Spring--AOP(3)

一.AOP概述

1.1 AOP简介

AOP,面向切面编程。是面向对象编程OOP的一种补充。

AOP底层,就是采用动态代理模式实现的,采用了两种代理:JDK的动态代理,与CGLIB的动态代理。

面向切面编程,就是将交叉业务逻辑封装成切面,利用AOP容器的功能将切面织入到主业务逻辑中,所谓交叉业务逻辑是指,通用的,与主业务逻辑无关的代码,如安全检查,事务,日志等 。

1.2 AOP编程术语

(1)切面

泛指交叉业务逻辑,实际上就是对业务逻辑的一种增强。

(2)织入

就是将切面代码插入到目标对象的过程。

(3)连接点

指可以被切面织入的方法。

(4)切入点

具体织入的连接点。

被标记为final的方法不能作为连接点和切入点。

(5)目标对象

指将要被增强的对象。即包含主业务逻辑的类的对象。

(6)通知(Advice)

是切面的一种实现。通知定义了增强代码切入到目标代码的时间点,是目标方法执行之前,还是之后执行。

(7)顾问(Advisor)

是切面的另一种实现。是将通知包装为更复杂切面的装配器。既能指定切入时间,又能指定切入位置。

1.3 AOP编程环境搭建

在之前的基础jar包上,再导入两个jar包。


二.通知(Advice)

1.前置通知(MethodBeforeAdvice:接口)

在目标方法执行之前执行。

(1)若定义一个在目标方法执行之前的方法,需要继承MethodBeforeAdvice接口。

(2)在applicationContext.xml中配置

<!-- 注册目标对象 -->
    <bean id="someService" class="com.sss.SomeServiceImpl"></bean>
  <!-- 注册通知 -->
    <bean id="myAdvice" class="com.sss.MyMethodBefore"></bean>
 
 <!-- 代理工厂Bean:生成代理对象 -->
    <bean id="serviceProxy" class="org.springframework.aop.framework.ProxyFactoryBean">
     <!-- 
      <property name="targetName" value="someService"></property>
      -->
      <property name="target" ref="someService"></property>
      <property name="interceptorNames" value="myAdvice"></property>
    </bean>
 
2.后置通知(AfterReturningAdvice接口)

(1)若定义一个在目标方法执行之后的方法,需要继承AfterReturningAdvice接口。

(2)在applicationContext.xml中配置

<!-- 注册通知 -->
    <bean id="myAdvice" class="com.sss1.MyAfterAdvice"></bean>
3.环绕通知(MethodInterceptor接口)

(1)在目标方法执行之前或者之后,需要继承MethodInterceptor接口。

(2)在applicationContext.xml中配置

 <!-- 注册通知 -->
    <bean id="myAdvice" class="com.sss2.MyInceptor"></bean>
4.异常通知(ThrowsAdvice接口)

(1)需要继承ThrowsAdvice接口。

(2)在applicationContext.xml中配置

<!-- 注册通知 -->
    <bean id="myAdvice" class="com.sss3.MyThrows"></bean>

总结:通知只能将切面织入到目标类的所有方法中,无法完成将切面织入到指定的目标方法中。

三.顾问(Advisor)

顾问将通知进行了包装,会根据不同的通知类型,在不同的时间点,将切面织入到不同的切入点。

PointcutAdvisor是顾问的一种。它有两个较为常用的实现类:

1.NameMatchMethodPointcutAdvisor:名称匹配方法切入点顾问

是在通知的基础上进行applicationContext.xml配置就行。

 <!-- 注册目标对象 -->
    <bean id="someService" class="com.sss.SomeServiceImpl"></bean>
  <!-- 注册通知 -->
    <bean id="myAdvice" class="com.sss.MyMethodBefore"></bean>
 <!-- 注册顾问 -->
 <bean id="myAdvisor" class="org.springframework.aop.support.NameMatchMethodPointcutAdvisor">
     <property name="advice" ref="myAdvice"></property>
     <!-- 为一个目标方法 -->
      <property name="mappedName" value="doFirst"></property>
      <!-- 为两个目标方法
       <property name="mappedNames" value="doFirst,doSecond"></property>
       -->
       <!-- 
             目标方法中含有i字母
        <property name="mappedName" value="*i*"></property> 此时的匹配对象是普通方法名
        -->
 </bean>
 
 <!-- 代理工厂Bean:生成代理对象 -->
    <bean id="serviceProxy" class="org.springframework.aop.framework.ProxyFactoryBean">
     <!-- 
      <property name="targetName" value="someService"></property>
      -->
      <property name="target" ref="someService"></property>
      <property name="interceptorNames" value="myAdvisor"></property>
    </bean>

2.RegexpMethodPointcutAdvisor:正则表达式匹配方法切入点顾问

与名称匹配切入法顾问的不同:

<!-- 注册顾问 -->
 <bean id="myAdvisor" class="org.springframework.aop.support.RegexMethodPointcutAdvisor">
     <property name="advice" ref="myAdvice"></property>
   <!-- 
       只能匹配上doFirst方法
    <property name="patterns" value=".*doFirst,doSecond"></property>
    --> 
   <!-- 
   <property name="pattern" value=".*doFirst|.*doSecond"></property>
    --> 
     <property name="pattern" value=".*i.*"></property><!-- 此时的匹配对象是全限定性方法名 -->
 </bean>

四.自动代理生成器

之前代码中所使用的代理对象均是由ProxyFactoryBean代理工具类生成的。

 <!-- 代理工厂Bean:生成代理对象 -->
    <bean id="serviceProxy" class="org.springframework.aop.framework.ProxyFactoryBean">
      <property name="target" ref="someService"></property>
      <property name="interceptorNames" value="myAdvisor"></property>
    </bean>

在客户类中获取bean时,使用的是代理类的id,即:

 ISomeService service=(ISomeService)ac.getBean("serviceProxy");

但是这种代理模式有缺点:

 一个代理对象只能代理一个Bean,如果有两个Bean同时都要织入同一个切面时,需要同时为这两个目标 对象配置两个代理对象,比较麻烦。

    所以Spring提供了自动代理生成器。这两个自动代理生成器均继承自Bean后处理器BeanPostProcessor,容器在初始化时均会自动执行Bean后处理器中的方法,故无需id属性。

1.默认advisor自动代理生成器
 <!-- 注册自动代理生成器 -->
   <bean class="org.springframework.aop.framework.autoproxy.DefaultAdvisorAutoProxyCreator"></bean>
DefaultAdvisorAutoProxyCreator会为每一个目标对象织入所有匹配的Advisor,不具有选择性。
2.Bean名称自动代理生成器

BeanNameAutoProxyCreator的代理方式是:根据bean的id,来为符合相应名称的类生成相应代理对象,且切面既可以是顾问Advisor又可以是通知Advice.

<!-- 注册自动代理生成器 -->
   <bean class="org.springframework.aop.framework.autoproxy.BeanNameAutoProxyCreator">
       <property name="beanNames" value="someService"></property>
       <property name="interceptorNames" value="myAdvice"></property>
   </bean>












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。
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