`

Spring基本用法6——协调作用域不同步的Bean

阅读更多

         前言:之前看到Spring中一个有趣的、但值得注意的问题,就是Spring中关于如何协调Bean作用域不同步?正常来讲,两个singleton作用域的bean存在依赖关系时,或者当prototype作用域的bean依赖singleton作用域的bean时,使用Spring默认提供的依赖注入管理即可,但是如果出现这种情况:singleton作用域的Bean依赖prototype作用域Bean时,会出现使用单例Bean时,每次其依赖的多例Bean都是同一个,这与多例Bean的设计初衷相违背。

本篇文章只关注以下问题:

  • 如何将多例Bean正确注入单例Bean中

1. 问题描述

        singleton作用域的Bean只有一次实例化机会,它的依赖关系也只在初始化阶段被设置,当singleton作用域的Bean依赖prototype作用域的Bean时,Spring容器会在初始化singleton作用域的Bean之前,先创建被依赖的prototype Bean,然后才初始化singleton Bean,并将prototype Bean注入到singleton Bean,这会导致以后无论何时通过singleton Bean去访问prototype Bean时,得到的永远是最初那个prototype Bean——这就相当于singleton Bean把它所依赖的prototype Bean变成了singleton行为

       由上产生出问题:如果客户端通过singleton Bean去调用prototype Bean的方法时,始终都是调用同一个prototype Bean实例,这就违背了设置prototype Bean的初衷——本来希望它具有prototype行为,但实际上它却表现出了singleton行为

2. 解决思路

  1. 放弃依赖注入:singleton作用域的Bean每次需要prototype作用域的Bean时,主动向容器请求新的Bean实例,即可保证每次注入的prototype Bean实例都是最新的;
  2. 利用Spring提供的方法注入

       第一种方式实际上是放弃Spring带来的控制反转的优势,代码主动请求新的Bean实例,必然导致程序代码与SpringAPI耦合,造成代码污染。

       方法注入通常使用lookup方法注入,使用lookup方法注入可以让Spring容器重写容器中Bean的抽象具体方法,返回查找容器中其他Bean的结果,被查找的Bean通常是一个not-singleton Bean。Spring通过使用JDK动态代理或cglib库修改客户端的二进制代码,从而达到上述要求。

3. Demo输出

        假设有一个Chinese类型的Bean,该Bean包含一个signName()方法,执行该方法时需要依赖于Pen的方法——而且程序希望每次执行signName()方法时都使用不同的Pen Bean,因此首先需要将Pen Bean设置为prototype作用域。

       除此之外,不能直接使用普通依赖注入将Pen Bean注入Chinese Bean中,还需要使用lookup方法注入来管理Pen Bean与Chinese Bean之间的依赖关系。其大致需要两步:

  1. 将调用者Bean的实现类定义为抽象类,并定义一个抽象方法来获取被依赖的Bean;(经测试,具体类也能成功)
  2. 在<bean../>元素中添加<lookup-method../>子元素,让Spring为调用者Bean的实现类实现指定的抽象方法。

 3.1 实现被依赖Bean

          被依赖的Bean为多例模式:

package com.wj.chapter5.life.lookup;

public class Pencil implements Pen {
    
    @Override
    public String signName(String name) {
        return "我的名字是" + name;
    }
}

3.2 实现主调Bean

          主调Bean(Chinese Bean)为单例模式,其依赖于多例Bean(Pen):

package com.wj.chapter5.life.lookup;

/**
 * Chinese为单例模式,其依赖的Pen为多例
 */
public abstract class Chinese implements Person {
    private String name;
    private Pen    pen;
    
    public void setName(String name) {
        this.name = name;
    }

    // 定义抽象方法,该方法用于获取被依赖Bean
    public abstract Pen getPen();

    @Override
    public void signName() {
        pen = getPen();
        System.out.println("签名的笔型号:" + pen);
        System.out.println("我是中国人," + pen.signName(name));
    }
}

