动态代理初探

代理可以看成一种包装器,通过调用自己的方法来传递函数的调用,在传递过程中,可能会增加一些新的功能。而动态代理,可以使用一个类的一个方法为任意一个类提供多个方法的调用,可以看做是任何接口的一个实现。它将所有的方法调用都路由到一个handler中——invoke()方法。

动态代理可以用于这种情况下,当有多个逻辑相似的代码时,我们可以通过使用动态代理。代理类主要负责为委托类预处理消息、过滤消息、把消息转发给委托类以及事后处理消息等。

如何使用

实现InvocationHandler
在使用动态代理是,所有的方法调用会被转发到一个handler当中,通过实现InvocationHandler接口来实现这种转发。

import java.lang.reflect.InvocationHandler;
import java.lang.reflect.Method;

public class DynamicInvocationHandler implements InvocationHandler {

    @Override
 public Object invoke(Object proxy, Method method, Object[] args) throws Throwable {
        System.out.println("invoke methods" + method.getName());
        return null;
    }
}

上面就是一个简单的代理,当方法被调用时,会打印出调用被代理的方法的名字。

创建Proxy实例

import java.lang.reflect.Proxy;
import java.util.Map;

public class Main {

    public static void main(String [] args){
        Map proxyInstance = (Map) Proxy.newProxyInstance(Main.class.getClassLoader(),new Class[]{Map.class},new DynamicInvocationHandler());
        proxyInstance.put("hello","world");
    }
}

当方法被调用时,此时代理方法会打印出log,即方法的名字“put”。

动态代理在安卓中的使用

假如我们模拟一个简单的网络请求,当我们业务场景需要调用网络请求执行登陆操作的时候,会这样写:

public class UserApi {

    private static final String API_LOGIN = "http://***.***.***";

    private static final Gson sGson = new Gson();

    public static User login(String username, String password) {

        Map<String, Object> params = new HashMap<>();

        params.put("username", username);

        params.put("password", password);

        String response = VirtualHelper.request(API_LOGIN, params);

        //注,这里只是为了举例说明一下,就假设此时的数据结构就是跟User一致的

        return sGson.fromJson(response, User.class);
    }
}

我们使用login方法去进行网络请求,此时,UserApi中又多了register方法,query方法,getToken方法,validate方法…..甚至接下来一个UserApi已经满足不了我们了,我们开始有GoodsApi,OrderApi等等,试想如果有N个Api的类,每个Api类都有N个类似于上面login的这种方法,而实际情况下我们request的入参还远远不止username,password两个这么简单。当我们业务场景扩大的时候,这些都是我们势必要面对的。这是一个问题,能不能去以一种更优雅的方式去解决从而简化业务方的代码量并且降低使用成本呢。这个时候,可以使用动态代理。

动态代理方式去解决

1、先定义两个支持配置的注解

import java.lang.annotation.ElementType;
import java.lang.annotation.Inherited;
import java.lang.annotation.Retention;
import java.lang.annotation.RetentionPolicy;
import java.lang.annotation.Target;

@Inherited
@Target({ElementType.METHOD,ElementType.TYPE})
@Retention(RetentionPolicy.RUNTIME)
public @interface URL {
    String value();
}
import java.lang.annotation.ElementType;
import java.lang.annotation.Inherited;
import java.lang.annotation.Retention;
import java.lang.annotation.RetentionPolicy;
import java.lang.annotation.Target;

@Inherited
@Target(ElementType.PARAMETER)
@Retention(RetentionPolicy.RUNTIME)
public @interface Param {
    String value();
}

上面就是两个可配字符串的注解。

2、定义一套接口

这一步不是必须的,我们完全可以在动态代理中直接显示的调用VirtualHelper类,但既然抽象出来网络Api这块,那就干脆定义一套几口来解耦具体实现

import java.util.Map;

public interface IRequest {
    String url();
    Map<String,Object> params();
    Class<?> responseCls();
}
import java.util.Map;

public class Request implements IRequest{
    String url;
    Map<String,Object> params;
    Class<?> responseCls;

    public Request(String url, Map<String, Object> params, Class<?> responseCls) {
        this.url = url;
        this.params = params;
        this.responseCls = responseCls;
    }

    @Override
    public String url() {
        return url;
    }

    @Override
    public Map<String, Object> params() {
        return params;
    }

    @Override
    public Class<?> responseCls() {
        return responseCls;
    }
}

