`
bolide74
  • 浏览: 85387 次
  • 性别: Icon_minigender_1
  • 来自: 杭州
社区版块
存档分类
最新评论

Spring温故知新(五)Spring的Bean和IoC 容器

阅读更多
如果有仔细研究过前一篇的《Spring温故知新(四)用HashMap写一个自己的Spring IoC简易容器吧!》http://bolide74.iteye.com/blog/1002610,那么这一章将会非常通俗易懂。

一、什么是Bean

Bean的直接意译,叫豆子。如果把一个Java应用程序当作一杯香浓的咖啡,那么Bean也就相当于煮这杯咖啡的咖啡豆,它是煮这杯咖啡的基础。
其实看过前一章的RobotBean代码,就能发现这个所谓的Bean其实就是一个POJO(简单的Java对象),只不过叫法不一样而已。


二、Spring的IoC容器:

      首先要指出的是一些初学者可能会犯的错误,就是把Spring的XML配置文件当成了IoC容器。会犯这种错误是因为在使用Spring的时候一直在操作XML,就容易认为修改XML就是在修改容器内容,就想当然的把XML当做IoC容器了(我一开始就犯这种错误了)。
      事实上XML配置文件,其实是IoC容器的“配置容器”。就相当于前一篇我的IoC容器里的HashMap容器,它们起的作用都是相同的,就是用来配置和管理IoC容器里的所有Bean和它们的属性、需要注入的内容。

      由于最原始的IoC容器叫做BeanFactory,其他容器都是继承了BeanFactory,因此上一篇我在实例化我的IoC容器的时候用了beanFactory的引用变量名。

      BeanFactory是一个接口,实际在使用的时候我们也可以不直接用它,而是用了实现这个接口的两个子类:XmlBeanFactory类、ApplicationContext接口。而这其中用的最多的是ApplicationContext,因为它不仅继承了所有BeanFactory的功能,还扩展了更多实用的功能。

      XmlBeanFactory和ApplicationContext的区别并不仅仅体现在功能的数量,还体现在加载Bean的顺序的不同。
      BeanFactory和XmlBeanFactory这两个IoC容器在实例化以后并没有马上加载XML里配置过的Bean,而是在真正开始调用getBean方法去获取的时候才加载,而如果这个bean在xml里没有正确配置,那么这时候就会抛出异常。
      而ApplicationContext则相反,它在自生被实例化以后,就马上开始加载XML里的所有bean,如果XML配置容器里有一些错误的配置,在这时候就会开始抛出异常了,而不像BeanFactory那样在开始getBean了才抛出异常。

      XmlBeanFactory和ApplicationContext各有优劣,虽然一般用ApplicationContext比较常见,但是在一些特殊情况还是需要XmlBeanFactory这种方式,这就要看具体情况具体分析了。

IoC容器的实例化示例代码可以直接看第一章《Spring温故知新(一)Hello,World!》http://bolide74.iteye.com/blog/993248

这一章比较简单,都是概念性的东西所以也有些枯燥,下一章我将会介绍Spring框架的重中之重,也是它的魅力所在:Spring AOP原理!



下一篇:Spring温故知新(六)AOP面向切面编程 <1> http://bolide74.iteye.com/blog/1007086
上一篇:Spring温故知新(四)用HashMap写一个自己的Spring IoC简易容器吧! http://bolide74.iteye.com/blog/1002610







4
1
分享到:
评论
4 楼 bolide74 2011-05-10  
yuanyu5237 写道
又有一个疑惑,XmlBeanFactory和ApplicationContext实例化bean的时间不同,那我想知道我们再使用spring的时候,它实例化bean(默认)是在什么时候,容器启动阶段,还是(显示或隐式调用)getBean方法的时候,还是说我们可以自己配置bean实例化的时间,希望楼主能解释下,谢谢~~


如果是使用XmlBeanFactory,那么就是在调用getBean方法的时候才实例化一个bean。
而如果是是使用ApplicationContext,那么就是在容器启动阶段就开始实例化所有的bean了。