 3.3 XML配置文件

       <lookup-method../>元素需要指定两个属性:

  • name:指定需要让Spring实现的方法
  • bean:指定Spring实现该方法的返回值
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
       xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
       xsi:schemaLocation="http://www.springframework.org/schema/beans
                           http://www.springframework.org/schema/beans/spring-beans-4.3.xsd">
    
    <bean id="chinese" class="com.wj.chapter5.life.lookup.Chinese">
        <property name="name" value="熊燕子"></property>
        <!-- Spring只要检测到lookup-method元素,Spring会自动为该元素的name属性所指定的方法提供实现体。-->
        <lookup-method name="getPen" bean="pencil"/>
    </bean>
    <!-- 指定Pencil Bean的作用域为prototype,希望程序每次使用该Bean时用到的总是不同的实例 -->
    <bean id="pencil" class="com.wj.chapter5.life.lookup.Pencil" scope="prototype"></bean>
    
</beans>

3.4 测试代码

package com.wj.chapter5.life.lookup;

import org.springframework.context.ApplicationContext;
import org.springframework.context.support.ClassPathXmlApplicationContext;

public class SpringTest {
    
    // 1.指明xml配置文件位置,便于Spring读取,从而知道Bean的相关信息
    private static final String PATH_XML = "com/wj/chapter5/life/lookup/applicationContext-lookup.xml";
    
    @SuppressWarnings("resource")
    public static void main(String[] args) {
        // 2.以类加载路径下的xml文件作为配置文件,创建Spring容器
        ApplicationContext ctx = new ClassPathXmlApplicationContext(PATH_XML);
        
        // 3.两次获取单例Person对象
        Person p1 = ctx.getBean("chinese" , Person.class);
        Person p2 = ctx.getBean("chinese" , Person.class);
        // 4. 首先验证两次获取的单例Person是否是同一个对象
        System.out.println("两次获取的单例Person是否是同一对象:" + (p1 == p2));
        // 5. 验证依赖的多例Pencil对象是否确实是多例的
        p1.signName();
        p2.signName();
    }
}

      测试结果如下:

       可见,lookup方法注入可以正确实现singleton Bean依赖prototype Bean。

3.5  补充说明

       前面实现Person接口时,将Chinese定义为抽象类,并在里面定义抽象方法getPen()用于获取多例Pen。但这与我们习惯不符:Chinese Bean是业务上需要使用的,并不需要定为abstract抽象类,我们在开发中也确实没明确拿到抽象类Chinese的实现类(实际上Spring给我们返回的Bean就是Chinese的实现,只不过对我们透明)。

       经过测试,可以将Chinese定义为具体类,getPen()定义为空实现即可。Spring会自动帮我们实现getPen()方法的逻辑:

package com.wj.chapter5.life.lookup;

/**
 * Chinese为单例模式,其依赖的Pen为多例
 * 此处将Chinese定义为具体类,getPen为空实现
 */
public class Chinese2 implements Person {
    private String name;
    private Pen    pen;
    
    public void setName(String name) {
        this.name = name;
    }

    // 该方法用于获取被依赖Bean,此处未空实现
    public Pen getPen() {
        return null;
    }

    @Override
    public void signName() {
        pen = getPen();
        System.out.println("签名的笔型号:" + pen);
        System.out.println("我是中国人," + pen.signName(name));
    }
}

       测试结果与之前一样。

 

代码地址链接:http://pan.baidu.com/s/1dFJ5UQt 密码:dnjf

  • 大小: 35 KB
分享到:
评论

相关推荐

    Spring.3.x企业应用开发实战(完整版).part2

    《Spring3.x企业应用开发实战》是在《精通Spring2.x——企业应用开发详解》的基础上,经过历时一年的重大调整改版而成的,本书延续了上一版本追求深度,注重原理,不停留在技术表面的写作风格,力求使读者在熟练使用...