上面这是请求接口和实现类。

public interface INetExecutor {

    <T> T execute(IRequest request);
}
import com.google.gson.Gson;

public class DefaultNetExecutor implements INetExecutor {
    private static final Gson sGson = new Gson();

    @Override
 public <T> T execute(IRequest request) {
        String response = VirtualHelper.request(request.url(),request.params());
        return (T) sGson.fromJson(response,request.responseCls());
    }
}

这个是网络执行器已经默认的实现方式,主要是抽献出接口可以让也无妨自主定制真正的执行操作。

3、动态代理器

import android.text.TextUtils;

import java.lang.annotation.Annotation;
import java.lang.reflect.InvocationHandler;
import java.lang.reflect.Method;
import java.lang.reflect.Proxy;
import java.util.HashMap;
import java.util.Map;

@SuppressWarnings("unchecked")
public class ApiGenerator {
    private static final Map<Class,Object> sApiCache = new HashMap<>();

    private static INetExecutor sNetExecutor;

    private static class Handler<T> implements InvocationHandler{
        private Class<T> apiInterface;
        public Handler(Class<T> apiInterface){
            this.apiInterface = apiInterface;
        }

        @Override
 public Object invoke(Object o, Method method, Object[] objects) throws Throwable {
            IRequest request = resolveRequest(method,objects,apiInterface);
            if (sNetExecutor == null){
                sNetExecutor = defaultNetExecutor();
            }
            return sNetExecutor.execute(request);
        }
    }


    private static <T> IRequest resolveRequest(Method method,Object[] args,Class<T> apiInterface){
        StringBuilder urlBuilder = new StringBuilder();
        Map<String,Object> params = null;

        if (apiInterface.isAnnotationPresent(URL.class)){
            String baseUrl = apiInterface.getAnnotation(URL.class).value();
            if (!TextUtils.isEmpty(baseUrl)){
                urlBuilder.append(baseUrl);
            }
        }

        if (method.isAnnotationPresent(URL.class)){
            String subUrl = method.getAnnotation(URL.class).value();
            if (!TextUtils.isEmpty(subUrl)){
                urlBuilder.append(subUrl);
            }
        }

        int index = 0;
        for (Annotation[] annotations : method.getParameterAnnotations()){
            for (Annotation annotation : annotations){
                if (annotation instanceof Param){
                    String key = ((Param) annotation).value();
                    if (!TextUtils.isEmpty(key)){
                        if (params == null){
                            params = new HashMap<>();
                        }
                        params.put(key,args[index]);
                    }
                    break;
                }
            }
            index++;
        }

        return new Request(urlBuilder.toString(),params,method.getReturnType());

    }

    private static INetExecutor defaultNetExecutor(){
        return new DefaultNetExecutor();
    }

    public static <T> T generateApi(Class<T> apiInterface){
        if (apiInterface == null || !apiInterface.isInterface()){
            throw new RuntimeException("the apiInterface is null or isn`t interface.");
        }
        synchronized (ApiGenerator.class){
            Object api = sApiCache.get(apiInterface);
            if (api == null){
                api = Proxy.newProxyInstance(apiInterface.getClassLoader(),
                        new Class[]{apiInterface},
                        new Handler<>(apiInterface));
                sApiCache.put(apiInterface,api);
            }
            return (T) api;
        }
    }

    public static void setsNetExecutor(INetExecutor sNetExecutor) {
        ApiGenerator.sNetExecutor = sNetExecutor;
    }
}

我们可以看一下ApiGenerator这个类有个sApiCache的静态变量,他缓存了动态代理生成的对象,这里这样做还是很有必要的,防止重复创建Api的代理类造成额外的性能消耗。

4、如何使用

@URL("http://balabala")
public interface LoginApi {
    User login(@Param("username") String username, @Param("passwrod") String password);
}

这个是业务方要写的接口,以及对应的一些注解配置。

5、模拟网络请求

import android.support.v7.app.AppCompatActivity;
import android.os.Bundle;
import android.view.View;
import android.widget.Toast;

public class MainActivity extends AppCompatActivity {

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        findViewById(R.id.button).setOnClickListener(new View.OnClickListener() {
            @Override
            public void onClick(View view) {
                LoginApi loginApi = ApiGenerator.generateApi(LoginApi.class);
                User user = loginApi.login("123","456");
                Toast.makeText(MainActivity.this,user.toString(),Toast.LENGTH_SHORT).show();
            }
        });
    }
}
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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