|
Memento备忘录模式
备忘录模式一个最好想象的例子：undo! 它对对象的一个状态进行了'快照'， 在你需要的时候恢复原貌。做前端会有一个场景：你设计一个表单，当点击提交会对表单内容 验证，这个时候你就要对用户填写的数据复制下来，当用户填写的不正确或者格式不对等问题， 就可以使用快照数据恢复用户已经填好的，而不是让用户重新来一遍，不是嘛？
python的例子
这里实现了一个事务提交的例子
import copy
def Memento(obj, deep=False):
# 对你要做快照的对象做快照
state = (copy.copy if deep else copy.deepcopy)(obj.__dict__)
def Restore():
obj.__dict__ = state
return Restore
class Transaction:
deep = False
def __init__(self, *targets):
self.targets = targets
self.Commit()
# 模拟事务提交，其实就是初始化给每个对象往self.targets赋值
def Commit(self):
self.states = [Memento(target, self.deep) for target in self.targets]
# 回滚其实就是调用Memento函数，执行其中的闭包，将__dict__恢复
def Rollback(self):
for state in self.states:
state()
# 装饰器的方式给方法添加这个事务的功能
def transactional(method):
# 这里的self其实就是要保存的那个对象，和类的实例无关
def wrappedMethod(self, *args, **kwargs):
state = Memento(self)
try:
return method(self, *args, **kwargs)
except:
# 和上面的回滚一样，异常就恢复
state()
raise
return wrappedMethod
class NumObj(object):
def __init__(self, value):
self.value = value
def __repr__(self):
return '<%s: %r>' % (self.__class__.__name__, self.value)
def Increment(self):
self.value += 1
@transactional
def DoStuff(self):
# 赋值成字符串，再自增长肯定会报错的
self.value = '1111'
self.Increment()
if __name__ == '__main__':
n = NumObj(-1)
print n
t = Transaction(n)
try:
for i in range(3):
n.Increment()
print n
# 这里事务提交会保存状态从第一次的-1到2
t.Commit()
print '-- commited'
for i in range(3):
n.Increment()
print n
n.value += 'x' # will fail
print n
except:
# 回滚只会回顾到上一次comit成功的2 而不是-1
t.Rollback()
print '-- rolled back'
print n
print '-- now doing stuff ...'
try:
n.DoStuff()
except:
print '-> doing stuff failed!'
import traceback
traceback.print_exc(0)
pass
# 第二次的异常回滚n还是2, 整个过程都是修改NumObj的实例对象
print n
注意
当你要保存的状态很大，可能会浪费大量内存
对象池模式
在开发中，我们总是用到一些和'池'相关的东西，比如 内存池，连接池，对象池，线程池.. 这里说的对象池其实也就是一定数量已经创建好的对象的集合。为什么要用对象池？ 创建对象是要付出代价的(我暂时还没有研究过底层，只说我工作中体会的)， 比如pymongo就自带线程池，这样用完就放回到池里再被重用，岂不是节省了创建的花费？
python的例子
我这里实现了个线程安全的简单的对象池
import Queue
import types
import threading
from contextlib import contextmanager
class ObjectPool(object):
def __init__(self, fn_cls, *args, **kwargs):
super(ObjectPool, self).__init__()
self.fn_cls = fn_cls
self._myinit(*args, **kwargs)
def _myinit(self, *args, **kwargs):
self.args = args
self.maxSize = int(kwargs.get("maxSize",1))
self.queue = Queue.Queue()
def _get_obj(self):
# 因为传进来的可能是函数，还可能是类
if type(self.fn_cls) == types.FunctionType:
return self.fn_cls(self.args)
# 判断是经典或者新类
elif type(self.fn_cls) == types.ClassType or type(self.fn_cls) == types.TypeType:
return apply(self.fn_cls, self.args)
else:
raise "Wrong type"
def borrow_obj(self):
# 这个print 没用，只是在你执行的时候告诉你目前的队列数，让你发现对象池的作用
print self.queue._qsize()
# 要是对象池大小还没有超过设置的最大数，可以继续放进去新对象
if self.queue.qsize()<self.maxSize and self.queue.empty():
self.queue.put(self._get_obj())
# 都会返回一个对象给相关去用
return self.queue.get()
# 回收
def recover_obj(self,obj):
self.queue.put(obj)
# 测试用函数和类
def echo_func(num):
return num
class echo_cls(object):
pass
# 不用构造含有__enter__, __exit__的类就可以使用with，当然你可以直接把代码放到函数去用
@contextmanager
def poolobj(pool):
obj = pool.borrow_obj()
try:
yield obj
except Exception, e:
yield None
finally:
pool.recover_obj(obj)
obj = ObjectPool(echo_func, 23, maxSize=4)
obj2 = ObjectPool(echo_cls, maxSize=4)
class MyThread(threading.Thread):
def run(self):
# 为了实现效果，我搞了个简单的多线程，2个with放在一个地方了，只为测试用
with poolobj(obj) as t:
print t
with poolobj(obj2) as t:
print t
if __name__ == '__main__':
threads = []
for i in range(200):
t = MyThread()
t.start()
threads.append(t)
for t in threads:
t.join(True)
| 
转播