你可以故意设置一个错误的bean在配置文件里面,然后分别用XmlBeanFactory和ApplicationContext来getBean,再用断点调试一下,就能发现报错的位置并不相同了,这样你会更直观的明白这两种IoC容器的区别
3 楼 yuanyu5237 2011-05-10  
又有一个疑惑,XmlBeanFactory和ApplicationContext实例化bean的时间不同,那我想知道我们再使用spring的时候,它实例化bean(默认)是在什么时候,容器启动阶段,还是(显示或隐式调用)getBean方法的时候,还是说我们可以自己配置bean实例化的时间,希望楼主能解释下,谢谢~~
2 楼 bolide74 2011-04-29  
C.T 写道
真正的IoC容器其实只有一个,叫做BeanFactory,因此上一篇我在实例化我的IoC容器的时候用了beanFactory的引用变量名。

这句其实蛮有问题的,你下面说的ApplicationContext也是IOC的容器,而且是Spring官方比较推荐用的容器,因为扩展了几个接口,可以更方便的获取配置文件,以及消息源。

回CT,其实ApplicationContext和XmlBeanBeanFactory都是实现了BeanFactory的接口,算是它的子类,从根源上来说ApplicationContext也就是BeanFactory
不过我这样用“唯一”来形容确实容易产生误会,我会更正掉,谢谢指正
1 楼 C.T 2011-04-29  
真正的IoC容器其实只有一个,叫做BeanFactory,因此上一篇我在实例化我的IoC容器的时候用了beanFactory的引用变量名。

这句其实蛮有问题的,你下面说的ApplicationContext也是IOC的容器,而且是Spring官方比较推荐用的容器,因为扩展了几个接口,可以更方便的获取配置文件,以及消息源。

相关推荐

    spring_2021.7.14.zip

    3. "spring01quickstart.zip":这是Spring框架的基础快速启动教程,可能涉及到Spring的核心概念,如IoC容器、bean的生命周期、AOP(面向切面编程)等。这部分可能会介绍如何创建第一个Spring应用,包括引入Spring库...

    网络流量采样在高吞吐量链路异常检测中的应用研究

    内容概要:本文探讨了高吞吐量网络链路异常检测中流量采样技术的应用及其效果。面对现代分布式信息系统频繁遭受的网络安全威胁,特别是互联网服务提供商(ISP)面临的威胁,作者提出一种通过减少数据采样频率以降低异常检测计算复杂度的方法。文中介绍了实验环境、系统架构、采用的数据聚合与采样方法以及用于检测异常的人工智能模型(基于自编码器神经网络)。通过对一个真实中型ISP生产环境中实际网络流量数据进行研究,该研究展示了即使在较低采样频率情况下仍能保持较高的异常检测准确性,尤其是针对持续时间较长的DDoS攻击更为显著。此外,论文还验证了所提系统的有效性和应用潜力,为构建高效的网络安全监控机制提供了新思路。 适用人群:对于计算机网络安全、数据分析或机器学习有兴趣的研究人员和从业人员,特别是那些专注于提高异常检测性能和应对高流量数据流的技术人员。 使用场景及目标:适用于希望在不影响业务操作的前提下引入额外层次防护措施的企业级网络管理员;研究者可参考本文中提出的流量预处理方式来探索不同的统计分布和采样间隔设置;企业可以通过部署该类系统快速响应潜在的安全事件并降低成本。

    unity ui画线插件

    unity ui画线插件

    比例公平性的下行链路资源分配在基于OFDMA的中继网络中的应用与优化(可复现,有问题请联系博主)

    内容概要:本文研究了在基于正交频分多址接入(OFDMA)的中继网络中进行带有比例公平性的下行链路资源分配问题。作者们通过联合优化中继选择、子载波分配和功率分配问题,并采用拉格朗日对偶分解方法求解这一复杂的NP完全问题。实验结果显示所提出的算法相较于启发式算法能显著提高系统吞吐量,并带来更好的用户间公平性。 适合人群:通信工程、无线网络优化、电信行业研发工程师和研究人员。 使用场景及目标:主要应用于提升4G移动通信系统的频谱效率及缓解频率选择衰落的问题,确保多用户之间的传输速率更加公平。同时适用于研究OFDMA技术及其相关领域的学者和技术专家。 其他说明:文中提供了详细的数学模型和模拟结果图表支持理论发现,并讨论了各种假设条件下的性能对比。此外还探讨了连续松弛技巧在解决NP完全问题时的应用价值以及通过调整算法参数来获得近似最优解的方法论意义。

