结构型模式 - 享元模式(Flyweight Pattern)

简介: 结构型模式 - 享元模式(Flyweight Pattern)

前言

一、享元模式概述

享元模式定义: 运用共享技术来有效地支持大量细粒度对象的复用。它通过共享已经存在的对象来大幅度减少需要创建的对象数量、避免大量相似对象的开销,从而提高系统资源的利用率。

二、享元模式结构

  • 享元(Flyweight )模式中存在以下两种状态:
  • 内部状态,即不会随着环境的改变而改变的可共享部分。
  • 外部状态,指随环境改变而改变的不可以共享的部分。享元模式的实现要领就是区分应用中的这两种状态,并将外部状态外部化。
  • 享元模式的主要有以下角色:
  • 抽象享元角色(Flyweight):通常是一个接口或抽象类,在抽象享元类中声明了具体享元类公共的方法,这些方法可以向外界提供享元对象的内部数据(内部状态),同时也可以通过这些方法来设置外部数据(外部状态)。
  • 具体享元(Concrete Flyweight)角色 :它实现了抽象享元类,称为享元对象;在具体享元类中为内部状态提供了存储空间。通常我们可以结合单例模式来设计具体享元类,为每一个具体享元类提供唯一的享元对象。
  • 非享元(Unsharable Flyweight)角色 :并不是所有的抽象享元类的子类都需要被共享,不能被共享的子类可设计为非共享具体享元类;当需要一个非共享具体享元类的对象时可以直接通过实例化创建。
  • 享元工厂(Flyweight Factory)角色 :负责创建和管理享元角色。当客户对象请求一个享元对象时,享元工厂检査系统中是否存在符合要求的享元对象,如果存在则提供给客户;如果不存在的话,则创建一个新的享元对象。

三、享元模式案例实现

【例】俄罗斯方块

下面的图片是众所周知的俄罗斯方块中的一个个方块,如果在俄罗斯方块这个游戏中,每个不同的方块都是一个实例对象,这些对象就要占用很多的内存空间,下面利用享元模式进行实现。

网络异常,图片无法展示
|

类图:

网络异常,图片无法展示
|
代码如下:

俄罗斯方块有不同的形状,我们可以对这些形状向上抽取出AbstractBox,用来定义共性的属性和行为。

public abstract class AbstractBox {  
   public abstract String getShape();  
   public void display(String color) {  
       System.out.println("方块形状:" + this.getShape() + " 颜色:" + color);  
  }  
}

接下来就是定义不同的形状了,IBox类、LBox类、OBox类等。

public class IBox extends AbstractBox {  
   @Override  
   public String getShape() {  
       return "I";  
  }  
}  
public class LBox extends AbstractBox {  
   @Override  
   public String getShape() {  
       return "L";  
  }  
}  
public class OBox extends AbstractBox {  
   @Override  
   public String getShape() {  
       return "O";  
  }  
}

提供了一个工厂类(BoxFactory),用来管理享元对象(也就是AbstractBox子类对象),该工厂类对象只需要一个,所以可以使用单例模式。并给工厂类提供一个获取形状的方法。

public class BoxFactory {  
   private static HashMap<String, AbstractBox> map;  
   private BoxFactory() {  
       map = new HashMap<String, AbstractBox>();  
       AbstractBox iBox = new IBox();  
       AbstractBox lBox = new LBox();  
       AbstractBox oBox = new OBox();  
       map.put("I", iBox);  
       map.put("L", lBox);  
       map.put("O", oBox);  
  }  
  public static final BoxFactory getInstance() {  
       return SingletonHolder.INSTANCE;  
  }  
   private static class SingletonHolder {  
       private static final BoxFactory INSTANCE = new BoxFactory();  
  }  
   public AbstractBox getBox(String key) {  
       return map.get(key);  
  }  
}

四、优缺点和使用场景

  1. 优点
  • 极大减少内存中相似或相同对象数量,节约系统资源,提供系统性能
  • 享元模式中的外部状态相对独立,且不影响内部状态
  1. 缺点:
  • 为了使对象可以共享,需要将享元对象的部分状态外部化,分离内部状态和外部状态,使程序逻辑复杂
  1. 使用场景:
  • 一个系统有大量相同或者相似的对象,造成内存的大量耗费。
  • 对象的大部分状态都可以外部化,可以将这些外部状态传入对象中。
  • 在使用享元模式时需要维护一个存储享元对象的享元池,而这需要耗费一定的系统资源,因此,应当在需要多次重复使用享元对象时才值得使用享元模式。

五、JDK源码解析

Integer类使用了享元模式。我们先看下面的例子:

public class Demo {  
   public static void main(String[] args) {  
       Integer i1 = 127;  
       Integer i2 = 127;  
       System.out.println("i1和i2对象是否是同一个对象?" + (i1 == i2));  
       Integer i3 = 128;  
       Integer i4 = 128;  
       System.out.println("i3和i4对象是否是同一个对象?" + (i3 == i4));  
  }  
}

运行上面代码,结果如下:

为什么第一个输出语句输出的是true,第二个输出语句输出的是false?通过反编译软件进行反编译,代码如下:

public class Demo {  
   public static void main(String[] args) {  
       Integer i1 = Integer.valueOf((int)127);  
       Integer i2 Integer.valueOf((int)127);  
       System.out.println((String)new StringBuilder().append((String)"i1\u548ci2\u5bf9\u8c61\u662f\u5426\u662f\u540c\u4e00\u4e2a\u5bf9\u8c61\uff1f").append((boolean)(i1 == i2)).toString());  
       Integer i3 = Integer.valueOf((int)128);  
       Integer i4 = Integer.valueOf((int)128);  
       System.out.println((String)new StringBuilder().append((String)"i3\u548ci4\u5bf9\u8c61\u662f\u5426\u662f\u540c\u4e00\u4e2a\u5bf9\u8c61\uff1f").append((boolean)(i3 == i4)).toString());  
  }  
}

