[GN] 自定义注解实现

文章介绍了如何通过切面编程在SpringMVC中实现HandlerMethodArgumentResolver接口,以@SysLog注解记录系统日志,并利用@LoginUser注解定制登录用户参数的解析逻辑。
摘要由CSDN通过智能技术生成


切面方式

  1. 定义@SysLog注解
@Target(ElementType.METHOD)
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface SysLog {

	String value() default "";
}

  1. 实现切面类
/**
 * 系统日志,切面处理类
 *
 */
@Aspect
@Component
public class SysLogAspect {
	@Autowired
	private SysLogService sysLogService;
	
	@Pointcut("@annotation(io.acm.common.annotation.SysLog)")
	public void logPointCut() { 
		
	}

    /**
    *通过@Pointcut注解定义了一个切点,用于匹配所有标记有@SysLog注解的方法。
	*around方法使用@Around注解,表示环绕通知,在方法执行前后都会执行。在方法执行前后分别记录时间并保存系统日志。
    */
	@Around("logPointCut()")
	public Object around(ProceedingJoinPoint point) throws Throwable {
		long beginTime = System.currentTimeMillis();
		//执行方法
		Object result = point.proceed();
		//执行时长(毫秒)
		long time = System.currentTimeMillis() - beginTime;

		//保存日志
		saveSysLog(point, time);

		return result;
	}

    /**
    *通过反射获取方法上的@SysLog注解的值,并记录为操作内容。
    */
	private void saveSysLog(ProceedingJoinPoint joinPoint, long time) {
        
		MethodSignature signature = (MethodSignature) joinPoint.getSignature();
		Method method = signature.getMethod();

		SysLogEntity sysLog = new SysLogEntity();
		SysLog syslog = method.getAnnotation(SysLog.class);
		if(syslog != null){
			//注解上的描述
			sysLog.setOperation(syslog.value());
		}

		//请求的方法名
		String className = joinPoint.getTarget().getClass().getName();
		String methodName = signature.getName();
		sysLog.setMethod(className + "." + methodName + "()");

		//请求的参数
		Object[] args = joinPoint.getArgs();
		try{
			String params = new Gson().toJson(args);
			sysLog.setParams(params);
		}catch (Exception e){

		}

		//获取request
		HttpServletRequest request = HttpContextUtils.getHttpServletRequest();
		//设置IP地址
		sysLog.setIp(IPUtils.getIpAddr(request));

		//用户名
		String username = ((SysUserEntity) SecurityUtils.getSubject().getPrincipal()).getUsername();
		sysLog.setUsername(username);

		sysLog.setTime(time);
		sysLog.setCreateDate(new Date());
		//保存系统日志
		sysLogService.save(sysLog);
	}
}

实现了Spring框架HandlerMethodArgumentResolver接口

1.定义注解

@Target(ElementType.PARAMETER)
@Retention(RetentionPolicy.RUNTIME)
 public @interface LoginUser {
}
  1. 当有请求到达Spring MVC的Controller层,并且该请求对应的方法中存在使用@LoginUser注解的AppUserEntity类型的参数时。Spring框架会自动调用LoginUserHandlerMethodArgumentResolver中的方法来解析并注入当前登录用户的信息。
@Component
public class LoginUserHandlerMethodArgumentResolver implements HandlerMethodArgumentResolver {
	 @Override
    public boolean supportsParameter(MethodParameter parameter) {
        return parameter.getParameterType().isAssignableFrom(AppUserEntity.class) && parameter.hasParameterAnnotation(LoginUser.class);
    }

    @Override
    public Object resolveArgument(MethodParameter parameter, ModelAndViewContainer container,
                                  NativeWebRequest request, WebDataBinderFactory factory) throws Exception {
        //获取用户ID
        Object object = request.getAttribute(AuthorizationInterceptor.USER_KEY, RequestAttributes.SCOPE_REQUEST);
        if (object == null) {
            return null;
        }
        AppUserEntity userInfo = redisUtils.get("userId:" + object, AppUserEntity.class);
        if (userInfo != null) {
            return userInfo;
        }
        //重新获取用户信息
        AppUserEntity user = userService.getById((Long) object);
        redisUtils.set("userId:" + object, user, 7200);
        return user;
    }
}
  • HandlerMethodArgumentResolver是Spring MVC中的一个接口,用于解析方法参数并将解析后的结果注入到Controller方法中。 所以可通过实现HandlerMethodArgumentResolver接口来定义自己的参数解析器,实现自定义的参数解析逻辑
  • 6
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
GN算法是一种基于图论的社团发现算法,其实现主要包括以下几个步骤: 1. 读取图数据并构建邻接矩阵 2. 计算每个节点的度数 3. 初始化每个节点的社区为其自身 4. 对每条边进行计算,计算边的介数,并将介数最大的边移除 5. 更新节点的社区,合并介数最大的边所连接的两个社区 6. 重复步骤4和5,直到没有边可以移除为止 下面是基于Python实现GN算法的代码示例: ```python import numpy as np # 构建邻接矩阵 def build_adjacency_matrix(data): num_nodes = max([max(item) for item in data]) + 1 adjacency_matrix = np.zeros((num_nodes, num_nodes)) for item in data: adjacency_matrix[item[0], item[1]] = 1 adjacency_matrix[item[1], item[0]] = 1 return adjacency_matrix # 计算节点的度数 def compute_degree(adjacency_matrix): num_nodes = adjacency_matrix.shape[0] degree = np.sum(adjacency_matrix, axis=1) return degree # 初始化节点的社区 def init_community(num_nodes): community = np.arange(num_nodes) return community # 计算边的介数 def compute_betweenness_centrality(adjacency_matrix): num_nodes = adjacency_matrix.shape[0] betweenness_centrality = np.zeros((num_nodes, num_nodes)) for i in range(num_nodes): for j in range(num_nodes): if adjacency_matrix[i, j] == 1: betweenness_centrality[i, j] = 1 betweenness_centrality[j, i] = 1 for k in range(num_nodes): for i in range(num_nodes): for j in range(num_nodes): if i != j and i != k and j != k: if betweenness_centrality[i, j] == 0 and adjacency_matrix[i, k] * adjacency_matrix[k, j] != 0: betweenness_centrality[i, j] = betweenness_centrality[i, k] * betweenness_centrality[k, j] elif adjacency_matrix[i, k] * adjacency_matrix[k, j] != 0: betweenness_centrality[i, j] += betweenness_centrality[i, k] * betweenness_centrality[k, j] return betweenness_centrality # 合并社区 def merge_community(community, community_1, community_2): for i in range(len(community)): if community[i] == community_2: community[i] = community_1 return community # GN算法 def gn_algorithm(data): # 构建邻接矩阵 adjacency_matrix = build_adjacency_matrix(data) # 计算节点的度数 degree = compute_degree(adjacency_matrix) # 初始化节点的社区 community = init_community(adjacency_matrix.shape[0]) # GN算法迭代 while np.sum(adjacency_matrix) != 0: # 计算边的介数 betweenness_centrality = compute_betweenness_centrality(adjacency_matrix) # 获取介数最大的边 max_index = np.unravel_index(np.argmax(betweenness_centrality), betweenness_centrality.shape) # 移除介数最大的边 adjacency_matrix[max_index[0], max_index[1]] = 0 adjacency_matrix[max_index[1], max_index[0]] = 0 # 更新社区 community = merge_community(community, community[max_index[0]], community[max_index[1]]) return community ``` 该代码实现GN算法的主要步骤,并在每次迭代中移除介数最大的边,并更新节点的社区。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

GGood_Name

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