    [程序系统设计]MATLAB打印纸缺陷检测GUI(不同缺陷类型,GUI界面).zip

    程序系统设计]MATLAB打印纸缺陷检测GUI(不同缺陷类型,GUI界面) [程序系统设计]MATLAB打印纸缺陷检测GUI(不同缺陷类型,GUI界面) [程序系统设计]MATLAB打印纸缺陷检测GUI(不同缺陷类型,GUI界面) [程序系统设计]MATLAB打印纸缺陷检测GUI(不同缺陷类型,GUI界面) [程序系统设计]MATLAB打印纸缺陷检测GUI(不同缺陷类型,GUI界面)

    邮件分拣组态王6.55和西门子S7-200plc联机程序2023,带io表,运行效果视频 ,邮件分拣; 组态王6.55; 西门子S7-200plc; 联机程序2023; IO表; 运行效果视频,邮件

    邮件分拣组态王6.55和西门子S7-200plc联机程序2023,带io表,运行效果视频 ,邮件分拣; 组态王6.55; 西门子S7-200plc; 联机程序2023; IO表; 运行效果视频,邮件分拣组态王6.55与S7-200PLC联机程序2023版:带IO表运行效果视频

    基于关系变化和跨时间差异注意力机制的遥感影像变化检测(可复现,有问题请联系博主)

    内容概要:本文提出了一种新的基于跨时间差异(CTD)注意力机制的变化检测方法(称为CTD-Former),用于高效地提取多时相遥感图像中的变化特征。作者重新审视了自注意力机制并深入挖掘多时间相位图像间的关系变化,构建CTD变压器编码器和解码器来增强这些特征。此外,还引入了一致性感知模块(CPB)以保护变化区域的空间结构。实验结果显示,在LEVIR-CD、WHU-CD和CLCD数据集上,该模型相比于当前最优的方法表现出更好的性能。 适合人群:对深度学习、遥感图像处理、尤其是变化检测感兴趣的研究人员和技术专家,特别是熟悉变换器网络架构的从业者。 使用场景及目标:此方法适用于需要从多时相对比遥感影像中识别变化情况的任务,如环境监测、灾害评估、城市规划等领域内的应用开发,能够帮助研究者和决策者更准确地了解地面物体随时间的变化趋势。 其他说明:源代码可在GitHub仓库中获取,这为未来的研究提供了一个重要的参考平台,有助于推动该领域的进一步发展。

    [matlab程序系统设计]MATLAB的视频图像去雾(处理视频,GUI界面).zip

    该项目是个人实践项目,答辩评审分达到90分,代码都经过调试测试,确保可以运行!,可用于小白学习、进阶。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用,亦可作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现不同的功能。 欢迎下载,欢迎沟通,互相学习,共同进步!提供答疑!

    temp_sh.zip

    fajslghjlghg

    2008-2020年各省每十万人口高等学校平均在校生数数据

    2008-2020年各省每十万人口高等学校平均在校生数数据 1、时间:2008-2020年 2、来源:国家统计j、统计nj 3、指标:行政区划代码、地区名称、年份、每十万人口高等学校平均在校生数 4、范围:31省

    毕业设计&课程设计 基于STM32单片机基于RFID的电动车停车管理系统(软件源码+硬件资料+部署教程+功能说明+演示视频),高分项目,开箱即用

    毕业设计&课程设计 基于STM32单片机基于RFID的电动车停车管理系统(软件源码+硬件资料+部署教程+功能说明+演示视频),高分项目,开箱即用 用户 分为老师 及 学生 管理员 管理员 登录 用户管理 电动车管理 车卡rfid 电动车进出记录 挂失申请列表 解冻申请列表 补办列表申请 用户(只能管理自己的车) 注册(注册的时候选身份,选择学生或者老师) 登录 个人信息查看 电动车管理 进出校记录 挂失申请 解冻申请 补办申请

