1.HibernateTemplate的常规用法
HibernateTemplate提供非常多的常用方法来完成基本的操作,比如通常的增加、删除、修改、查询等操作,Spring 2.0更增加对命名SQL查询的支持,也增加对分页的支持。大部分情况下,使用Hibernate的常规用法,就可完成大多数DAO对象的CRUD操作。下面是HibernateTemplate的常用方法简介:
void delete(Object entity):删除指定持久化实例
deleteAll(Collection entities):删除集合内全部持久化类实例
find(String queryString):根据HQL查询字符串来返回实例集合
findByNamedQuery(String queryName):根据命名查询返回实例集合
get(Class entityClass, Serializable id):根据主键加载特定持久化类的实例
save(Object entity):保存新的实例
saveOrUpdate(Object entity):根据实例状态,选择保存或者更新
update(Object entity):更新实例的状态,要求entity是持久状态
setMaxResults(int maxResults):设置分页的大小
例:
//根据值班日和班次获取列表
public List getOpeRecsByCon(Date dutyDay,String dutyId){
log.debug("finding OpeRecords instances by Condition");
try {
String queryString = "from OpeRecords o where o.dutyday=? and o.dutyid=?";
return getHibernateTemplate().find(queryString,new Object[]{dutyDay,dutyId});
} catch (RuntimeException re) {
log.error("find all failed", re);
throw re;
}
}
//综合查询
public List getOpeRecsByCon1(HttpServletRequest request){
log.debug("finding OpeRecords instances by Condition");
try {
String factoryId = request.getParameter("factoryId");
String spciltyId = request.getParameter("spciltyId");
String dutyId = request.getParameter("dutyId");
String classId = request.getParameter("classId");
StringBuffer queryString = new StringBuffer();
queryString.append("from OpeRecords o where 1=1");
//如果选择了运行单位和专业
if((factoryId.length()!=0)&&(spciltyId.length()!=0)){
queryString.append(" and o.modelid in (select a.modelid from Opemodel a where a.runfactory='"+factoryId+"' and a.specialtyid='"+spciltyId+"')");
}
//如果仅仅选择了运行单位
if((factoryId.length()!=0)&&(spciltyId.length()==0)){
queryString.append(" and o.modelid in (select a.modelid from Opemodel a where a.runfactory='"+factoryId+"')");
}
//如果仅仅选择了专业
if((factoryId.length()==0)&&(spciltyId.length()!=0)){
queryString.append(" and o.modelid in (select a.modelid from Opemodel a where a.specialtyid='"+spciltyId+"')");
}
//如果选择了班次
if(dutyId.length()!=0){
queryString.append(" and o.dutyid='"+dutyId+"'");
}
//如果选择了值别
if(classId.length()!=0){
queryString.append(" and o.classid='"+classId+"'");
}
String startTimeStr = request.getParameter("startTime");
String endTimeStr = request.getParameter("endTime");
queryString.append(" and o.gettime between ? and ?");
Date startTime = StringToDate.StrToDate4yyyyMMddHHmmss(startTimeStr);
Date endTime = StringToDate.StrToDate4yyyyMMddHHmmss(endTimeStr);