    Spring3.x企业应用开发实战(完整版) part1

    《Spring3.x企业应用开发实战》是在《精通Spring2.x——企业应用开发详解》的基础上,经过历时一年的重大调整改版而成的,本书延续了上一版本追求深度,注重原理,不停留在技术表面的写作风格,力求使读者在熟练使用...

    java面试——深圳-乐信-Java高级.zip

    - Bean的生命周期管理,作用域(singleton、prototype)。 - Spring MVC工作流程,HandlerMapping和HandlerAdapter。 - AOP的实现:动态代理(JDK、CGLIB)和AspectJ。 - Spring Boot的自动配置原理,Spring ...

    ThreadLocal详解

    在Spring框架中,ThreadLocal的应用非常广泛,尤其是在请求作用域的Bean管理、事务管理、任务调度和AOP等方面。例如,在Spring的DAO模板类中,尽管底层的数据连接或会话资源是非线程安全的,但是通过使用ThreadLocal...

    LDPC性能仿真与优化:参数调优、误比特率分析及译码方案对比

    内容概要:本文详细探讨了LDPC(低密度奇偶校验码)性能仿真的各个方面,包括关键参数的选择与调优、误比特率(BER)曲线的生成方法及其意义、以及不同译码方案的比较。文中通过具体的MATLAB和Python代码示例展示了如何进行LDPC码的设计与仿真,强调了码长、码率、列重等参数对性能的影响,并深入讨论了和积算法(Sum-Product)、最小和算法(Min-Sum)及其改进版本的特点和应用场景。此外,还介绍了软判决量化技术的优势与局限性,并提供了丰富的实战经验和技巧。 适合人群:从事通信工程、信道编码研究的专业人士,尤其是对LDPC码有浓厚兴趣的研究人员和技术开发者。 使用场景及目标:①帮助研究人员理解和掌握LDPC码的关键参数设置及其对性能的影响;②为开发人员提供实用的代码示例和优化建议,以便更好地应用于实际项目中;③通过对不同译码方案的比较,指导选择最适合特定应用场景的算法。 其他说明:本文不仅涵盖了理论分析,还包括大量实践经验分享,旨在为读者提供全面而深入的理解。同时提醒读者关注实际应用中的非理想因素,如信道噪声等,以确保仿真结果更加贴近现实情况。

    LLM大模型-python3.12版本的llama-cpp-python编译库

    Python3.12版本安装llama-cpp-python各种报错,试试我编译的库吧

    基于Qt框架的音频采集与播放工具

    本人创作,禁止商用

    机器学习中优化算法在极限学习机回归预测的应用及其实现

    内容概要:本文探讨了多种优化算法在极限学习机(ELM)回归预测中的应用,旨在提高ELM的性能。文中介绍了粒子群优化算法(PSO)、狼群优化算法(GWO)、黏菌优化算法(SMA)、麻雀优化算法(SSA)和鲸鱼优化算法(WOA),并通过具体的Matlab代码示例展示了每种算法的工作流程及其对ELM参数优化的效果。此外,还讨论了各算法的特点、适用场景及优化过程中需要注意的问题。 适合人群:从事机器学习领域的研究人员和技术人员,特别是对回归预测和优化算法感兴趣的读者。 使用场景及目标:适用于需要改进极限学习机性能的研究和工程项目,目标是通过引入不同的优化算法来提升ELM的预测精度和稳定性。 其他说明:文章提供了详细的代码实现和参数配置建议,帮助读者更好地理解和应用这些优化方法。同时,强调了在实际应用中应注意的数据预处理和参数选择等问题。

