Python:设计模式之观察者模式

简介: Python:设计模式之观察者模式

三类模式


1、创建型模式:基于对象的创建机制。隔离了对象的创建细节,使得代码能够与要创建的对象的类型相互独立

2、结构型模式:用于设计对象和类的结构,从而使他们可以相互协作以获得更大的结构,

重点关注的是简化结构和识别类和对象之间的关系

3、行为型模式:主要关注对象的责任。用来处理对象之间交互,以实现更大的功能

行为型模式建议:对象之间应该能够彼此交互,同时还应该是松耦合的


观察者模式


观察者设计模式中,对象(主题)维护了一个依赖(观察者)列表,

以便主题可以使用观察者定义的任何方法通知所有观察者,它所发生的变化


例如:

广播或发布/订阅系统


观察者模式的主要目标


1、定义了对象之间的一对多的依赖关系,从而使得一个对象中的任何更改都将自动通知给其他依赖对象

2、封装了主题的核心组件


观察者模式的应用场景


1、在分布式系统中实现事件服务

2、用作新闻机构的框架

3、股票市场也是观察者模式的一个大型场景


代码实现

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

# 主题
class Subject(object):
    def __init__(self):
        self.__observers = []

    def register(self, observer):
        self.__observers.append(observer)

    def notify_all(self, message):
        for observer in self.__observers:
            observer.notify(self, message)


from abc import ABC, abstractmethod


# 观察者
class IObserver(ABC):
    @abstractmethod
    def notify(self, subject, message):
        pass


# 具体观察者
class Observer1(IObserver):
    def notify(self, subject, message):
        print("Observer1 收到{}主题消息: {}".format(type(subject).__name__, message))


class Observer2(IObserver):
    def notify(self, subject, message):
        print("Observer2 收到{}主题消息: {}".format(type(subject).__name__, message))


if __name__ == '__main__':
    observer1 = Observer1()
    observer2 = Observer2()

    subject = Subject()
    subject.register(observer1)
    subject.register(observer2)

    subject.notify_all("通知:3:00开会")
    """
    Observer1 收到Subject主题消息: 通知:3:00开会
    Observer2 收到Subject主题消息: 通知:3:00开会
    """

观察者模式有3个主要角色:

1、主题:主题需要了解观察者,提供注册方法,一个主题可以处理多个观察者

2、观察者:为关注主题的对象定义一个接口,定义了观察者需要实现的各个方法,

以便在主题发生时能够活着相应通知

3、具体观察者:实现了观察者接口以保持其状态与主题中的变化相一致


具体流程:

具体观察者通过实现观察者提供的接口向主题注册自己,

每当状态发生变化时,该主题都会使用观察者提供的通知方法来通告所有具体观察者


观察者模式的通知方式

1、拉模式:观察者扮演积极角色,主题变化->广播给已注册的观察者->观察者获取相应的变化情况

2、推模式:主题起主导作用,变化由主题推送到观察者


耦合:一个对象对于与其交互的其他对象的了解程度

松耦合:降低多个对象之间的依赖性


观察者模式的优点


1、使得彼此交互对象之间保持松耦合

2、我们可以在无需对主题或者观察者进行任何修改的情况下高效地发送数据到其他对象

3、随时添加/删除观察者


观察者模式的缺点


1、观察者接口必须由具体观察者实现,而涉及继承,无法进行组合,因为观察者接口可以实例化

2、如果实现不当,观察者可能回增加复杂性,并且导致性能降低

3、在软件应用程序中,通知有时可能不可靠,并导致竞争条件或不一致性

            </div>
目录
相关文章
|
14天前
|
存储 弹性计算 人工智能
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
2025年9月24日,阿里云弹性计算团队多位产品、技术专家及服务器团队技术专家共同在【2025云栖大会】现场带来了《通用计算产品发布与行业实践》的专场论坛,本论坛聚焦弹性计算多款通用算力产品发布。同时,ECS云服务器安全能力、资源售卖模式、计算AI助手等用户体验关键环节也宣布升级,让用云更简单、更智能。海尔三翼鸟云服务负责人刘建锋先生作为特邀嘉宾,莅临现场分享了关于阿里云ECS g9i推动AIoT平台的场景落地实践。
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
|
6天前
|
云安全 人工智能 安全
Dify平台集成阿里云AI安全护栏,构建AI Runtime安全防线
阿里云 AI 安全护栏加入Dify平台,打造可信赖的 AI
|
9天前
|
人工智能 运维 Java
Spring AI Alibaba Admin 开源!以数据为中心的 Agent 开发平台
Spring AI Alibaba Admin 正式发布!一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测,助力企业高效构建可信赖的 AI Agent 应用。开源共建,现已上线!
846 25
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
万字长文深度解析最新Deep Research技术:前沿架构、核心技术与未来展望
近期发生了什么自 2025 年 2 月 OpenAI 正式发布Deep Research以来,深度研究/深度搜索(Deep Research / Deep Search)正在成为信息检索与知识工作的全新范式:系统以多步推理驱动大规模联网检索、跨源证据。
581 46
|
2天前
|
监控 BI 数据库
打工人救星!来看看这两家企业如何用Quick BI让业务更高效
Quick BI专业版监控告警助力企业高效运作,通过灵活配置规则与多渠道推送,让数据异常早发现、快响应,推动业务敏捷决策与持续增长。
打工人救星!来看看这两家企业如何用Quick BI让业务更高效
|
8天前
|
人工智能 Java Nacos
基于 Spring AI Alibaba + Nacos 的分布式 Multi-Agent 构建指南
本文将针对 Spring AI Alibaba + Nacos 的分布式多智能体构建方案展开介绍,同时结合 Demo 说明快速开发方法与实际效果。
563 42