备忘录模式

简介: 备忘录模式(Memento Pattern)是一种行为设计模式,用于在不暴露对象内部状态的情况下,捕获并存储对象的当前状态,以便日后可以将对象恢复到存储的状态。该模式主要由三个角色组成:发起人(Originator)、备忘录(Memento)和管理者(Caretaker)。发起人负责创建和恢复备忘录,备忘录存储发起人的状态,管理者则负责保存备忘录但不修改其内容。备忘录模式常用于支持撤销/恢复操作,如文本编辑器、游戏状态管理等。优点包括封装性好、支持撤销/恢复操作,但缺点是可能消耗较多资源。

备忘录模式

概念

备忘录模式(Memento Pattern)是一种行为设计模式,用于在不暴露对象内部状态的情况下,捕获并存储对象的当前状态,以便日后可以将对象恢复到存储的状态。备忘录模式可以有效地实现撤销/恢复操作。


组件和职责

组件 描述
Originator(发起人) 定义一个创建备忘录和恢复备忘录的接口,记录并还原对象状态。
Memento(备忘录) 存储发起人的状态,提供发起人访问但对其他对象不可见,确保封装性。
Caretaker(管理者) 负责保存备忘录但不修改它的内容,通常通过栈或列表记录状态以支持多步撤销或恢复操作。

使用场景

使用场景 描述
需要保存对象状态 需要将对象状态保存到外部存储但不暴露内部实现细节。
支持撤销/恢复功能 允许用户撤销某些操作并恢复到之前的状态,如文本编辑器、游戏状态管理等。
复杂对象状态管理 状态的保存和恢复需要被系统有效管理,避免直接操作对象的内部实现。

优点与缺点

优点 缺点
封装性:保持对象的封装性,外部无法访问内部状态。 存储开销:保存多个备忘录可能消耗较多资源。
撤销/恢复:支持轻松撤销和恢复操作。 实现复杂性:设计和管理备忘录存储结构复杂。
操作简单:发起人通过接口即可实现状态保存与恢复。 过多备忘录:历史记录过多可能影响性能。

与其他模式的比较

特性 备忘录模式 命令模式
主要作用 保存和恢复对象状态 将操作封装为对象,支持撤销和记录。
状态管理 专注于对象状态的存储和恢复 通过执行命令的撤销方法管理状态。
操作与状态的分离 将状态存储和操作逻辑分开 将操作封装为命令对象,与状态解耦。

实现代码

C++ 实现

#include <iostream>
#include <string>
#include <vector>

// Memento
class Memento {
private:
   std::string state;

public:
   Memento(const std::string& s) : state(s) {}
   std::string getState() const { return state; }
};

// Originator
class Originator {
private:
   std::string state;

public:
   void setState(const std::string& s) { state = s; }
   std::string getState() const { return state; }

   Memento saveToMemento() { return Memento(state); }
   void restoreFromMemento(const Memento& memento) { state = memento.getState(); }
};

// Caretaker
class Caretaker {
private:
   std::vector<Memento> mementoList;

public:
   void addMemento(const Memento& memento) { mementoList.push_back(memento); }
   Memento getMemento(size_t index) { return mementoList.at(index); }
};

// Example
int main() {
   Originator originator;
   Caretaker caretaker;

   originator.setState("State1");
   caretaker.addMemento(originator.saveToMemento());

   originator.setState("State2");
   caretaker.addMemento(originator.saveToMemento());

   originator.setState("State3");

   std::cout << "Current State: " << originator.getState() << std::endl;

   originator.restoreFromMemento(caretaker.getMemento(0));
   std::cout << "Restored to: " << originator.getState() << std::endl;

   return 0;
}


C# 实现

using System;
using System.Collections.Generic;

// Memento
class Memento {
   public string State { get; private set; }
   public Memento(string state) {
       State = state;
   }
}

// Originator
class Originator {
   public string State { get; set; }

   public Memento SaveToMemento() {
       return new Memento(State);
   }

   public void RestoreFromMemento(Memento memento) {
       State = memento.State;
   }
}