    Book Answer.zip

    Book Answer.zip

    Linux系统中定时任务设置与文件查找技术详解

    Linux系统中定时任务设置与文件查找技术详解

    综合能源系统中电、热、冷、气的分时电价与储能优化调度

    内容概要:本文详细探讨了综合能源系统中电、热、冷、气四种能源形式的优化调度方法,重点介绍了分时电价机制下的储能装置调度策略。通过Python代码实例展示了如何利用线性规划工具(如PuLP库)构建优化模型,实现储能装置的高效充放电管理以及多能流耦合设备的协调运作。文中不仅讨论了储能装置的充放电效率、初始电量设置等关键技术细节,还涉及了热泵、燃气锅炉、吸收式制冷机等多种设备之间的能量转换关系及其优化配置。 适合人群:从事综合能源系统研究的技术人员、能源管理系统开发者、工业自动化领域的工程师。 使用场景及目标:适用于需要降低综合能源系统运行成本的企业或机构,尤其是那些面临复杂电价政策和技术挑战的场景。目标是通过合理的调度策略,在满足各类能源需求的前提下,最大限度地减少运营成本,提高经济效益。 其他说明:文章强调了分时电价对储能调度的影响,并指出储能装置在削峰填谷方面的重要作用。此外,还提到了多时间尺度优化、设备启停成本等因素对整体优化效果的影响。

    超星学习助手5.5.zip

    超星学习助手5.5.zip

    C#通讯类库实现西门子PLC系列高效读写及批量处理

    内容概要:本文介绍了一种用于西门子PLC系列(如S7-200、300、1200、1500)的C#通讯类库。该类库能够直接嵌入C#框架,无需PLC端额外编码即可进行高效的单值和批量读写操作。文中详细展示了如何利用泛型方法、属性标签以及分块机制实现数据的快速传输,并讨论了连接管理和异常处理的最佳实践。此外,还介绍了类库在工业自动化项目中的应用优势,特别是在MES系统和云平台集成方面的灵活性。 适合人群:从事工业自动化项目的软件开发者和技术人员,尤其是熟悉C#编程并需要与西门子PLC交互的人群。 使用场景及目标:适用于需要将PLC数据对接MES系统或云平台的项目,旨在提高数据传输效率,减少开发时间和复杂度。具体应用场景包括但不限于生产线监控、设备参数调整、配方管理等。 其他说明:类库提供了丰富的API接口,支持多种数据类型的读写操作,同时具备良好的异常处理机制和性能优化措施。对于老项目的改造也非常友好,可以通过适配器模式快速集成到现有系统中。

    西门子S7-1200与威纶触摸屏在多工位自动化生产线中的集成应用及关键技术实现

    内容概要:本文详细介绍了在一个四工位打标机项目中,如何利用西门子S7-1200 PLC和威纶触摸屏进行多工位设备联调。主要内容涵盖四个方面:一是步进电机四轴协同控制,通过MC_Power、MC_MoveRelative等指令实现精确运动控制,并强调了轴同步启动的重要性;二是Modbus485轮询四台变频器,构建了完整的轮询状态机,解决了时序控制和报文粘连的问题;三是上位机拍照控制,通过TCP/IP通信实现了相机控制和图像数据接收,解决了TCP粘包问题;四是多工位联动,采用了状态矩阵法管理和协调各个工位的状态变化,确保系统的稳定性和可靠性。此外,还分享了一些调试经验和常见问题的解决方案,如接地处理、通讯线布线等。 适用人群:从事自动化控制系统设计、安装和维护的技术人员,尤其是对西门子PLC和威纶触摸屏有一定了解的工程师。 使用场景及目标:适用于需要进行多工位设备联调的自动化生产线项目,旨在提高设备间的协作效率,减少调试时间和成本,确保系统的稳定运行。 其他说明:文中提供了大量实际项目的代码片段和技术细节,有助于读者更好地理解和应用于实际工作中。同时,作者还分享了许多宝贵的调试经验和注意事项,对于新手来说是非常有价值的参考资料。