return getHibernateTemplate().find(queryString.toString(),new Object[]{startTime,endTime});
} catch (RuntimeException re) {
log.error("find all failed", re);
throw re;
}
}
注意:以上方法只支持HQL,不支持原生SQL
2.Hibernate的复杂用法HibernateCallback
HibernateTemplate还提供一种更加灵活的方式来操作数据库,通过这种方式可以完全使用Hibernate的操作方式。HibernateTemplate的灵活访问方式是通过如下两个方法完成:
q Object execute(HibernateCallback action)
q List execute(HibernateCallback action)
这两个方法都需要一个HibernateCallback的实例,HibernateCallback实例可在任何有效的Hibernate数据访问中使用。程序开发者通过HibernateCallback,可以完全使用Hibernate灵活的方式来访问数据库,解决Spring封装Hibernate后灵活性不足的缺陷。HibernateCallback是一个接口,该接口只有一个方法doInHibernate(org.hibernate.Session session),该方法只有一个参数Session。
通常,程序中采用实现HibernateCallback的匿名内部类来获取HibernateCallback的实例,方法doInHibernate的方法体就是Spring执行的持久化操作。具体代码如下:
//逻辑删除部门实例
public void logicDelete(String ids) {
log.debug("logicDelete deleting SysDept instance");
try {
String inString="";
if(ids!=null&&!ids.equals("")){
String[] idsArray=ids.split(",");
if(idsArray!=null&&idsArray.length>=1){
for(int i=0;i<idsArray.length-1;i++){
inString =inString+"'"+idsArray[i]+"',";
}
inString =inString+"'"+idsArray[idsArray.length-1]+"'";
final String QueryString="update SysDept s set delFlag='Y' where s.id in("+inString+")";
getHibernateTemplate().execute(new HibernateCallback() {
public Object doInHibernate(Session s) throws HibernateException, SQLException {
Query query = s.createQuery(QueryString);
query.executeUpdate();
return null;
}
});
}
}
log.debug("logicDelete successful");
} catch (RuntimeException re) {
log.error("logicDelete failed", re);
throw re;
}
}
//通过id列表查询部门实例列表
public List findBySpecifyIds(String ids) {
log.debug("finding SysDept list by specify ids");
try {
final String[] idsArray=ids.split(",");
return getHibernateTemplate().executeFind(new HibernateCallback() {
public Object doInHibernate(Session s) throws HibernateException {
Criteria c = s.createCriteria(SysDept.class);
c.add(Restrictions.in("id",idsArray));
return c.list();
}
});
} catch (RuntimeException re) {
log.error("find by ids failed", re);
throw re;
}
}
public List getList(){
return (List ) <SPAN class=hilite1>getHibernateTemplate</SPAN>().execute(
new HibernateCallback() {
public List doInHibernate(final Session s)
throws HibernateException, SQLException {
StringBuffer sb = new StringBuffer();
Query query = s.createSQLQuery(sb.toString());//<STRONG>执行普通sql</STRONG>
Query query = s.createQuery(sb.toString());// <STRONG>执行hql </STRONG>
