博客
关于我
VB.NET & 职责链模式 (下机时间操作)
阅读量:108 次
发布时间:2019-02-26

本文共 1279 字,大约阅读时间需要 4 分钟。

设计模式是软件开发中的常用方法,帮助开发者解决常见问题。在机房收费系统的重构过程中,可以发现职责链模式在处理多个对象之间的请求时非常有用。以下是职责链模式的详细解析。

定义

职责链模式允许多个对象处理请求,从而避免请求的发送者和接受者之间的耦合关系。通过将对象连成一条链,并沿着这条链传递请求,直到有一个对象处理完成。

例子

在机房收费系统中,上机时间的计算分为三个部分:准备时间、至少上机时间和单位递增时间。这种分段性不禁让人联想到职责链模式。具体来说,可以将三个时间类型分别作为三个处理类,通过职责链的方式将请求传递下去。

代码实现

  • 抽象类:定义一个处理请求的接口。
  • Public MustInherit Class BL_TimeHandler    Protected calculate As BL_TimeHandler    Public Sub Setcalculate(ByVal calculate As BL_TimeHandler)        Me.calculate = calculate    End Sub    Public MustOverride Function HandleTime(ByVal time As Integer) As IntegerEnd Class
    1. 子类实现
      • 准备时间处理类:如果上机时间小于准备时间,返回0,否则传递请求。
      • 至少上机时间处理类:如果上机时间小于等于至少时间,返回至少时间,否则传递请求。
      • 单位递增时间处理类:根据递增时间计算实际消费时间。

      调用流程

      在U层中,通过构造职责链对象并传递请求,计算上机时间。具体实现如下:

      Dim enline As New Entity.LineEntityWith enline    .Ondate = lineRe(0).Ondate    .Ontime = lineRe(0).Ontime    .Offdate = CStr(Format(Now(), "yyyy-MM-dd"))    .Offtime = CStr(Format(Now(), "HH:mm:ss"))End WithDim basicdataList As IList(Of Entity.BasicDataEntity)Dim BLLBasicdata As BasicDataBLL = New BasicDataBLL()Dim enbasicdata As New Entity.BasicDataEntitybasicdataList = BLLBasicdata.ReadBasic(enbasicdata)enline.consumeTime = onTimeCount.CostTime(basicdataList, enline)

      分类

      职责链模式分为纯职责链和不纯职责链两种类型。不纯职责链允许处理者部分处理后继续传递请求,请求可以最终由一个处理者完成或不被处理。

      通过以上分析,可以清晰地看到职责链模式在机房收费系统中的实际应用。

    转载地址:http://nwtk.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>