上面代码可以看到,直接给Integer类型的变量赋值基本数据类型数据的操作底层使用的是 valueOf() ,所以只需要看该方法即可

public final class Integer extends Number implements Comparable<Integer> {  
public static Integer valueOf(int i) {  
       if (i >= IntegerCache.low && i <= IntegerCache.high)  
           return IntegerCache.cache[i + (-IntegerCache.low)];  
       return new Integer(i);  
  }  
   private static class IntegerCache {  
       static final int low = -128;  
       static final int high;  
       static final Integer cache[];  
       static {  
           int h = 127;  
           String integerCacheHighPropValue =  
               sun.misc.VM.getSavedProperty("java.lang.Integer.IntegerCache.high");  
           if (integerCacheHighPropValue != null) {  
               try {  
                   int i = parseInt(integerCacheHighPropValue);  
                   i = Math.max(i, 127);  
                   // Maximum array size is Integer.MAX_VALUE  
                   h = Math.min(i, Integer.MAX_VALUE - (-low) -1);  
              } catch( NumberFormatException nfe) {  
              }  
          }  
           high = h;  
           cache = new Integer[(high - low) + 1];  
           int j = low;  
           for(int k = 0; k < cache.length; k++)  
               cache[k] = new Integer(j++);  
           // range [-128, 127] must be interned (JLS7 5.1.7)  
           assert IntegerCache.high >= 127;  
      }  
       private IntegerCache() {}  
  }  
}

可以看到 Integer 默认先创建并缓存 -128 ~ 127 之间数的 Integer 对象,当调用 valueOf 时如果参数在 -128 ~ 127 之间则计算下标并从缓存中返回,否则创建一个新的 Integer 对象。

后记

喜欢我的文章的朋友点点喜欢、收藏,也欢迎朋友们评论区留下你的意见和建议,恕毅在此拜谢!


相关文章
openlayers+geoserver+wms实现空间查询,属性查询
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/gisdoer/article/details/81530228 openlayer...
3862 0
|
消息中间件 传感器 搜索推荐
|
Java 关系型数据库 数据库
Spring Boot多数据源及事务管理:概念与实战
【4月更文挑战第29天】在复杂的企业级应用中,经常需要访问和管理多个数据源。Spring Boot通过灵活的配置和强大的框架支持,可以轻松实现多数据源的整合及事务管理。本篇博客将探讨如何在Spring Boot中配置多数据源,并详细介绍事务管理的策略和实践。
1455 3
|
9月前
|
文字识别 网络协议 开发工具
GitHub封锁?推荐5个国产的Git仓库替代平台
近日,GitHub对中国区IP的部分限制引发了广泛关注。未登录用户被拒,已登录用户功能受限,南北网络环境差异更显“内卷”。为应对这一挑战,本文推荐了多个国产Git平台:Gitee(码云)、GitCode(CSDN旗下)、CODING(腾讯系)、CodeUP(阿里云支持)及微信代码管理工具。这些平台功能全面、稳定性强,是开发者迁移项目的理想选择。通过同步代码、配置CI/CD流水线等简单步骤,可确保项目平稳过渡。此次事件提醒我们,掌握核心技能与支持国产平台同样重要!
6614 11
|
11月前
|
SQL 关系型数据库 MySQL
基于SQL Server / MySQL进行百万条数据过滤优化方案
对百万级别数据进行高效过滤查询,需要综合使用索引、查询优化、表分区、统计信息和视图等技术手段。通过合理的数据库设计和查询优化,可以显著提升查询性能,确保系统的高效稳定运行。
532 9
|
存储 缓存 前端开发
如何优化 SSR 应用以减少服务器压力?
如何优化 SSR 应用以减少服务器压力?
|
存储 数据可视化 数据挖掘
分布式系列教程(28) -Linux环境安装Kibana
分布式系列教程(28) -Linux环境安装Kibana
367 0
|
弹性计算 人工智能 JSON
一键云部署:资源编排 ROS 轻松部署 LLM 流程编排服务 Flowise
Flowise 是一个开源低代码平台,用于构建定制化的 LLM 流程和 AI 代理。阿里云的 Resource Orchestration Service (ROS) 提供了一键部署 Flowise 到 ECS 实例的方案。用户只需在 ROS 控制台配置模板参数,如可用区和实例类型,即可完成部署。部署后,从资源栈输出获取 Flowise 服务地址以开始使用。ROS 模板定义了 VPC、ECS 实例等资源,并通过 ROS 自动化部署,简化了云上资源和应用的管理。
一键云部署:资源编排 ROS 轻松部署 LLM 流程编排服务 Flowise
|
人工智能 弹性计算 监控
【阿里云云原生专栏】阿里云云原生与AI结合:智能应用的快速构建与部署
【5月更文挑战第24天】阿里云融合云原生和AI技术,助力快速构建智能应用。弹性伸缩、CI/CD、微服务和自动化运维带来优势。通过需求分析、环境准备、数据处理、模型开发到服务部署,阿里云提供容器服务、函数计算、服务网格等工具,支持自动化测试和监控,实现一站式智能应用开发。示例代码展示创建ACK集群和部署AI模型服务过程。
1091 1
|
监控 Ubuntu Java
Java VisualVM远程监控JVM
Java VisualVM远程监控JVM
Java VisualVM远程监控JVM