IOC&DI

简介: IOC&DI

IOC

IOC的概念是什么?

控制反转,反转的是什么,反转的是对象的创建权,原来是自己亲历亲为,自己创建,现在交给底部框架,把对象创建完,放到容器里面,用的时候只管用就行了。

作用是什么?

实现解耦,解的是什么耦,解的对象的创建和对象使用之间的耦合性。

怎么实现的呢?

通过在实现类上加入@Component注解,@Component是一个基本的注解,我们称之为组件,后期会有语义化:就比如service头上加@Service,dao的头上加@Repository,加的时候加在实现类上,不能加载接口上,要把实现类的对象放入容器里,接口不能创建对象。

这就是IOC

DI

DI又叫依赖注入

依赖注入

依赖注入,就是IOC中所需的资源,可以注入进来。

怎么实现的呢?

1、通过注解@Autowired // 自动装配

根据类型配备依赖资源,当同一类型有多个时,报错

@Autowired
接口类型 变量名;

image.gif

2、@Primary // 设置优先

一个接口有多个实现类,加在其中一个实现类的头上,该类设为优先,自动注入优先注入该实现类。

3、@Autowired + @Qualifier("bean的名字,首字母小写") // 帮助@Autowired设置使用的实现类

IOC中一个接口有多个实现类注入,使用@Qulifier指定要使用的实现类

@Qualifier不能单独使用

4、@Resource(name = "bean的名字")

相关文章
|
存储 消息中间件 监控
消息队列和应用工具产品体系-ARMS 服务的产品功能
消息队列和应用工具产品体系-ARMS 服务的产品功能
|
存储 边缘计算 运维
核心网架构 | 带你读《5G时代的承载网》之十三
对 5G 核心网进行了颠覆性的设计,通过基于服务的架构、网络切片、C/U 分离等,结合云化技术,实现网络的定制化、开放化、服务化,支持大流量、 大连接和低时延的万物互联需求。
核心网架构  | 带你读《5G时代的承载网》之十三
|
8月前
|
存储 安全 JavaScript
【HarmonyOS Next之旅】HarmonyOS概述(二)
HarmonyOS是面向万物互联时代的分布式操作系统,支持多种终端设备,提供全场景业务能力。其三大特征包括超级终端融合、一次开发多端部署及统一OS弹性部署。技术架构分为内核层、系统服务层、框架层和应用层,确保系统灵活性与高效性。同时,HarmonyOS通过分布式多端协同身份认证、可信运行环境和数据全生命周期保护,保障系统安全,实现“正确的人、正确的设备、正确地使用数据”。
468 0
|
机器学习/深度学习 人工智能 自然语言处理
FunAudioLLM与知名模型对比
FunAudioLLM与知名模型对比
|
图形学
【制作100个unity游戏之27】使用unity复刻经典游戏《植物大战僵尸》,制作属于自己的植物大战僵尸随机版和杂交版3(附带项目源码)
【制作100个unity游戏之27】使用unity复刻经典游戏《植物大战僵尸》,制作属于自己的植物大战僵尸随机版和杂交版3(附带项目源码)
548 2
|
前端开发 数据库
ruoyi-nbcio增加flowable流程待办消息的提醒,并提供右上角的红字数字提醒(一)
ruoyi-nbcio增加flowable流程待办消息的提醒,并提供右上角的红字数字提醒(一)
471 0
ly~
|
存储 SQL NoSQL
数据库介绍
数据库是组织、存储和管理数据的仓库,分为关系型(RDBMS)和非关系型(NoSQL)。RDBMS 如 MySQL、Oracle 和 SQL Server 通过表间关系存储结构化数据;NoSQL 包括 MongoDB、Redis 和 Neo4j,处理非结构化数据。数据库功能组件有数据定义语言(DDL)、数据操作语言(DML)和数据库管理系统(DBMS)。应用场景涵盖企业资源规划(ERP)、电子商务和大数据分析,支持自动化管理、数据分析及决策支持。
ly~
335 3
|
算法 Oracle 关系型数据库
本源量子云平台实现Grover算法
本源量子云平台实现Grover算法
273 0
|
机器学习/深度学习 自然语言处理
预训练-微调范式
预训练-微调范式
|
机器学习/深度学习 传感器 编解码
2023最新 | 单目深度估计网络结构的通用性研究
单目深度估计已经被广泛研究,最近已经报道了许多在性能上显著改进的方法。然而,大多数先前的工作都是在一些基准数据集(如KITTI数据集)上进行评估的,并且没有一项工作对单目深度估计的泛化性能进行深入分析。本文深入研究了各种骨干网络(例如CNN和Transformer模型),以推广单目深度估计。首先,评估了分布内和分布外数据集上的SOTA模型,这在网络训练期间从未见过。然后,使用合成纹理移位数据集研究了基于CNN和Transformer的模型中间层表示的内部属性。通过大量实验,观察到transformer呈现出强烈的形状偏差,而CNN具有强烈纹理偏差。
2023最新 | 单目深度估计网络结构的通用性研究

热门文章

最新文章