    三相并网逆变器中单矢量模型预测控制(MPC)的应用与优化

    内容概要:本文详细介绍了将模型预测控制(MPC)应用于三相并网逆变器的技术细节及其优化方法。首先对比了传统PI控制与MPC的区别,指出MPC能够更好地应对电网扰动。接着展示了MPC的核心算法,包括电压矢量的选择、预测模型的建立以及代价函数的设计。文中提到通过Clarke变换简化计算,并引入在线参数辨识提高预测准确性。此外,针对电网电压畸变等问题进行了改进,加入了谐波补偿项。硬件实测表明,MPC在电流跟踪精度和响应速度方面表现优异,特别是在电网电压突变情况下仍能保持稳定。 适合人群:从事电力电子、自动化控制领域的研究人员和技术人员,尤其是对三相并网逆变器感兴趣的专业人士。 使用场景及目标:适用于希望提升三相并网逆变器控制性能的研究项目或工业应用。主要目标是在保证高效能量传输的同时,减少开关损耗并提高系统的抗干扰能力。 其他说明:文章提供了丰富的代码片段和实践经验分享,有助于读者深入理解MPC的工作原理及其在实际工程中的应用技巧。同时强调了调参过程中的一些注意事项,如电感参数的影响、代价函数权重的选择等。

    基于新型趋近律的永磁同步电机(PMSM)滑模控制优化及其Python/MATLAB实现

    内容概要:本文详细探讨了针对永磁同步电机(PMSM)的传统滑模控制存在的抖振问题,并提出了一种基于新型趋近律的改进方案。文中首先介绍了新型趋近律的数学表达式及其物理意义,强调了参数γ和α对系统性能的影响。随后展示了Python和MATLAB两种环境下的实现代码,包括q轴电流控制器的设计、滑模面的构建以及控制律的具体实现。此外,文章还讨论了参数调试技巧、积分项处理方式、抗饱和措施等实用经验,并通过仿真和实验数据证明了改进方案的有效性。 适合人群:从事电机控制研究的技术人员、自动化领域的研究生及以上学历的研究者。 使用场景及目标:适用于需要提高PMSM控制系统稳定性和鲁棒性的场合,如工业自动化设备、电动汽车等领域。主要目标是减少抖振、提升响应速度并改善系统的总体性能。 其他说明:文中提供了大量具体的代码实例和调试建议,有助于读者快速理解和掌握新型趋近律的应用方法。同时指出了一些常见的陷阱和注意事项,为实际项目实施提供指导。

    基于Q-Learning的三维路径规划算法实现与应用-Python TensorFlow

    内容概要:本文详细介绍了如何使用Q-learning算法在三维环境中实现路径规划。首先构建了一个三维网格世界作为环境,其中包含了障碍物的设定。然后实现了Q-learning算法的核心部分,即QAgent类,负责根据当前状态选择最佳行动并更新Q值。为了提高效率,采用了字典形式的稀疏存储方式来记录状态-动作对的价值。此外,还设计了合理的奖励机制,如成功到达终点给予正向激励,碰到障碍物则给予负向反馈。同时提供了保存和加载训练成果的功能,以便后续复用。最后通过Matplotlib进行了可视化展示,直观呈现了智能体的学习过程及其最终形成的最优路径。 适合人群:对机器学习特别是强化学习感兴趣的开发者,以及从事机器人导航、自动驾驶等领域研究的专业人士。 使用场景及目标:适用于需要解决复杂环境下路径规划问题的应用场合,比如无人机飞行路径规划、室内机器人行走路线设计等。目的是使智能体能够在未知环境中自主寻找从起始位置到目标位置的安全路径。 其他说明:文中提到的方法虽然简单易懂,但在面对更大规模或连续性的环境时可能存在性能瓶颈。对于这类情况,可以考虑采用深度强化学习方法进一步改进。

    Matlab实现CPO-BP冠豪猪算法(CPO)优化BP神经网络时间序列预测的详细项目实例(含完整的程序,GUI设计和代码详解)