List list = query.list();
return list ;
}
});
}
采用这种做法的好处是:不用关心事务。session的创建和销毁,一切都在程序内部完成。看看名字doInHibernate就知道好处了。不好的是程序看起来比较乱!个人认为。
注意:方法doInHibernate方法内可以访问Session,该Session对象是绑定到该线程的Session实例。该方法内的持久层操作,与不使用Spring时的持久层操作完全相同。这保证对于复杂的持久层访问,依然可以使用Hibernate的访问方式。
分享到:
相关推荐
例如,在`PersonDAOHibernate`类中,我们看到如何使用HibernateTemplate执行常见的数据库操作。`getPersons()`方法通过调用`find()`获取所有`Person`对象,`getNews()`根据主键获取特定的`Person`,`savePerson()`...
基于苍鹰优化算法的NGO支持向量机SVM参数c和g优化拟合预测建模(Matlab实现),苍鹰优化算法NGO优化支持向量机SVM的c和g参数做多输入单输出的拟合预测建模。 程序内注释详细直接替数据就可以使用。 程序语言为matlab。 程序直接运行可以出拟合预测图,迭代优化图,线性拟合预测图,多个预测评价指标。 PS:以下效果图为测试数据的效果图,主要目的是为了显示程序运行可以出的结果图,具体预测效果以个人的具体数据为准。 2.由于每个人的数据都是独一无二的,因此无法做到可以任何人的数据直接替就可以得到自己满意的效果。 ,核心关键词:苍鹰优化算法; NGO优化; 支持向量机SVM; c和g参数; 多输入单输出拟合预测建模; Matlab程序; 拟合预测图; 迭代优化图; 线性拟合预测图; 预测评价指标。,MATLAB实现:基于苍鹰优化算法与NGO优化SVM的c和g参数多输入单输出预测建模工具
麻雀优化算法SSA优化广义神经网络GRNN的多特征输入单变量输出拟合预测模型(Matlab实现),麻雀优化算法SSA优化广义神经网络GRNN做多特征输入,单个因变量输出的拟合预测模型。 程序内注释详细直接替数据就可以用。 程序语言为matlab。 ,关键词:麻雀优化算法(SSA);优化;广义神经网络(GRNN);多特征输入;单个因变量输出;拟合预测模型;Matlab程序语言;程序内注释。,SSA优化GRNN的多特征输入-单因变量输出拟合预测模型(基于Matlab程序)
2025最新辐射安全与防护培训考试题库及答案.docx
高效数字电源方案:图腾柱无桥pfc技术,两相交错设计,5G一体化电源批量出货,宽电压输入与高效输出,功率覆盖至kW级别,高效数字电源方案,图腾柱无桥pfc,两相交错,5g一体化电电源上已批量出,输入175-265V,输出42-58V;输出效率97%,2kW 3kW都有 ,高效数字电源方案; 图腾柱无桥pfc; 两相交错; 5g一体化电电源; 批量出货; 宽输入电压范围; 高输出效率; 2kW和3kW功率。,"高效图腾柱无桥PFC电源方案,两相交错5G电平已大批量生产,宽输入范围输出高效率"
项目已获导师指导并通过的高分毕业设计项目,可作为课程设计和期末大作业,下载即用无需修改,项目完整确保可以运行。 包含:项目源码、数据库脚本、软件工具等,该项目可以作为毕设、课程设计使用,前后端代码都在里面。 该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。 项目都经过严格调试,确保可以运行!可以放心下载 技术组成 语言:java 开发环境:idea 数据库:MySql8.0 部署环境:Tomcat(建议用 7.x 或者 8.x 版本),maven 数据库工具:navicat
2025糖医帮认证考试题库(附含答案).docx
MATLAB下的模型预测控制在楼宇负荷需求响应中的研究与应用:结合热力学与舒适度考量,MATLAB代码:基于模型预测控制的楼宇负荷需求响应研究 关键词:楼宇负荷 空调 模型预测控制 需求响应 参考文档:《Model Predictive Control of Thermal Storage for Demand Response》完全复现 仿真平台:MATLAB+CVX平台 主要内容:代码主要做的是一个建筑楼宇的需求响应问题,首先利用楼宇的储热特性,结合热力学方程构建了其储热模型,其次,考虑在动态能量电价的引导下,对楼宇负荷进行需求侧管理,从而能够对其负荷曲线进行改善,在需求响应的过程中也考虑了用户的舒适度,相对来讲比较全面,模型的求解采用的是较为创新的模型预测控制算法,更加创新,而且求解的效果更好,店主已经对代码进行了深入的加工和处理,出图效果非常好,代码质量非常高 ,关键词:楼宇负荷; 空调; 模型预测控制; 需求响应; 储热模型; 动态能量电价; 舒适度; MATLAB代码; CVX平台; 深入处理。,基于MATLAB的模型预测控制研究:楼宇负荷需求响应管理与优化
樽海鞘优化算法SSA:Matlab实现与基准测试函数详解,樽海鞘优化算法 SSA (matlab代码,包含23个常用的基准测试函数)可直接运行效果如图所示 ,核心关键词:樽海鞘优化算法(SSA); Matlab代码; 基准测试函数; 可直接运行; 效果图。,樽海鞘优化算法SSA的Matlab实现:23个基准测试函数直接运行效果图
