昨天,突然和阿敏谈起领域模型,发现自己的理解还是有些歧异于是看了坛子里robbin关于领域模型的一些探讨,又吧...老马的企业应用架构模式拿出来翻了翻好象又增加了些理解,领域模型大体分为三种(也可分为四种)分别为失血,贫血,充血/(胀血)(robbin语)下面我总结了几条关于领域模型几个形态的一些不成熟的总结:
一:失血模型,首先分为PO,DAO,SERVICE三大块,在这里PO就是领域层,但它只是个承载值的对象,除了属性并没有其他的方法所以在这里领域并没有起到它控制业务的作用,由于只有属性所以我们叫它失血,而DAO层只做和数据库的交互使得业务操作和数据库操作分离,其中Service层则作为一个操作的载体,其中有关于对象的所有操作,包括对象所要涉及到的集合类操作,并在这里做关于事务等的管理.
二:贫血模型:同样分为刚才失血模型的几层,但它和失血模型的区别在于领域层中,除了基本属性外还包含关系此对象的一些方法(这些方法不涉及数据库操作)例如一些临时对象的组成,或对对象中的值的分析等操作,Service则是做集合类的操作,以及对在DoMain层中所涉及到的对象的操作并对这些操作进行封装,以保证事务和结构的完整性.此模型可充分体现OO特点!(个人体会)
三:充血模型,层次也是Domain,DAO,Service三层,但在领域层中管理所有的代码包括集合和对象的操作,Service只当成一个接口并没有太多实际代码只是对Domain中代码的封装,在robbin的帖子中,貌似谈到需要在Domain中进行事务,但我认为为了保持事务完整的特点事务可能在Service控制相对更贴切些!
另外还有一种貌似是同仁们总结出的一种所谓的胀血模型,就是说把Service也喀嚓掉,只留DAO和Domain而Domain做所有的处理,虽然这不失为一种快速开发的手段,但个人感觉已经完全脱离OO的思想了,好象几种特性都没体现出来...如果项目的模块以及规模相对较大我想此模型应该不能胜任.
以上是我自己的一些看法并不成熟也许本身说的就是错的,还需要继续看看老马的那本书,能够有个更深的体会.其实我认为各个项目自然有它自己的特点不应该循规蹈矩必须按照哪种模型,没有最好只有更好其实就是这样只有选择对的,才可能在项目中减少成本,时间开发量并对项目以后的维护起一个积极的引导作用!
分享到:
相关推荐
为了达到这个目的,研究团队使用了高级吸痰模型,并结合动物实验来评估该机器人。在实验中,通过比较人工吸痰与智能吸痰机器人的单次吸痰量及总吸痰量,来评估机器人的吸痰有效性。从研究结果来看,智能吸痰机器人与...
从提供的文件内容来看,知识点主要集中在中医学领域中对痰性粘滞理论的实验研究。具体可以从以下几个方面来深入探讨: 1. 痰性粘滞理论:痰性粘滞是指在中医理论中,痰邪致病的一个特点,痰邪往往粘滞难解,容易...
为了验证该运动单元的可行性,研究人员使用高级吸痰训练模型进行了实验。实验结果表明,这个运动单元运动稳定性高,能够成功地执行吸痰管的夹取、送管、回退保护以及旋转退管等一系列动作,从而有效地进行吸痰操作。...
数据挖掘技术是计算机科学中用于提取信息和发现知识的方法,通过对大量的数据进行分析、整合、分类、聚类、关联规则发现和预测模型构建等操作,从而发现数据中的隐含信息和知识。在中医药领域,数据挖掘技术被用来...
首先,模型通过迁移学习技术来预训练,这允许模型利用已有的大型数据集(如ImageNet)学习到的一般图像特征,再结合肺炎胸片的特定任务进行微调。迁移学习有助于减少对大量标记数据的需求,同时也提高了模型的泛化...
本资料主要探讨了一种利用深度神经网络技术来识别结核杆菌荧光痰涂片的方法,这种技术在网络游戏中的应用可能并不直观,但其背后的原理和技术创新对于提升游戏内的虚拟现实体验,如生物模拟、疾病传播模型等方面,...
【适用人群】:适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】: 构建医疗实体识别的模型,包含词典和语料标注,基于python构建 数据...
常用的深度学习模型有卷积神经网络(CNN),它们在处理图像数据上表现出色。 数据集分为三个部分:Annotations、JPEGImages和ImageSets。这表明数据集的组织结构: 1. **Annotations** 文件夹通常包含对每张图片的...
该文件标题为“PCR-膜芯片检测痰结核杆菌耐药基因突变的应用研究”,它涉及生物医学工程领域中的分子诊断技术,重点在于如何运用PCR(聚合酶链式反应)技术和膜芯片技术来检测结核分枝杆菌(Mycobacterium ...
2. 建立了基于深度学习网络的肺结核诊断模型,能够区分痰涂片阴性肺结核、痰涂片阴性IGRA阳性/阴性的肺结核和肺炎患者。 3. 本研究结果为临床医生提供了一个新的诊断工具,能够提高痰涂片阴性病人检出率,指导临床...
深度神经网络(Deep Neural Network, DNN)是机器学习领域的一种重要模型,它模拟人脑神经元的工作方式,通过多层非线性变换对复杂数据进行建模。在COPD检测中,DNN能够处理大量的医学图像数据,如胸部CT扫描图像,...
在医疗设备领域,这种技术的应用有助于减少设备故障导致的医疗事故,提前发现并解决潜在问题,从而保障患者的生命安全和治疗效果。 此外,本文的研究成果还为其他领域的设备故障预警提供了借鉴,比如工业自动化、...
中医理论中,“痰”通常指身体内部不能正常代谢的液体,与情志方面的疾病(如失眠、焦虑)有密切联系。因此,根据研究结果,对于由“痰”引起的失眠和惊恐,可以使用半夏、生姜、枳实、陈皮、甘草、竹茹等药物进行...
贝叶斯网络,是一种基于概率的统计方法,用于描述变量间的条件依赖性,形成有向图模型。它能够利用已知条件,对未知概率进行推算,这在处理具有因果关系的数据挖掘任务中尤为有效。在中医学研究中,贝叶斯网络能帮助...
综上所述,这项研究展示了数据挖掘技术在中医药领域的应用潜力,通过科学方法提炼中药方剂的用药规律,有助于提升中医药的临床疗效预测和个性化治疗方案的制定,进一步推动中医药现代化的发展。同时,这也为未来中医...
哮喘是一种慢性呼吸道疾病,其治疗在中医学中具有悠久的历史,尤其是对于哮喘发作期的治疗经验,一直以来是中医药领域研究的重要课题。周仲瑛教授作为国医大师,其独特的治疗哮喘发作期的经验备受关注。本研究通过...
决策树的使用有助于揭示证素与黏附分子之间可能存在的联系和规律,例如发现血小板选择素(soluble platelet selectin,sP-selectin)与血瘀之间的关系,以及血管细胞黏附分子-1(soluble vascular cell adhesion ...