    内容概要:本文档详细介绍了如何使用Matlab实现CPO-BP冠豪猪算法(CPO)优化BP神经网络进行时间序列预测。项目背景在于时间序列预测的重要性及其面临的挑战,如数据噪声、非线性特征和BP神经网络易陷入局部最优解等问题。文中阐述了CPO优化BP神经网络的方法,通过CPO算法的全局搜索能力,提高了BP神经网络的预测精度和收敛速度。项目涵盖了从数据预处理、CPO算法优化、BP神经网络训练到预测的全过程,并提供了详细的代码示例。此外,项目还包括了GUI设计、模型评估、防止过拟合、参数调整等多个方面,确保模型的有效性和实用性。 适合人群:具备一定编程基础,熟悉Matlab和神经网络基础知识的研发人员,特别是从事时间序列预测研究和技术开发的专业人士。 使用场景及目标:①适用于金融、经济、电力需求、天气预报、医疗健康等多个领域的实际时间序列预测问题;②通过CPO优化BP神经网络,提高预测精度和模型收敛速度;③提供完整的代码实现和GUI界面,方便用户进行数据处理、模型训练和结果展示。 其他说明:项目不仅关注技术实现,还强调了实际应用中的注意事项,如数据质量、模型参数调优、算法收敛性、计算资源等。此外,项目提出了未来的改进方向,如引入深度强化学习、多模型集成、非平稳时间序列支持等,以进一步提升模型的性能和适应性。

    基于相位逗留原理的非线性调频(NLFM)信号matlab仿真(附源码)

    现将 POSP 的设计步骤总结如下:首先以选定的窗函数作为 NLFM 信号的功 率谱函数,然后通过积分可以求得其 NLFM 信号的群时延函数,然后再通过对群时 延函数取反,便可以得到 NLFM 信号的调频函数,在取反函数的过程中可能会用到 多项式拟合、三次样条插值法、正切函数逼近法以及初等函数分段拟合等手段,在 得到调频函数之后,对其积分,得到 NLFM 信号的相位函数 clc clear all close all % 参数设置 T = 10e-6; % 脉冲宽度10微秒 B = 20e6; % 带宽20MHz Fs = 2 * B; % 采样率40MHz N_samples = round(T * Fs); % 总采样点数 t_axis = linspace(-T/2, T/2, N_samples); % 时间轴[-T/2, T/2] % 生成频率轴[-B/2, B/2] f_axis = linspace(-B/2, B/2, N_samples); % 生成Hamming窗作为功率谱 S_f = hamming(N_sampl

    基于SpringBoot的在线学习系统:视频管理、积分排行与安全防护的关键实现

    内容概要:本文详细介绍了使用SpringBoot构建在线学习系统的具体实现和技术要点。首先探讨了视频管理功能,采用MinIO进行对象存储,确保视频文件的安全性和高效管理。接着讲解了积分排行榜的实现,利用Redis的ZSet结构提高查询效率并保持实时性。同时强调了系统安全性的多个方面,如防止XSS攻击、敏感词过滤以及权限控制机制。此外,还分享了一些实用技巧,如文件下载时避免内存溢出、视频播放的分片传输、以及使用FFmpeg优化视频格式等。 适合人群:具有一定Java开发经验,特别是熟悉Spring框架的开发者,以及希望深入了解在线教育平台架构设计的技术爱好者。 使用场景及目标:适用于正在开发或维护在线教育平台的技术团队,旨在提升系统的稳定性和用户体验。主要目标包括:实现高效的视频上传和播放、构建高性能的积分系统、保障系统的安全性。 其他说明:文中不仅提供了具体的代码示例,还分享了许多实践经验,帮助读者更好地理解和应用相关技术。对于想要深入研究SpringBoot及其生态系统的人来说,是一份非常有价值的参考资料。

Global site tag (gtag.js) - Google Analytics