()方法将sql语句转为小写.修改代码,将toLowerCase()去掉之后,问题解决.但是后来,将数据库转为oracle时,发现所有的列名又不可用了.仔细看了下oracle传回的数据,发现所有返回的列都是大写的!!!在mysql下,返回的列是跟程序中指定的列的大小写一致的,而到了oracle所有列都变成了大写了.在不改动项目程序的基础之上,尝试改写框架中对于返回数据处理这一段.在这一层建一个列属性(并将列属性改为小写)与对象属性名称之间的一个映射.列属性由传回的列名得到,而对象属性由对象本身通过反射得到.并将这一映射存入一个映射缓存中.在处理返回数据时,首先由得到列名及指定列的数据(由rs.getColumnName(int)得到),得到列名及数据之后,将列名.toLowerCase()之后与属性映射中得到正确的对象属性名称,再通过propertyUtils将指定的对象属性值写入正确的属性中去.相应代码如下:

java 代码
  1. public static List copyRows(ResultSet rs, Class voclass) throws Exception {      
  2.         Object vo = null;      
  3.         ResultSetMetaData rsm;      
  4.         List relist;      
  5.         rsm = rs.getMetaData();      
  6.         relist = new ArrayList();      
  7.         Map entity = null;      
  8.         Map propertyMap = null;      
  9.         if(voclass != null) {      
  10.             propertyMap = BeanFieldCache.getPropertyMap(voclass);      
  11.             if(propertyMap == null)      
  12.                 propertyMap = BeanFieldCache.register(voclass);      
  13.         }      
  14.         while(rs.next()) {      
  15.             if(voclass != null) {      
  16.                 vo = voclass.newInstance();      
  17.             } else {      
  18.                 entity = new HashMap();      
  19.             }      
  20.             for(int i = 1; i <= rsm.getColumnCount(); i++) {      
  21.                 //2007-10-17 Fly_m update here must not toLowerCase for some Property should be uppderCase      
  22.                 String columnRealName = rsm.getColumnName(i);      
  23.                 String columnName = columnRealName.toLowerCase();      
  24.                 Object value;      
  25.                 if(voclass != null) {      
  26.                     if(!columnName.equalsIgnoreCase("rownum") && !columnName.equalsIgnoreCase("rownum_") && !columnName.equalsIgnoreCase("count_")) {      
  27.                         value = ConvertUtil.outPortData(rs, columnRealName,      
  28.                                 voclass);      
  29.                         PropertyUtil.setProperty(vo, propertyMap.get(columnName), value);      
  30.                     }      
  31.                 } else {      
  32.                     value = rs.getObject(i);      
  33.                     entity.put(columnName, value);      
  34.                 }      
  35.             }      
  36.             if(voclass != null) {      
  37.                 relist.add(vo);      
  38.             } else {      
  39.                 relist.add(entity);      
  40.             }      
  41.         }      
  42.         return relist;      
  43.     }    

这样就实现了不同格式列名与属性之间的映射关系了.

这个框架是自从跟导师在一起学习的时候就在运用这个框架,当然它的若能远远不及hibernate等orm框架.不过在进行简单的开发上面,还是不错了.现在仍然在用,是因为实习的公司要求用这个,(因为导师跟公司的关系很好,框架都是导师介绍过去的).在运用的过程中,发现新的问题,也想要去解决它.可能是这个框架不太成熟吧,导致它有太多的bug了,不过对于现在的学习还是不错的.尤其是对于它的属性映射,及sql语句的动态生成,了解一下,对hibernate之类的框架的工作原理还是有一定帮助的. 在跨平台上,也可能有一些值得借鉴的地方. 我最欣赏的还是框架对于分页的处理.在hibernate中,需要配置不同的dialect属性,才能运用数据库自身的分页功能,而speed则尝试自己获得数据库的属性,然后根据不同的数据库属性采用特定于数据库的分页方式.其底层原理和hibernate都是差不多的.任何框架,只会用,而不知其所以然,到头来也是什么也不知道,了解多一些,自己掌握多一些总是好的.

分享到:
评论

相关推荐

    SpeedFramework帮助文档

    5. **性能优化**:作为轻量级框架,SpeedFramework 在设计时考虑了性能问题,通过合理的缓存策略和批处理操作,提高了数据访问速度,降低了数据库压力。 6. **扩展性**:SpeedFramework 具有良好的扩展性,允许...

    speedstudio

    4. **智能提示与代码完成**:在编写代码时提供对SpeedFramework API的智能提示和自动完成,帮助开发者快速找到并使用框架功能。 5. **集成构建与部署**:集成构建工具,如Maven或Gradle,简化构建流程,同时支持...

    speedframework-开源

    总结来说,Speedframework 是一个专注于高效和易用的Java ORM框架,它通过直接使用JDBC和集成JCS缓存,为开发者提供了一种简单而强大的数据访问解决方案。无论你是初学者还是经验丰富的开发者,Speedframework 都能...

