model driven 更新实体 外键集合丢失问题

在使用ssh框架开发web的时候,有的时候使用model driven方式接收参数,在通常情况下没有什么问题。当执行更新操作的时候,由于执行update的时候,实体的外键关系,容易被删除掉,这个问题需要注意。例如
有用户表User和用户组表UserGroup
User(id,name,userGroupId)
UserGroup(id,name)

public class UserGroup {

private int id;
private String name;
private List<User> user;
public int getId() {
return id;
}
public void setId(int id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}

@OneToMany(fetch=FetchType.LAZY,mappedBy="userGroup")
public List<User> getUser() {
return user;
}
public void setUser(List<User> user) {
this.user = user;
}
}



public class User {

private int id;
private String name;
private UserGroup userGroup;

@Id
@GeneratedValue
public int getId() {
return id;
}
public void setId(int id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}

@ManyToOne(fetch=FetchType.LAZY)
@JoinColumn(name="userGroupId")
public UserGroup getUserGroup() {
return userGroup;
}
public void setUserGroup(UserGroup userGroup) {
this.userGroup = userGroup;
}
}


那么在更新UserGroup的时候就需要注意,如果jsp页面上只显示并可以修改UserGroup的name字段,那么在更新UserGroup的时候,就可能会同时删除该用户组下的所有用户。
原因是由于使用Model Driven方式的时候,jsp页面传值时获取到的实体,并不是从数据库中得到的,而是new出来的,jsp页面没有传值,则实体的对应的List属性为空,在hibernate执行update方式的时候,会将对应的改组的用户删除。


解决办法
update之前,先从数据库中载入对应主键的实体,将出去特殊字段的属性,从model driven的那个实体,转移到数据库中获取到的时候中取,然后update从数据库中载入的实体,即可完成更新操作。并且这种综合性的方法,完全可以放入一个BaseDao的基类中,这样,各个实体的操作都可以完成。(注:本例子中还是假定了每个实体都有一个id字段,并且都是主键,当然,也可以根据具体的项目使用实例方式(注解、xml配置),反射或是通过xml配置文件直接获取到主键)

@Component
public class BaseDao extends HibernateDaoSupport{

@Resource(name="sessionFactory")
public void setHibernateTemplate(SessionFactory sessionFactory) {
super.setSessionFactory(sessionFactory);
}

public boolean update(Object obj){
boolean result = false;
try {
//根据主键加载对应实体
Object dbObj = getHibernateTemplate().get(obj.getClass(), Integer.parseInt(obj.getClass().getDeclaredMethod("getId").invoke(obj, new Object[]{}).toString()));
Method[] allMethod = obj.getClass().getDeclaredMethods();


Map<String, Method> allGetMethod = new HashMap<String, Method>();
Map<String, Method> allSetMethod = new HashMap<String, Method>();
for(int i = 0; i < allMethod.length; i++){
Method method = allMethod[i];
if(method.getName().startsWith("get")){
allGetMethod.put(method.getName().substring(3), method);
}else if(method.getName().startsWith("set")){
allSetMethod.put(method.getName().substring(3), method);
}
}

//将model driven的实体属性赋值给从数据库载入的实体(List、Set属性除去)
for(int i = 0; i < allMethod.length; i++){
Method method = allMethod[i];
if(method.getName().startsWith("set")){
Class[] paraType = method.getParameterTypes();
if(paraType.length > 0){
if(paraType[0] != List.class && paraType[0] != Set.class){
method.invoke(dbObj, new Object[]{allGetMethod.get(method.getName().substring(3)).invoke(obj, new Object[]{})});
}
}
}
}
getHibernateTemplate().update(dbObj);
} catch (DataAccessException e) {
e.printStackTrace();
} catch (IllegalArgumentException e) {
e.printStackTrace();
} catch (SecurityException e) {
e.printStackTrace();
} catch (IllegalAccessException e) {
e.printStackTrace();
} catch (InvocationTargetException e) {
e.printStackTrace();
} catch (NoSuchMethodException e) {
e.printStackTrace();
}
return result;
}
}


画两个图,说明一下:
普通model driven方式更新

[img]http://dl.iteye.com/upload/attachment/499283/7aac24e9-6191-32f3-9959-f74b9b61a5fd.jpg[/img]


加入自定义载入步骤后的model driven方式更新

[img]http://dl.iteye.com/upload/attachment/499285/b441d33c-5b82-3f62-bddd-299a4d45139d.jpg[/img]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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
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