Spring Boot (9):AOP实战经验

1 概述

          介绍完Spring AOP所具备的功能特性,接下来,看一下再应用程序中使用AOP时应该遵循哪些最佳实践。

2 活用切点表达式

        Spring AOP的一大特色在于在开发人员提供了非常灵活的切点机制。Spring在编译期间处理切入点,并尝试进行优化匹配。然后,检查代码中的匹配规则将是一个代价高昂的过程。因此,为了获得最佳性能,需要仔细考虑想要实现的目标,并尽可能缩小搜索或匹配条件的范围。在前面已经看到过一个切点表达式,如下:

@Pointcut("execution(* com.jay.aop.service.AccountService.doAccountTransaction(..))")
    public void doAccountTransaction(){

    }

        在这里的execution()代表的就是表达式的主体,它的基本语法如下,其中“?”部分表示可选项。

execution(modifiers-pattern? ret-type-pattern declaring-type-pattern?name-pattern(paramPattern)throws-pattern?)                

        这个表达式看似复杂,但是逐步分解所有的模式,它们其实就是描述了一个方法的特征。

        modifiers-pattern:表示方法的修饰符

        ret-type-pattern:表示方法的返回值

        declaring-type-pattern:表示方法所在的类的路径

        name-pattern:表示方法名

        param-pattern:表示方法的参数

        throws-pattern:表示方法抛出异常。

        这些模式的作用就是完成切点的匹配。在各个模式中,可以使用"*"来表示匹配所有选项。Spring AOP还为开发人员提供了一组非常有用的描述符来简化切点表达式的使用过程。例如,args描述符表示方法的参数属于一个特定的类;within描述符表示方法属于一个特定类;target描述符表示方法所属的类等。

        为了获得良好的性能,在设计切点表达式时,至少应该包含方法和类型模式。这并不是说如果只使用方法或类型模式中的一种,匹配就会不生效,而是因为类型模式的匹配过程非常快,它通过快速选择无法进一步处理的连接点来缩小搜索空间。同时,建议在空方法上声明切点,并通过空方法引用这些切点。

        另一种最佳实践在于尽量声明小的切点,并把它们组合起来构建复杂的切点。下面代码展示了定义小切点并将它们连接起来的代码实例。

@Pointcut("execution(public * *(..))")
	private void anyPublicMethod(){}
	
	@Pointcut("execution(* com.jay.aopproxy.service.impl.AccountServiceImpl.doAccountTransaction(..))")
	public void doSomething(){}
	
	@Pointcut("anyPublicMethod() && doAccountTransaction()")
	private void transactionOperation(){}

        这里的transactionOperation()就是由anyPublicMethod()和doAccountTransaction()这两个切点组合而成的。

3 Spring AOP面试题分析

3.1 Spring AOP是基于什么技术体系实现的?

        解答:Spring AOP的实现依赖代理机制。代理机制在具体实现上一般有两种方式,一种是静态代理机制,一种是动态代理机制。Spring AOP基于动态代理模式提供了面向切面机制。

3.2 Spring AOP提供了那些类型的通知机制?

        解答:Spring AOP的通知机制类型非常丰富,开发人员可以在方法执行之前、之后、前后、返回以及抛出异常时实现各种自定义的通知逻辑。而且,Spring AOP实现通知的方式使用注解来标记,这些注解包括@Before、@After、@Around、@AfterReturning和@AfterThrowing等,分别对应于方法执行的各个阶段。

3.3 Spring AOP使用了哪几种动态代理机制?性能上哪种更优?

        解答:常见的动态代理实现技术包括JDK自带的代理类、第三方的CGLIB和javassist。Spring AOP使用的是JDK和CGLIB。从性能上讲,JDK动态代理效率高于CGLIB。

3.4 如果想要在一个类的内部方法实现AOP,有什么办法?

        解答:关于Spring AOP有一点需要注意,只能在方法的调用过程中嵌入通知机制。这是一个很重要的限制,会导致对同一个类中的内部方法无法有效地实施动态代理。这是用可以使用Spring AOP提供的AopContext上下文对象来获取当前的AOP代理。AopContext是一个非常有用的工具类,想要获取该类,需要确保ProxyFactoryBean的exposeProxy属性被设置为true。

3.5 如果想要基于Spring AOP实现对切点的精细化管理,有什么策略?

        解答:Spring AOP创建切点的方式是非常灵活的,Spring专门提供了一个execution()配置方法。可以根据方法的修饰符、返回值、类路径、方法名、方法参数以及异常信息来设置方法调用与切点的匹配规则。这是实现精细化管理的一个维度。

        第二个精细化管理的维度是设置切点的粒度。可以尽量声明小的切点,并把它们组合起来构建复杂的切点。这样,切点之间就具备了灵活的可重用性以及组合性。

       

  • 30
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    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
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

geminigoth

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