    Python使用Pandas库实现MySQL数据库的读写

    对象关系映射技术,即ORM(Object-Relational Mapping)技术,指的是把关系数据库的表结构映射到对象上,通过使用描述对象和数据库之间映射的元数据,将程序中的对象自动持久化到关系数据库中。 在Python中,最有名...

    电力系统中基于MATLAB的价格型需求响应与电价弹性矩阵优化

    内容概要:本文详细介绍了如何利用MATLAB进行价格型需求响应的研究,特别是电价弹性矩阵的构建与优化。文章首先解释了电价弹性矩阵的概念及其重要性,接着展示了如何通过MATLAB代码实现弹性矩阵的初始化、负荷变化量的计算以及优化方法。文中还讨论了如何通过非线性约束和目标函数最小化峰谷差,确保用户用电舒适度的同时实现负荷的有效调节。此外,文章提供了具体的代码实例,包括原始负荷曲线与优化后负荷曲线的对比图,以及基于历史数据的参数优化方法。 适合人群:从事电力系统优化、能源管理及相关领域的研究人员和技术人员。 使用场景及目标:适用于希望深入了解并掌握价格型需求响应机制的专业人士,旨在帮助他们更好地理解和应用电价弹性矩阵,优化电力系统的负荷分布,提高能源利用效率。 其他说明:文章强调了实际应用中的注意事项,如弹性矩阵的动态校准和用户价格敏感度的滞后效应,提供了实用的技术细节和实践经验。

    一级医院医疗信息管理系统安装调试技术服务合同20240801.pdf

    一级医院医疗信息管理系统安装调试技术服务合同20240801.pdf

    表5 文献综述.doc

    表5 文献综述.doc

    36W低压输入正激电源, 正激变压器设计方法步骤及谐振电感的设计方法,主要讲诉了正激电源变压器测的输入输出参数,按输入的条件设计相关的变压器的参数,同时将输出电感的设计方法一并例出,详细的设计步骤

    36W低压输入正激电源 变压器电感设计

    基于YOLOv8的深度学习课堂行为检测系统源码(含检测图片和视频)

    基于YOLOv8的深度学习课堂行为检测系统源码,软件开发环境python3.9,系统界面开发pyqt5。在使用前安装python3.9,并安装软件所需的依赖库,直接运行MainProgram.py文件即可打开程序。模型训练时,将train,val数据集的绝对路径改为自己项目数据集的绝对路径,运行train.py文件即可开始进行模型训练,内含项目文件说明,以及检测图片和视频。

    odbc-oracle zabbix模版原版

    odbc_oracle zabbix模版原版

    基于纳什谈判理论的风光氢多主体能源系统合作运行方法——综合能源交易与优化模型

    内容概要:本文探讨了利用纳什谈判理论来优化风光氢多主体能源系统的合作运行方法。通过MATLAB代码实现了一个复杂的优化模型,解决了风电、光伏和氢能之间的合作问题。文中详细介绍了ADMM(交替方向乘子法)框架的应用,包括联盟效益最大化和收益分配谈判两个子任务。此外,还涉及了加权残差计算、目标函数构造、可视化工具以及多种博弈模式的对比等功能模块。实验结果显示,合作模式下系统总成本显著降低,氢能利用率大幅提升。 适合人群:从事能源系统研究的专业人士、对博弈论及其应用感兴趣的学者和技术人员。 使用场景及目标:适用于需要优化多主体能源系统合作运行的场合,如工业园区、电网公司等。主要目标是提高能源利用效率,降低成本,增强系统的灵活性和稳定性。 其他说明:代码中包含了丰富的可视化工具,能够帮助研究人员更好地理解和展示谈判过程及结果。同时,提供了多种博弈模式的对比功能,便于进行性能评估和方案选择。

    C#与Halcon联合编程实现高效视觉几何定位与测量框架

    内容概要:本文详细介绍了如何利用C#与Halcon联合编程构建高效的视觉几何定位与测量框架。主要内容涵盖模板创建与匹配、圆测量、数据持久化以及图像采集等方面的技术细节。首先,通过创建形状模板并进行匹配,实现了工件的精确定位。接着,针对圆形物体的测量,提出了动态ROI绘制、亚像素边缘提取和稳健圆拟合的方法。此外,还讨论了模板管理和图像采集的最佳实践,确保系统的稳定性和高效性。最后,强调了Halcon对象的内存管理和错误处理机制,提供了实用的优化建议。 适合人群:具备一定编程基础,尤其是对C#和Halcon有一定了解的研发人员和技术爱好者。 使用场景及目标:适用于工业生产线上的自动化检测设备开发,旨在提高工件定位和尺寸测量的精度与效率。主要目标是帮助开发者掌握C#与Halcon联合编程的具体实现方法,从而构建稳定可靠的视觉检测系统。 其他说明:文中提供了大量实战代码片段和调试技巧,有助于读者快速理解和应用相关技术。同时,作者分享了许多实际项目中的经验和教训,使读者能够避开常见陷阱,提升开发效率。

