动态代理和nanning AOP(1)

            动态代理和nanning AOP

                                     

关键字:  AOP  Nanning   Dynamic proxy AOP 动态代理

大家知道AOP编程目前有三种途径:

1、               类似AspectJ,使用特定的语法将代码插入到相应代码中的过程,一般是编译完成在编译时修改java类代码实现,interception and introduct 等,;

2、               类似 JbossAOP ,在类加载时利用反射机制实现AOP的功能;

3、               类似nanning(南宁)使用java 动态代理。

 

动态代理的定义如下:

http://java.sun.com/j2se/1.3/docs/guide/reflection/proxy.html

A dynamic proxy class is a class that implements a list of interfaces specified at runtime such that a method invocation through one of the interfaces on an instance of the class will be encoded and dispatched to another object through a uniform interface.

也就是说要用动态代理,那么一个类的行为需要实现统一的一个或多个接口才能实现,当这个类实例的方法被调用的时候,可以对之进行一些拦截处理。

举例如下:

接口类:

public interface Foo {

     Object bar(Object obj) throws BazException;

}

实现类:

public class FooImple implements Foo {

    public Object bar(Object obj) throws BazException {

       return obj;

        // ...

    }

}

动态代理类的实现:

import java.lang.reflect.InvocationTargetException;

import java.lang.reflect.Method;

public class DebugProxy implements java.lang.reflect.InvocationHandler {

    private Object obj;

    public static Object newInstance(Object obj) {

       return java.lang.reflect.Proxy.newProxyInstance(obj.getClass()

              .getClassLoader(), obj.getClass().getInterfaces(),

              new DebugProxy(obj));

    }

    private DebugProxy(Object obj) {

       this.obj = obj;

    }

    public Object invoke(Object proxy, Method m, Object[] args)

           throws Throwable {

       Object result;

       try {

           System.out.println("before method " + m.getName());

           result = m.invoke(obj, args);

       } catch (InvocationTargetException e) {

           throw e.getTargetException();

       } catch (Exception e) {

           throw new RuntimeException("unexpected invocation exception: "

                  + e.getMessage());

       } finally {

           System.out.println("after method " + m.getName());

       }

       return result;

    }

}

测试类:

public class test { 

    public static void main(String[] args) throws BazException {

       Foo foo = (Foo) DebugProxy.newInstance(new FooImple());

       foo.bar(null);

    }

}

运行效果如下:

before method bar

after method bar

 

可以看到:执行     foo.bar(null); 的时候,动态代理实现了对这个方法调用前和调用后的拦截。

 

方法拦截 interception AOP的特点之一。

       基于动态代理的AOP实现一般是轻量级AOP Framewrok的首选,比如:nanning springframework

    下文我们介绍nanning aop 的实现。

 

参考资料

http://www.csdn.net/develop/article/24/24445.shtm

 

作者:田春峰

专栏地址:http://www.csdn.net/develop/author/NetAuthor/accesine960/

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JCJC错别字检测-田春峰

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值