    无人机辅助旅行商问题的深度强化学习求解方法研究(可复现,有问题请联系博主)

    内容概要:本文探讨了一种新的基于深度强化学习的方法来解决旅行商问题与无人机组合优化(Traveling Salesman Problem with Drone, TSP-D),针对当前无人机辅助卡车配送中面临的协同调度难题进行了改进。研究者提出一种混合模型(HM),整合了注意力编码器和长短期记忆网络(LSTM)解码器的优势,从而有效地记录了多个车辆的动作序列并实现了协调路径规划。该方法在各种测试用例上展现了卓越性能,并能显著提高大型问题实例的计算效率,同时在实际应用场景如最后一步送货中有潜在的巨大价值。 适合人群:对物流系统优化和无人机应用有兴趣的专业人士,特别是从事最后一公里交付方案设计和技术实施的研究人员及工程师。 使用场景及目标:本研究所提出的深度学习框架主要适用于城市环境中复杂条件下的车辆和无人驾驶飞行系统的共同优化配置,目的是为了找到最优的货物递送方案,在最短的时间内完成所有的客户服务任务并返回起点。 其他说明:实验结果显示该算法在随机位置数据集和现实情况中的优越性超过了现有传统算法,表明它不仅能在简单理想情况下发挥良好效果,同样可以在更为复杂的条件下表现出稳定的性能。

    生活垃圾处理费征收管理系统产品介绍

    北京中启航向科技发展有限公司开发的城市生活垃圾处理费智慧征管系统,是一个全方位、一体化的解决方案,旨在协助城市管理部门高效、准确地收取生活垃圾处理费。该系统利用先进的人工智能和数据分析技术,实现垃圾分类、计量和收费的智能化管理,提升城市环境卫生质量,同时优化行政资源,提高征收效率。

    水测试试纸行业剖析:欧洲是全球最大的市场,占40%的份额.pdf

    水测试试纸行业剖析:欧洲是全球最大的市场,占40%的份额.pdf

    《电力电子技术(第5版)》王兆安-第2章-电力电子器件

    《电力电子技术(第5版)》王兆安_第2章_电力电子器件

    基于STM32的直流电机加减速正反转控制串口输出控制系统(P 1100009-基于STM32的直流电机加减速正反转控制串口输出控制系统(PCB 原理图 报告 源代码 proteus lcd1602)

    基于STM32的直流电机加减速正反转控制串口输出控制系统(P 1100009-基于STM32的直流电机加减速正反转控制串口输出控制系统(PCB 原理图 报告 源代码 proteus lcd1602) 功能描述:基于STM32平台 1、实现了电机控制正转、反转的功能 2、实现了电机控制加速、减速的功能 3、实现了串口输出控制信息的功能 4、串口可以模拟WIFI 蓝牙 RS232 等带有串口的功能。 资料包含: 1、源代码工程文件 2、仿真工程文件 3、lunwen报告1W字以上 4、原理图工程文件 5、PCB工程文件 ,核心关键词:STM32、直流电机、加减速、正反转控制、串口输出、控制信息、WIFI、蓝牙、RS232、源代码工程文件、仿真工程文件、原理图工程文件、PCB工程文件。,基于STM32的电机串口控制综合系统(含正反转、加减速及多种串口通信功能)

    ZYNQ7010采集AD7768

    ZYNQ7010采集AD7768

    apollo 泊车轨迹优化代码 hybridastar+iaps平滑优化+obca平滑优化 第一个图是matlab绘制 后面的图是程序用sdl库绘制 ,apollo;泊车轨迹优化;hybridas

    apollo 泊车轨迹优化代码 hybridastar+iaps平滑优化+obca平滑优化 第一个图是matlab绘制 后面的图是程序用sdl库绘制 ,apollo;泊车轨迹优化;hybridastar;iaps平滑优化;obca平滑优化;Matlab绘制;SDL库绘制,基于Apollo的泊车轨迹优化:HybridA*算法+平滑优化技术的实现与展示

Global site tag (gtag.js) - Google Analytics