基于主从博弈的电热综合能源系统动态定价策略与能量管理优化模型——粒子群算法与CPLEX求解器的应用,MATLAB代码:基于主从博弈的电热综合能源系统动态定价与能量管理 关键词:主从博弈 电热综合能源 动态定价 能量管理 参考文档:店主自编文档,完全复现 仿真平台:MATLAB 平台 优势:代码具有一定的深度和创新性,注释清晰,非烂大街的代码,非常精品 主要内容:代码主要做的是电热综合能源系统的动态定价问题,采用是主从博弈方法,上领导者问题上,以综合能源系统整体的收益作为目标函数,考虑电价以及热价等相关约束,在下层跟随者模型上,以用户用能满意度最高为目标函数,构建了领导者-跟随者Stackelberg博弈模型,同时还考虑了系统的功率平衡条件以及热能平衡条件等约束,模型的上层求解采用粒子群算法,下层求解采用CPLEX求解器,考虑该代码具有一定的创新性,适合新手学习以及在此基础上进行拓展,代码质量非常高 ,基于主从博弈; 电热综合能源系统; 动态定价; 能量管理; Stackelberg博弈模型; 粒子群算法; CPLEX求解器。,基于主从博弈的电热综合能源系统动态定价与能量管理MA
Python游戏编程源码-Python编码生成系统.zip
哈里斯鹰优化算法HHO Matlab代码展示与性能评测报告(涵盖多项基准测试),哈里斯鹰优化算法 HHO (matlab代码,包含23个常用的基准测试函数)可直接运行效果如图所示 ,核心关键词:哈里斯鹰优化算法(HHO); MATLAB代码; 基准测试函数; 可直接运行; 效果如图所示; 23个常用函数。,"HHO算法Matlab实现:23个基准测试函数优化效果图解"
2025中药鉴定技术考试题库及答案.docx
基于主从博弈的电热综合能源系统动态定价与能量管理策略优化——粒子群算法与CPLEX求解器的应用,MATLAB代码:基于主从博弈的电热综合能源系统动态定价与能量管理 超值 关键词:主从博弈 电热综合能源 动态定价 能量管理 粒子群算法 cplex求解 参考文档:店主自编文档,完全复现 仿真平台:MATLAB 平台 主要内容:代码主要做的是电热综合能源系统的动态定价问题,采用是主从博弈方法,上领导者问题上,以综合能源系统整体的收益作为目标函数,考虑电价以及热价等相关约束,在下层跟随者模型上,以用户用能满意度最高为目标函数,构建了领导者-跟随者Stackelberg博弈模型,同时还考虑了系统的功率平衡条件以及热能平衡条件等约束,模型的上层求解采用粒子群算法,下层求解采用CPLEX求解器,考虑该代码具有一定的创新性,适合新手学习以及在此基础上进行拓展,代码跑出质量甚佳 ,主从博弈; 电热综合能源; 动态定价; 能量管理; 粒子群算法; cplex求解; 创新; 新手学习,基于主从博弈的电热综合能源系统动态定价与能量管理策略:粒子群算法与Cplex求解的MATLAB实现
基于碳捕集电厂低碳特性与综合能源系统的多时间尺度电热调度模型:灵活运行与需求响应协同优化。,计及碳捕集电厂低碳特性 需求响应 综合能源系统 多时间尺度调度模型 MATLAB代码: 关键词:碳捕集电厂 综合灵活运行方式 需求响应 日前调度 实时调度 参考文档:《计及碳捕集电厂低碳特性的含风电电力系统源-荷多时间尺度调度方法》非完全复现,只做了日前日内部分,并在上述基础上改进升级为电热综合电源系统 仿真平台:MATLAB yalmip+cplex 主要内容:代码主要做的是一个电厂 微网多时间尺度电热综合能源系统低碳经济调度模型,源侧在碳捕集电厂中装设烟气旁路系统与溶液存储器,形成碳捕集电厂综合灵活运行方式进而与风电协调配合;荷侧调用不同响应速度的价格型、激励型需求响应资源克服多时间尺度下碳捕集电厂综合灵活运行方式的局限,通过源荷资源协调优化,从而提高系统的低碳性能。 其次,构建源荷协调的日前-日内两阶段低碳经济调度模型,优化系统的负荷及分配计划。 ,关键词:碳捕集电厂;综合灵活运行方式;需求响应;日前调度;实时调度;电热综合能源系统;多时间尺度调度模型;源荷协调
项目已获导师指导并通过的高分毕业设计项目,可作为课程设计和期末大作业,下载即用无需修改,项目完整确保可以运行。 包含:项目源码、数据库脚本、软件工具等,该项目可以作为毕设、课程设计使用,前后端代码都在里面。 该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。 项目都经过严格调试,确保可以运行!可以放心下载 技术组成 语言:java 开发环境:idea 数据库:MySql8.0 部署环境:Tomcat(建议用 7.x 或者 8.x 版本),maven 数据库工具:navicat
Python游戏编程源码-pygame编植物大战僵尸2
风速对空调实验室气流分布均匀性的影响分析.pdf
粒子滤波算法在目标跟踪中的实践与源码解析集合:多套系统源码包括基于meanshift的应用、MATLAB实现及与卡尔曼滤波比较,粒子滤波(器)滤波(器)及应用源码集合目标跟踪提取图像特征 以下多套系统源码 1、基于meanshift和粒子滤波的目标跟踪代码 2、MATLAB编写的粒子滤波器的源代码 3、粒子滤波算法实例 4、粒子滤波mcmc介绍 5、粒子滤波算法 matlab(粒子滤波用于剩余寿命预测的实例代码 MATLAB语言编写 附有详细代码说明) 6、粒子滤波matlab代码(能够运行。 Pf粒子滤波实现的目标跟踪程序,可实现针对非高斯噪声情况下的跟踪) 7、粒子滤波代码(三个粒子滤波的演示程序,一个滤波,一个目标跟踪,一个机器人定位) 8、发个Matlab实现粒子滤波算法的程序 9、粒子滤波的简介和5中matlab程序仿真 10、粒子滤波代码与卡尔曼做比较(这是用于目标跟踪的粒子滤波代码, 用matlab编写的,很有借鉴性,一维情况下, 非高斯非线性,其中将扩展卡尔曼滤波与粒子滤波进行比较,更好的说明了粒子滤波的优越性) 11、EKF,UKF和PF粒子滤波的性能(对比分析EKF