巧用 Hibernate 中的 inverse 与 cascade

1 篇文章 0 订阅
1 篇文章 0 订阅

废话不说,直接讲解。

基于 用户------角色------权限模块讲解(配置都是多对多)

1、配置文件
User.xml
<!-- User与角色的多对多 -->
		<set name="roles" table="TB_USER_ROLE" fetch="join" 
			inverse="false"><!-- 中间表 -->
			<key column="USER_ROLE_ID" />
			<many-to-many class="com.scb2b.role.model.Role" column="ROLE_ID" />
		</set>

Role.xml
<!-- 角色与用户的多对多 -->
		<set name="users" table="TB_USER_ROLE" inverse="false"><!-- 中间表 -->
			<key column="ROLE_ID" />
			<many-to-many class="com.scb2b.user.model.User" column="USER_ROLE_ID" />
		</set>
		<!-- 用户与权限多对多 -->
		<set name="funtion" table="TB_FUNTION_ROLE" fetch="join" inverse="false"><!-- 
				中间表 -->
			<key column="ROLE_ID" />
			<many-to-many class="com.scb2b.funtion.model.Funtion"
				column="FUNTION_ID" />
		</set>

Funtion.xml
<!-- 角色与权限的多对多 -->
		<set name="roles" table="TB_FUNTION_ROLE" inverse="false" lazy="false"><!-- 
				中间表 -->
			<key column="FUNTION_ID" />
			<many-to-many class="com.scb2b.role.model.Role" column="ROLE_ID" />
		</set>


2、基本讲解

大家仔细观察,都只配置了   inverse="false"  ,没有配置cascade的任何属性,cascade的默认是 “none”。

其实 inverse 的默认属性也是 false,可以不用配置,只是我这里为了大家确认下配置,直观给大家看。

inverse="false"  的作用:管理中间表。

3、实现了的效果(多对多)

删除一方,不删除多方。

控制台:
Hibernate: delete from TB_USER_ROLE where ROLE_ID=?
Hibernate: delete from TB_ROLE where ROLE_ID=?

缺点:当修改了角色后,User里的角色就会消失
Hibernate: update TB_ROLE set ROLE_NAME=?, ROLE_DESCRIBE=? where ROLE_ID=?
仔细看看,是不是只更改了角色表!
那为什么 User里的角色会消失掉了呢,
原因很简单,因为从jsp 页面修改数据时,Action接到的是 String类型。
那么Set<User>自然为空了。
所以就会出现以上的情况了。

解决办法:

在查找要修改的角色中时,先把该角色中的 Set<User> 的值存到 Session中,
等到获取到修改的数据和执行SQL语句前,
再把Session的Set<User> 赋值给 Role 中的 Set<User>。

RoleAction.java
	/*
	 * 根据Id查找
	 */
	public String findRoleId() throws Exception{
		int id=Integer.parseInt(request.getParameter("id"));
		try {
	System.out.println(id);
			role=roleService.getRoleById(id);
			//先保存当前的权限
			Set<Funtion> roleFuntionSet = role.getFuntion();
			session.put("roleFuntionSet", roleFuntionSet);
			//先保存当前的User
			Set<User> roleUserSet = role.getUsers();
			session.put("roleUserSet", roleUserSet);
		} catch (Exception e) {
			e.printStackTrace();
		}
		return "roleId";
	}
	
	/*
	 * 修改
	 */
	public String updateRole() throws Exception{
		
		try{
			role.setFuntion((Set<Funtion>)session.get("roleFuntionSet"));//取回权限
			session.remove("roleFuntionSet");//去掉Session
			role.setUsers((Set<User>)session.get("roleUserSet"));//取回User
			session.remove("roleUserSet");//去掉Session
			
			session.remove("roleFuntionSet");
			roleService.updateRole(role);
		}catch (Exception e) {
			e.printStackTrace();
		}
		return SUCCESS;
	}

权限那边也是这样搞。


关于inverse 与 cascade 的详细解决,看看这里,是我从博客园找的。
感谢这位大神、感谢博客园、感谢谷歌。

总结:

弄这个东西足足弄了半天,从开始的到处报错,什么找到子项不给删除,到现在什么样的效果配置都很顺手就可以配置了,

从原来的没有看控制台的输出 Sql 的语句,到现在的很很注意观察 语句。

所以说学一样东西不能放弃,要坚持。

我一直信奉一句话:

没有效果是技术弄不来的,只要思想能通就可以了!

一个方法不行就换个思路。

以上只是个人扯谈,勿喷。

欢迎交流,齐齐分享,齐齐进步,早日成为大神。


搞定!收工。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间的非线性问题转换为高维空间的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其RBF核函数被广泛应用于非线性问题,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
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