【机房个人重构】7层——让我们的程序更优美

          上篇文章讲到了3层的应用,而我们的机房是用7层重构的,那么什么是7层?我们为什么要要用7层,下面我来细细分解~


what?

        

     7层就是在3层的基础上,在UI和BLL层之间增添了外观层,来解耦,在BLL和DAL层之间增添了抽象工厂层和接口层解耦。这基于我们学过的设计模式来对3层进行扩充,应用了设计模式进行练习。其实本质上也就是3层的优化。


     下面来看看7层的包图:

      


WHY ?

    添加设计模式、解耦合,易扩展


    外观层解耦UI和BLL,本来一个业务功能,UI直接联系到了BLL层,每个UI连各自的BLL,未免会显得很乱,现在在他们中间添加一个外观层,让UI调用外观层来实现给BLL消息的传递,洪玉的图画的很生动。

    工厂层和接口层也是同样,让BLL通过工厂和接口来实现对DAL的访问,让DAL实现IDAL(接口),也同样易扩展。


WHEN?

    同3层用的时机一样,在大型系统中,需要很多功能来设计维护,那么用3层(7层)就是很好的选择,易扩展,易维护,但是这样的成本就高,在一些简单的小程序里面,可以不用。


HOW?

    具体是怎么实现的呢?下面是我的VB.NET 的代码(以登陆功能为例)

    UI层
    

Imports System.Windows.Forms



Public Class frmLogin

    Private Sub Button1_Click(sender As Object, e As EventArgs) Handles Button1.Click
        '判断信息是否输入完整--------①
        If txtUserName.Text = "" Then
            MsgBox("请输入用户名", MessageBoxButtons.OK, MessageBoxIcon.Exclamation)
            Exit Sub
        End If

        If txtPassword.Text = "" Then
            MsgBox("请输入密码", MessageBoxButtons.OK, MessageBoxIcon.Exclamation)
            Exit Sub
        End If



        Dim fa As New Facade.LoginFacade
        Dim euser As New Entity.LoginInfo


        '把用户输入的信息赋值给实体-------②
        Entity.LoginInfo.USER = txtUserName.Text.Trim
        Entity.LoginInfo.Computer = Environment.MachineName
        euser.Password = txtPassword.Text
        'user.User = txtUserName.Text
        Dim strResult As Boolean
        '调用外观层
        strResult = fa.Login(euser)
        

        '接受返回值,并作出相应动作
        If strResult = False Then
            MsgBox("用户名或密码错误,请重新输入", MessageBoxButtons.OK, MessageBoxIcon.Exclamation)
            txtUserName.Text = ""
            txtPassword.Text = ""
            txtUserName.Select()
            txtUserName.Focus()


            Exit Sub
        Else
            MsgBox("登录成功,欢迎您!", , "温馨提示")
            'Dim frMain As New UI.frmMain
            'frMain.Show()
            frmMain.Show()

        End If
        Dim fa1 As New Facade.LoginFacade


        Dim flag1 As Boolean
        '将外观层传回的boolean给flag
        flag1 = fa1.AddOnlineTeacher


    End Sub
    

    外观层(Facade)

   

Public Class LoginFacade
Public Function Login(ByVal euser As Entity.LoginInfo) As Boolean
        Dim LoginB As New BLL.LoginManager
        Dim flag As Boolean
        '调用BLL层
        flag = LoginB.Login(euser)
        Return flag

    End Function
end class
    

    BLL层

    

Public Class LoginManager
    '执行登陆逻辑,判断登陆的用户名和密码是否存在
    Public Function Login(ByVal euser As Entity.LoginInfo) As Boolean
        '先实例化工厂,到工厂读取配置文件,判断是哪个数据库
        Dim fac As New Factory.LoginFactory

        Dim IUser As IDAL.ILoginUserInfo

        '调用工厂的方法,先连接上数据库,并准备好接口等着sql语句的到来
        IUser = fac.CreateUserDAO
        Dim table As DataTable
        Dim flag As Boolean
        '调用接口来使用DAO(D层),让DAO执行select等sql语句,并将DAO找到的table返回来
        table = IUser.Login(euser)
        Try
            Entity.LoginInfo.TeacherClass = table.Rows(0)(3)
        Catch
            Exit Try
        End Try
        If table.Rows.Count = 0 Then
            flag = False
        Else
            flag = True

        End If
        Return flag
    End Function
     

    工厂层(Factory)

    

Imports System.Reflection
Imports System.Configuration
Public Class LoginFactory
    '读取配置文件
    Dim DB As String = System.Configuration.ConfigurationSettings.AppSettings("DBss")
    Private Shared ReadOnly assemblyName = "DAL"
    Public Function CreateUserDAO() As IDAL.ILoginUserInfo
        '工厂的方法就是调用接口
        Dim className As String = assemblyName + "." + "LoginDAO"
        Return CType(Assembly.Load(assemblyName).CreateInstance(className), IDAL.ILoginUserInfo)

        
    End Function
End Class

   接口层(IDAL)

   

Public Interface ILoginUserInfo

 Function Login(ByVal euser As Entity.LoginInfo) As DataTable

End Interface

   DAL层

   

   

Imports System.Data.SqlClient

Public Class LoginDAO : Implements IDAL.ILoginUserInfo
    '引用sqlhelper
    Private sqlHelper As New SQLHelper.SqlHelper
    ’sql语句实现数据库的访问
    Public Function UserClass(ByVal euser As Entity.LoginInfo) As DataTable Implements IDAL.ILoginUserInfo.UserClass
        Dim sql As String
        '定义参数
        Dim sqlParams As SqlParameter() = {
            New SqlParameter("@UserName", Entity.LoginInfo.USER)}
        sql = "select * from T_User where Chr_UserID=@UserName"
        Dim table As New DataTable
        table = sqlHelper.GetDataTable(sql, CommandType.Text, sqlParams)
        Return table


    End Function
end class
  

    实体层(Entity)

  

    

Public Class LoginInfo
    Public Shared USER As String
    Private _password As String
    Public Shared TeacherClass As String
    Public Shared Computer As String

    Public Property Password As String
        Get
            Return _password
        End Get
        Set(value As String)
            _password = value
        End Set
    End Property

End Class

    这里用shared 定义了几个全局变量,实体就是放置数据的地方,登陆要用到Username 和Password,teacherclass 和 conputer 这几个数据在UI和DAL之间的各层之间传递。


【小结】

    7层并非很难,刚开始的时候,觉得7层很麻烦,不知道怎么传递怎么走通一条线,不过在小伙伴的指导下,断点调试,一步步来分析,自己理清楚了7层走的路线。当实现登陆的时候还是很有成就感的,接下来,就是其他业务的实现,一步步积累进行着。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 19
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论 19
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
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