EJB 3.0持久化规范之实体类的要求

http://dev.yesky.com/364/2697864.shtml  作者:Janty_wei

 实体是一个可持久化的域对象。程序出来产物就是实体类,实体类可以作为一个辅助类,如可作为一个实体类的助手类或者作为代表实体类的状态的类。

 

  实体类的要求

  ·实体类必须用entity标识符来声明,或者在配制文件中指明某个类为实体类。

  ·实体类必须有一个无参数的构造器。它也可以有其他的构造器。这个无参数的构造器必须是public或protected的。

  ·如果实体实例作为一个分离对象按值传递(如通过一个远程接口),则实体类必须实现serializable接口。

  ·实体类不允许是final的,它的所有方法都不允许是final的。

  ·实体支持继承,多义关联,多义查询。实体类可以是抽象的,也可以是具体的。实体类可以继承非实体类,非实体类也可以继承实体类。

  ·实体的状态由它的变量代表,这是和JavaBean的属性一样的。实体方法可以直接获得变量,但是实体的客户端必须通过获取变量的方法(getter/setter)来获取变量。实例变量必须是private,protected或包内可见的。

  1、持久化字段和属性

  实体的状态可以通过它的setter/getter方法或实例变量获得,这两种方式通称为运行时持久化提供器(指持久化实现的运行环境,在EJB环境中,可能是EJB容器,也可能是第三方提供的集成在EJB容器内的持久化实现):

  ·如果声明实体的标识符的元素值为access=FIELD,那么运行时持久化提供器直接获取实例变量,并且持久化所有non-transient实例变量(没有用Transient标识符标识的变量)。

  ·如果声明实体的标识符的元素值为access=PROPERTY,或者没有指定access的值,那么运行时持久化提供器通过getter/setter方法获取实例变量,并且持久化所有non-transient实例变量(没有用Transient标识符标识的变量)。所有的属性获取方法必须是public或protected。

  ·当使用FIELD类型时,O/R影射标识符用在变量上。当用PROPERTY时,O/R影射标识符用在getter/setter方法上。(注意:当在加载或存储持久化状态时,持久化提供者按照什么样的顺序来调用这些方法是不确定的。因此包含在这些方法内的业务逻辑不能依赖指定的调用顺序)。

  当使用持久化属性时,要求实体遵循JavaBean的方法约定。在这种情况下,实体的类型T的每一个持久化属性property,都有一个getter方法getProperty和一个setter方法setProperty,对于boolean值则为isProperty。

  对于简单值得持久化属性,这些方法如下形式:

  对于集合类型的字段和属性,则必须用java.util.Collection接口定义,不管实体类是否遵循JavaBean的规范。下面的接口都是可以的:java.util.Collection,java.util.List,java.util.Set,java.util.Map。

  对于集合类型的字段和属性,类型T必须是上述集合类型中的一个。也可以使用这些集合类型的泛型变量(如:Set)。

  为了返回和设置实例的持久化状态,实例的属性获取方法内可以包含别的业务逻辑,如执行验证。注意:当属性的获取类型为PROPERTY时,持久化运行环境才会执行这些业务逻辑。但在增加的业务逻辑中应该有警告信息。

  在属性获取方法内抛出的运行时异常会引起事务回滚。当持久化运行时环境使用这些属性获取方法加载或存储实例状态时,如果抛出应用异常,则会引起持久化运行环境回滚事务,并且会抛出封装了应用异常的PersitenceException。

  实体的子类可以覆盖它的属性获取方法。然而,兼容性好的应用不需要覆盖应用在父类持久化字段和属性上的O/R影射元数据。

  实体类的持久化字段和属性可以是原始类型、java.lang.String、也可以是其他可序列化类型(包括原始类型的封装类型,java.math.BigInteger,java.math.BigDecimal,java.util.Date,java.util.Calendar,java.sql.Date,java.sql.Time,java.sql.Timestamp,用户自定义类型,byte[],Byte[],char[]和Character[])、enum、实体类型和/或实体类型的集合、以及嵌套类型。

  O/R影射元数据可以用来客户化O/R影射、实体状态和实体间关系的加载和存储。

  2、创建实体实例

  通过new操作符创建实体实例。当第一次创建实体实例时,这个实例是非持久化的。通过EntityManager的API可以将实例持久化。实体实例的生命周期在以后的文章中描述,在这里我就不再详细讲述了。

转载于:https://www.cnblogs.com/anuoruibo/archive/2012/03/22/2411995.html

  • 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