观察者模式

简介: 观察者模式是一种行为型设计模式,定义一对多的依赖关系,使被观察对象状态变化时能自动通知所有观察者。适用于事件系统、消息广播等场景,具有解耦、动态注册和自动通知的优点,但需注意性能与复杂性问题。

观察者模式(Observer Pattern)是一种行为型设计模式,它定义了一种一对多的依赖关系,使得一个对象(被观察者或主题)的状态变化能够自动通知并更新其所有依赖的对象(观察者)。这种模式常用于实现事件系统、广播、消息传递等场景。

  1. 观察者模式的结构
    观察者模式主要包含以下几个角色:

主题(Subject):被观察的对象,维护观察者的列表,并在自身状态变化时通知所有观察者。
观察者(Observer):需要对主题的变化做出反应的对象,定义更新接口以接收通知。
具体主题(ConcreteSubject):实现主题接口,存储状态并在状态改变时通知观察者。
具体观察者(ConcreteObserver):实现观察者接口,定义具体的响应方法以处理通知。

  1. 观察者模式的 UML 图
    plaintext
    +----------------+
    |    Subject     |
    +----------------+
    | + attach()     |
    | + detach()     |
    | + notify()     |
    +----------------+
           ^
           |
    
    +-------+-------+
    | |
    +------------------+ +--------------------+
    | ConcreteSubject | | Observer |
    +------------------+ +--------------------+
    | - state | | + update() |
    +------------------+ +--------------------+
    | + getState() |
    | + setState() |
    +------------------+
  2. 观察者模式的实现
    以下是一个 Python 中观察者模式的简单示例:

3.1 定义主题和观察者接口
python
class Observer:
def update(self, state):
pass

class Subject:
def attach(self, observer: Observer):
pass

def detach(self, observer: Observer):
    pass

def notify(self):
    pass

3.2 实现具体主题
python
class ConcreteSubject(Subject):
def init(self):
self._observers = []
self._state = None

def attach(self, observer: Observer):
    self._observers.append(observer)

def detach(self, observer: Observer):
    self._observers.remove(observer)

def notify(self):
    for observer in self._observers:
        observer.update(self._state)

def set_state(self, state):
    self._state = state
    self.notify()

def get_state(self):
    return self._state

3.3 实现具体观察者
python
class ConcreteObserver(Observer):
def init(self, name):
self.name = name

def update(self, state):
    print(f"{self.name} received state update: {state}")

3.4 使用观察者模式
python
if name == "main":

# 创建具体主题
subject = ConcreteSubject()

# 创建观察者
observer1 = ConcreteObserver("Observer 1")
observer2 = ConcreteObserver("Observer 2")

# 注册观察者
subject.attach(observer1)
subject.attach(observer2)

# 改变主题状态
subject.set_state("State A")  # 通知所有观察者
subject.set_state("State B")  # 通知所有观察者
  1. 观察者模式的优缺点
    优点
    解耦合:观察者与主题之间的依赖关系降低,使得代码更为灵活,易于扩展和维护。
    动态注册:可以在运行时动态添加或移除观察者,灵活应对变化。
    自动通知:当主题状态改变时,所有相关的观察者都会自动收到通知,无需手动处理。
    缺点
    可能导致过度通知:在某些情况下,可能会有大量观察者被通知,可能导致性能问题,尤其是在观察者数量较多时。
    复杂性增加:维护观察者和主题之间的关系可能增加系统的复杂性。
    顺序依赖:如果观察者间存在依赖关系,可能需要额外的逻辑来确保通知顺序。
  2. 何时使用观察者模式
    当一个对象的状态改变需要同时更新其他对象时。
    当希望实现一对多的依赖关系,且observer需要在不影响subject的情况下进行独立操作时。
    当实现事件驱动的系统时,例如用户界面事件、消息传递等。
  3. 总结
    观察者模式是一种强大的设计模式,适用于需要维护对象之间动态关系的场景。通过解耦主题和观察者,观察者模式使得系统更加灵活和可维护。合理使用观察者模式,可以有效处理复杂的状态变化和事件通知,以提高系统响应性和可扩展性。
相关文章
|
13天前
|
数据采集 人工智能 安全
|
8天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
639 4
|
8天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
348 164
|
7天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
359 155

热门文章

最新文章