java 反射 pojo dao_Java纯POJO类反射到Redis,反射到MySQL

public class DbWriterTimerTask extendsTimerTask {private static final Logger LOG = LoggerFactory.getLogger(DbWriterTimerTask.class);public static boolean isRunning = false;

@Overridepublic voidrun() {if (!isRunning) {

isRunning= true;

Date begin= newDate();

LOG.info("DbWriterTimerTask begin at {} ...", begin);

executeTask();

isRunning= false;

Date end= newDate();

LOG.info("DbWriterTimerTask finish at {}, till for {} millseconds.", end, (end.getTime() -begin.getTime()));

}else{

LOG.error("DbWriterTimerTask is executing now ...");

}

}public voidexecuteTask() {int total=0;int inserted=0;int updated=0;int duplicated=0;int errored=0;

Set setModels = new HashSet();try{//Thread.sleep(3000);

long doCount = Configure.getPropertyLong("dbWriter.docount", 20);int timeExpire = Configure.getPropertyInt("dbWriter.timeexpire", 60*60);

List list =RedisDAO.retrieveUpdateList(doCount);if(list==null)return;

total=list.size();while (list.size() > 0) {

DbUpdateItem item= list.remove(0);try{//save ids firstly

if(!setModels.contains(item.m)) {if(writeBackIdValueFromModel(item.m))

setModels.add(item.m);

}//find item from redis//找到class的类定义

Class> clazz =MySqlDAO.simpleDb().getClassByName(item.m);//从Redis加载类实体数据,不同的对象,加载方式会不同,因为有些对象是类自己控制序列化

Object object=null;if(clazz.getSimpleName().equals("CharaValues")) {

object=CharaValues.find(item.id);

}else if(clazz.getSimpleName().equals("CharaBox")) {

object=CharaBox.find(item.id);

}else if(clazz.getSimpleName().equals("CharaTask")) {

object=CharaTask.find(item.id);

}else{

object=RedisDAO.find(clazz, item.id);

}//save to db

if(object==null) {

LOG.error("can not find {} with {}.", item.m, item.id);

errored++;

}else{//find it in db

Object o =MySqlDAO.simpleDb().getById(clazz, item.id);if(o==null) {

MySqlDAO.simpleDb().create(object);

inserted++;

}else{

MySqlDAO.simpleDb().updateEntity(object);

updated++;

}

}//设置过期标志

RedisDAO.expireObject(item.m, item.id.longValue(), timeExpire);

}catch(Exception e) {

LOG.error("writeDb error.", e);

}finally{//find all same object and pop it

Iterator iter =list.iterator();while(iter.hasNext()) {

DbUpdateItem it=iter.next();//if(it.m.equals(item.m) && it.o.equals(item.o) && it.id.equals(item.id)) {

if(it.m.equals(item.m) &&it.id.equals(item.id)) {

iter.remove();//pop it

duplicated++;

}

}

}

}

LOG.info("Total {} been processed, Inserted {} records, Updated {} records, skip duplicated {} records, errrors {} records.", total, inserted, updated, duplicated, errored);

}catch(Exception e) {

LOG.error("executeTask error.", e);

}return;

}public booleanwriteBackIdValueFromModel(String modelName) {boolean result = false;

Jedis jedis=RedisDAO.getResource();try{

String idString= jedis.get(modelName+":id");if(idString==null)return true;

Long idValue=Long.parseLong(idString);

result=writeBackIdValue(modelName, idValue);

}catch(Exception e) {

LOG.error("writeBackIdValueFromModel error.", e);

}finally{

RedisDAO.returnResource(jedis);

}returnresult;

}public booleanwriteBackIdValue(String modelName, Long idValue) {

String sqlCount= "select count(*) from sangame_ids where model=?";

String sqlInsert= "insert sangame_ids(model, idvalue, time_insert) values(?, ?, CURRENT_TIMESTAMP)";

String sqlUpdate= "update sangame_ids set idvalue=? where model=? and idvalue";if(MySqlDAO.simpleDb().queryForLong(sqlCount, modelName) > 0) {

MySqlDAO.simpleDb().executeUpdate(sqlUpdate, idValue, modelName, idValue);

}else{

MySqlDAO.simpleDb().executeUpdate(sqlInsert, modelName, idValue);

LOG.info("Initial ids fro model {} with {}.", modelName, idValue);;

}return true;

}

}

  • 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别。由于各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: 分问题:判断图像中的目标属于哪个别。 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 基于深度学习的目标检测算法主要分为两大: 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。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