// Caretaker
class Caretaker {
   private List<Memento> _mementos = new List<Memento>();

   public void AddMemento(Memento memento) {
       _mementos.Add(memento);
   }

   public Memento GetMemento(int index) {
       return _mementos[index];
   }
}

// Example
class Program {
   static void Main() {
       Originator originator = new Originator();
       Caretaker caretaker = new Caretaker();

       originator.State = "State1";
       caretaker.AddMemento(originator.SaveToMemento());

       originator.State = "State2";
       caretaker.AddMemento(originator.SaveToMemento());

       originator.State = "State3";

       Console.WriteLine($"Current State: {originator.State}");

       originator.RestoreFromMemento(caretaker.GetMemento(0));
       Console.WriteLine($"Restored to: {originator.State}");
   }
}


类图

image.png

目录
相关文章
|
6天前
|
存储 运维 安全
云上金融量化策略回测方案与最佳实践
2024年11月29日,阿里云在上海举办金融量化策略回测Workshop,汇聚多位行业专家,围绕量化投资的最佳实践、数据隐私安全、量化策略回测方案等议题进行深入探讨。活动特别设计了动手实践环节,帮助参会者亲身体验阿里云产品功能,涵盖EHPC量化回测和Argo Workflows量化回测两大主题,旨在提升量化投研效率与安全性。
云上金融量化策略回测方案与最佳实践
|
8天前
|
人工智能 自然语言处理 前端开发
从0开始打造一款APP:前端+搭建本机服务,定制暖冬卫衣先到先得
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。
8006 19
|
11天前
|
Cloud Native Apache 流计算
资料合集|Flink Forward Asia 2024 上海站
Apache Flink 年度技术盛会聚焦“回顾过去,展望未来”,涵盖流式湖仓、流批一体、Data+AI 等八大核心议题,近百家厂商参与,深入探讨前沿技术发展。小松鼠为大家整理了 FFA 2024 演讲 PPT ,可在线阅读和下载。
4357 10
资料合集|Flink Forward Asia 2024 上海站
|
19天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
12天前
|
自然语言处理 数据可视化 API
Qwen系列模型+GraphRAG/LightRAG/Kotaemon从0开始构建中医方剂大模型知识图谱问答
本文详细记录了作者在短时间内尝试构建中医药知识图谱的过程,涵盖了GraphRAG、LightRAG和Kotaemon三种图RAG架构的对比与应用。通过实际操作,作者不仅展示了如何利用这些工具构建知识图谱,还指出了每种工具的优势和局限性。尽管初步构建的知识图谱在数据处理、实体识别和关系抽取等方面存在不足,但为后续的优化和改进提供了宝贵的经验和方向。此外,文章强调了知识图谱构建不仅仅是技术问题,还需要深入整合领域知识和满足用户需求,体现了跨学科合作的重要性。
|
7天前
|
人工智能 容器
三句话开发一个刮刮乐小游戏!暖ta一整个冬天!
本文介绍了如何利用千问开发一款情侣刮刮乐小游戏,通过三步简单指令实现从单个功能到整体框架,再到多端优化的过程,旨在为生活增添乐趣,促进情感交流。在线体验地址已提供,鼓励读者动手尝试,探索编程与AI结合的无限可能。
三句话开发一个刮刮乐小游戏!暖ta一整个冬天!
|
1月前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
104580 10
|
7天前
|
消息中间件 人工智能 运维
12月更文特别场——寻找用云高手,分享云&AI实践
我们寻找你,用云高手,欢迎分享你的真知灼见!
637 39
|
5天前
|
弹性计算 运维 监控
阿里云云服务诊断工具:合作伙伴架构师的深度洞察与优化建议
作为阿里云的合作伙伴架构师,我深入体验了其云服务诊断工具,该工具通过实时监控与历史趋势分析,自动化检查并提供详细的诊断报告,极大提升了运维效率和系统稳定性,特别在处理ECS实例资源不可用等问题时表现突出。此外,它支持预防性维护,帮助识别潜在问题,减少业务中断。尽管如此,仍建议增强诊断效能、扩大云产品覆盖范围、提供自定义诊断选项、加强教育与培训资源、集成第三方工具,以进一步提升用户体验。
626 243
|
1天前
|
弹性计算 运维 监控
云服务测评 | 基于云服务诊断全方位监管云产品
本文介绍了阿里云的云服务诊断功能,包括健康状态和诊断两大核心功能。作者通过个人账号体验了该服务,指出其在监控云资源状态和快速排查异常方面的优势,同时也提出了一些改进建议,如增加告警配置入口和扩大诊断范围等。