Python:设计模式之命令模式

简介: Python:设计模式之命令模式

命令模式

命令模式属于行为型模式

行为型模式侧重于对象的响应性,利用对象之间的交互实现更强大的功能

其中对象用于封装在完成一项操作或在触发一个事件时所需的全部信息:

1、方法名称

2、拥有方法的对象

3、方法参数的值


命令模式术语

Command: 声明执行操作的接口

ConcreteCommand:将一个Receiver对象和一个操作绑定在一起

Receiver:创建ConcreteCommand对象并设定其接收者

Invoker:要求该ConcreteCommand执行这个请求

Client:知道如何实施与执行一个请求相关的操作


执行流程:

客户端请求执行命令,

调用者接受命令,封装它并将其放置到队列中,

ConcreteCommand类根据所请求的命令来知道接收者执行特定的动作


命令模式主要意图

1、将请求封装为对象

2、可用不同的请求对客户进行参数化

3、允许将请求保存在队列中

4、提供面向对象的回调


命令模式适用场景

1、根据需要执行的操作对对象进行参数化

2、将操作添加到队列并在不同地点执行请求

3、创建一个结构来根据较小操作完成高级操作


命令模式应用

1、重做或回滚操作

2、异步任务执行


命令模式的优点

1、将调用操作的类与知道如何执行该操作的对象解耦

2、提供队列系统后,可以创建一系列命令

3、添加新命令更容易,并且无需更改现有代码

4、可以使用命令模式定义回滚系统


命令模式的缺点

1、为了实现目标,需要大量的类和对象进行协作

2、每个单独的命令都是一个ConcreteCommand类,从而增加了需要实现和维护的类的数量


代码实例:

# -*- coding: utf-8 -*-

from abc import ABCMeta, abstractmethod


# 提供接口Command
class Order(metaclass=ABCMeta):
    @abstractmethod
    def execute(self):
        pass


# 具体命令 ConcreteCommand
class BuyStockOrder(Order):
    def __init__(self, stock):
        self.stock = stock

    def execute(self):
        self.stock.buy()


class SellStockOrder(Order):
    def __init__(self, stock):
        self.stock = stock

    def execute(self):
        self.stock.sell()


# Receiver对象
class StockTrade(object):
    def buy(self):
        print("buy stock")

    def sell(self):
        print("sell stock")


# 调用者Agent,中介
class Broker(object):
    def __init__(self):
        self.__order_list = []  # 订单队列

    def add_order(self, order):
        self.__order_list.append(order)

    def place_order(self):
        for order in self.__order_list:
            order.execute()

        self.__order_list.clear()


if __name__ == '__main__':
    # client
    stock = StockTrade()
    buy_stock = BuyStockOrder(stock)
    sell_stock = SellStockOrder(stock)

    # invoker
    broker = Broker()
    broker.add_order(buy_stock)
    broker.add_order(sell_stock)

    broker.place_order()
"""
buy stock
sell stock
"""

参考

Python设计模式第2版》第七章 命令模式-封装调用

            </div>
目录
相关文章
|
9月前
|
运维 监控 数据可视化
WGCLOUD主机管理系统 v3.5.7 更新功能说明
WGCLOUD 是一款开源免费的分布式运维监控平台,具备集群监控、易部署、轻量高效等特性。核心功能涵盖主机系统、CPU、内存、网络、磁盘、Docker、日志等全方位监控,并提供数据可视化、拓扑图、告警推送(邮件、钉钉、微信)等功能。最新版 v3.5.7 增强了 Docker 容器监控、自定义告警、背景主题设置及多项优化和修复。 下载链接:[WGCLOUD](http://www.wgstart.com) GitHub 仓库:[https://github.com/tianshiyeben/wgcloud](https://github.com/tianshiyeben/wgcloud)
|
消息中间件 监控 测试技术
Flink实时计算大促压测实践
Flink实时计算大促压测实践
302 0
|
网络架构 架构师 网络协议
《IP组播(第1卷)》一导读
本书包含了基本IP组播原理和路由技术,尤其是Cisco路由器和交换机使用的组播技术,其中切合实际地讨论了 IP 组播网络的常见特性、部署模型和实战经验,之后讨论了 Cisco IP组播网络在实施和排错时使用的命令和方法。
2228 0
|
Java 关系型数据库 MySQL
[1.2.0新功能系列:二] Apache Doris 1.2.0 JDBC外表 及 Mutil Catalog
[1.2.0新功能系列:二] Apache Doris 1.2.0 JDBC外表 及 Mutil Catalog
314 0
|
算法 Shell 芯片
illumina和Pacbio测序技术对比
illumina和Pacbio测序技术对比
|
机器学习/深度学习 自动驾驶 算法
可解释性机器学习:PDP带你揭开随机森林心脏病预测神秘面纱!
本文针对可解释性机器学习以及其在心脏病预测中的应用进行了介绍。首先强调了可解释性机器学习对于信任和使用模型的重要性,并提出了随机森林作为一种强大的模型。然后介绍了PDP方法,以揭示随机森林在心脏病预测中的可解释性。这些内容将有助于我们更好地理解和应用可解释性机器学习的方法。
995 0
|
Java 编译器 开发工具
Java(四):高效调试之IDEA热启动
Java(四):高效调试之IDEA热启动
570 0
Java(四):高效调试之IDEA热启动
|
弹性计算 异构计算 AI芯片
2023阿里云GPU服务器租用价格、配置选择及购买指南
2023阿里云GPU服务器租用价格、配置选择及购买指南,阿里云GPU服务器租用价格表包括包年包月价格、一个小时收费以及学生GPU服务器租用费用,阿里云GPU计算卡包括NVIDIA V100计算卡、T4计算卡、A10计算卡和A100计算卡,GPU云服务器gn6i可享受3折优惠,阿里云百科分享阿里云GPU服务器租用价格表、GPU一个小时多少钱以及学生GPU服务器收费价格表
569 0
|
存储 SQL 安全
以云数据库产品为例深度对比分析:华为云更安全还是阿里云更安全?
以云数据库产品为例深度对比分析:华为云更安全还是阿里云更安全?
1975 0
以云数据库产品为例深度对比分析:华为云更安全还是阿里云更安全?
|
存储 算法 安全
区块链技术与应用实验报告(实验一)
区块链技术与应用实验报告(实验一)
1069 0
区块链技术与应用实验报告(实验一)