    QT6 C++视频播放器实现(基于QGraphicsVideo)

    QT视频播放器实现(基于QGraphicsView)

    评估管线钢环焊缝质量及其对氢脆的敏感性.pptx

    评估管线钢环焊缝质量及其对氢脆的敏感性.pptx

    机器学习(预测模型):专注于 2024 年出现的漏洞(CVE)信息数据集

    该是一个在 Kaggle 上发布的数据集,专注于 2024 年出现的漏洞(CVE)信息。以下是关于该数据集的详细介绍:该数据集收集了 2024 年记录在案的各类漏洞信息,涵盖了漏洞的利用方式(Exploits)、通用漏洞评分系统(CVSS)评分以及受影响的操作系统(OS)。通过整合这些信息,研究人员和安全专家可以全面了解每个漏洞的潜在威胁、影响范围以及可能的攻击途径。数据主要来源于权威的漏洞信息平台,如美国国家漏洞数据库(NVD)等。这些数据经过整理和筛选后被纳入数据集,确保了信息的准确性和可靠性。数据集特点:全面性:涵盖了多种操作系统(如 Windows、Linux、Android 等)的漏洞信息,反映了不同平台的安全状况。实用性:CVSS 评分提供了漏洞严重程度的量化指标,帮助用户快速评估漏洞的优先级。同时,漏洞利用信息(Exploits)为安全研究人员提供了攻击者可能的攻击手段,有助于提前制定防御策略。时效性:专注于 2024 年的漏洞数据,反映了当前网络安全领域面临的新挑战和新趋势。该数据集可用于多种研究和实践场景: 安全研究:研究人员可以利用该数据集分析漏洞的分布规律、攻击趋势以及不同操作系统之间的安全差异,为网络安全防护提供理论支持。 机器学习与数据分析:数据集中的结构化信息适合用于机器学习模型的训练,例如预测漏洞的 CVSS 评分、识别潜在的高危漏洞等。 企业安全评估:企业安全团队可以参考该数据集中的漏洞信息,结合自身系统的实际情况,进行安全评估和漏洞修复计划的制定。

    QML Combobox 自动过滤,输入字符串后自动匹配

    博客主页:https://blog.csdn.net/luoyayun361 QML ComboBox控件,输入关键字后自动过滤包含关键字的列表,方便快速查找列表项

    【人工智能领域】人工智能技术发展历程、核心原理及应用指南:涵盖机器学习、深度学习、NLP和计算机视觉的全面介绍

    内容概要:本文全面介绍了人工智能技术的发展历程、核心技术原理、应用方法及其未来趋势。首先阐述了人工智能的定义和核心目标,随后按时间顺序回顾了其从萌芽到爆发的五个发展阶段。接着详细讲解了机器学习、深度学习、自然语言处理和计算机视觉等核心技术原理,并介绍了使用现成AI服务和开发自定义AI模型的应用方法。此外,还展示了智能客服系统、图像分类应用和智能推荐系统的具体实现案例。针对普通用户,提供了使用大模型的指南和提问技巧,强调了隐私保护、信息验证等注意事项。最后展望了多模态AI、可解释AI等未来发展方向,并推荐了相关学习资源。; 适合人群:对人工智能感兴趣的初学者、技术人员以及希望了解AI技术应用的普通大众。; 使用场景及目标:①帮助初学者快速了解AI的基本概念和发展脉络;②为技术人员提供核心技术原理和应用方法的参考;③指导普通用户如何有效地使用大模型进行日常查询和任务处理。; 其他说明:本文不仅涵盖了AI技术的基础知识,还提供了丰富的实际应用案例和实用技巧,旨在帮助读者全面理解人工智能技术,并能在实际工作中加以应用。同时提醒读者关注AI伦理和版权问题,确保安全合法地使用AI工具。

    本学习由 Matrix 工作室制作并开发,包括算法与数据结构的学习路线和各种题解

    本学习由 Matrix 工作室制作并开发,包括算法与数据结构的学习路线和各种题解。

    基于智慧图书馆基础业务流程Axure11高保真原型设计

    本项目致力于构建基于微服务架构的智慧图书馆管理平台,重点突破多校区图书馆异构系统间的数据壁垒。通过建立统一数据治理规范、部署智能分析模块、重构业务流程引擎,系统性实现以下建设目标:构建跨馆业务数据的标准化整合通道,实施容器化部署的弹性资源管理体系,开发具备机器学习能力的业务辅助决策系统,打造可量化评估的管理效能提升模型,最终形成支持PB级数据处理的分布式存储体系与全维度数据资产图谱。

    mysql中慢sql分析

    根据processlist查询出慢sql 1.修改配置文件中的mysql链接 2.目前是15秒执行一次获取执行时间在5秒上的sql,可以在配置中修改 3.执行后查出的慢sql会记录到log文件夹中以日期命名的txt文件中,可自行查验

Global site tag (gtag.js) - Google Analytics