-
【设计模式-2】策略模式 - 避免冗余的if-else判断
1. 介绍
当if else过多时，可以通过策略模式来进行重构。先定义一个接口，各else处理分支实现这个接口，并定义 < 条件 , 处理类 > 的映射关系，然后根据条件找到响应的处理类执行即可。
当有新的分支时，只需要新增一个实现类，增加一个映射关系即可。
何时使用策略模式
阿里开发规约-编程规约-控制语句-第六条 ：超过 3 层的 if-else 的逻辑判断代码可以使用卫语句、策略模式、状态模式等来实现。
if else虽然简单但是却违背了如下两个原则：
- 单一职责原则（一个类应该只有一个发生变化的原因）：因为之后修改任何一个逻辑，当前类都会被修改
- 开闭原则（对扩展开放，对修改关闭）：如果此时需要添加（删除）某个逻辑，那么不可避免的要修改原来的代码
比较好的实践：
- if-else 不超过 2 层，块中代码 1~5 行，直接写到块中，否则封装为方法
- if-else 超过 2 层，但块中的代码不超过 3行，尽量使用卫语句
- if-else 超过 2 层，且块中代码超过 3 行，尽量使用策略模式
参考：https://www.infoq.cn/article/6gczx3kg3gfj5yfx08mm
2. 策略模式结构
- 策略接口：提供了一个函数式接口，提供了分支逻辑实现的多种方法：匿名类、普通类等
- context类：通过组合策略接口，并执行统一方法，实现面向接口的动态方法。
先来一个官方的伪代码：
策略接口和实现类
// 一个函数式的策略接口 interface Strategy is method execute(a, b) // 实现类：实现了+、-、* 算法。 class ConcreteStrategyAdd implements Strategy is method execute(a, b) is return a + b class ConcreteStrategySubtract implements Strategy is method execute(a, b) is return a - b class ConcreteStrategyMultiply implements Strategy is method execute(a, b) is return a * b- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
上下文类的逻辑
class Context is // 引用策略接口：面向策略 private strategy: Strategy //传入策略实现类，或者维护一个map method setStrategy(Strategy strategy) is this.strategy = strategy //根据传入的实现类，执行不同的逻辑 method executeStrategy(int a, int b) is return strategy.execute(a, b)- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
client
class ExampleApplication is method main() is 。。。 创建上下文对象 if (action == addition) then context.setStrategy(new ConcreteStrategyAdd()) if (action == subtraction) then context.setStrategy(new ConcreteStrategySubtract()) if (action == multiplication) then context.setStrategy(new ConcreteStrategyMultiply()) result = context.executeStrategy(First number, Second number)- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
3. 策略模式更一般的用法：工厂类的查表
现在我们知道通过策略模式可以去掉 if-else 分支判断。
更一般的框架，可以根据策略工厂类的逻辑，借助“查表法”（根据 type查表、或字符匹配）来替代根据 type 分支判断。
60 | 策略模式（上）：如何避免冗长的if-else/switch分支判断代码？
4. 策略模式使用
4.1. 场景一: 表迁移
有一个需求：项目版本升级（不同版本之间数据表结构不同），需要迁移数据库到新的版本，要求出一个框架，适配项目中所有的数据库的迁移。
- 首先可以使用策略模式，一个表对应一个实现类，通过**类名子串（“t1,t2,t3”）**标识要迁移的表有哪些，然后遍历实例化这些实现类，并放到一个list中，最后遍历这个list，完成某个库的迁移；
- 其次数据迁移涉及到库的连接和库的关闭，所以在创建迁移逻辑之前和迁移之后要维护好这些逻辑，可以统一放到一个context类中。
大致逻辑：
1.策略接口和实现
迁移时的sql逻辑接口 @FunctionalInterface public interface JdbcDataMigrateFunction { /** * 所有迁移和被迁移的表都在一个mysql节点下 */ void dataMigrate(Connection dbConn, JdbcPros pros); } @Log4j2 public class FlinkJobAndInstanceFunction implements JdbcDataMigrateFunction { ... }- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
2.context的逻辑
//构造分支的运行逻辑：1. 根据字符串去创建分支逻辑类；2. 分支运行逻辑构建：连接数据库，遍历执行分支逻辑，关闭连接。 public class JdbcTableBuilder { private JdbcPros jdbcPros; private JdbcDataMigrateFunction[] jdbcDataMigrateFunctions; private Connection datalakeDbConn; public JdbcTableBuilder(String propertiesPath) { jdbcPros = getJdbcPros(propertiesPath); String datalakeMigrationTables = jdbcPros.getDatalakeMigrationTables(); String[] datalakeTableNames = datalakeMigrationTables.split(","); jdbcDataMigrateFunctions = new JdbcDataMigrateFunction[datalakeTableNames.length]; for (int i = 0; i < datalakeTableNames.length; i++) { jdbcDataMigrateFunctions[i] = createJdbcDataMigrateFunction(datalakeTableNames[i]); } } JdbcDataMigrateFunction createJdbcDataMigrateFunction(String dataflowTableName) { switch (dataflowTableName) { case "table1": return new FlinkJobFunction(); // todo:添加其他表的迁移逻辑 // case "" // ; default: throw new RuntimeException("No logical instance of the table migration could be found"); } } //CONTEXT的逻辑 public void runDataMigrate() { open(jdbcPros); //run for (JdbcDataMigrateFunction function : jdbcDataMigrateFunctions) { function.dataMigrate(datalakeDbConn, dodpDbConn); } //close closeConn(); } /** * 1、jdbc链接 */ public void open(JdbcPros pros) { try { DriverManager.getDrivers(); Class.forName(pros.getDrivername()); dodpDbConn = DriverManager.getConnection( pros.getDodpDbURL(), pros.getDodpDbUsername(), pros.getDodpDbPassword()); } catch (SQLException | ClassNotFoundException e) { e.printStackTrace(); } } /** * 关闭Connection */ public void closeConn() { if (dodpDbConn != null) { try { dodpDbConn.close(); } catch (SQLException se) { } finally { dodpDbConn = null; } } }- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
4.2. flink connector类型转换
/** Base class for all converters that convert between JDBC object and Flink internal object. */ public class JdbcRowConverter extends AbstractRowConverter< ResultSet, JsonArray, FieldNamedPreparedStatement, LogicalType> { private static final long serialVersionUID = 1L; //context逻辑：根据flink sql中字段类型来构建类型转换规则 public JdbcRowConverter(RowType rowType) { super(rowType); for (int i = 0; i < rowType.getFieldCount(); i++) { toInternalConverters.add( wrapIntoNullableInternalConverter( createInternalConverter(rowType.getTypeAt(i)))); toExternalConverters.add( wrapIntoNullableExternalConverter( createExternalConverter(fieldTypes[i]), fieldTypes[i])); } } @Override protected ISerializationConverter<FieldNamedPreparedStatement> wrapIntoNullableExternalConverter( ISerializationConverter<FieldNamedPreparedStatement> serializationConverter, LogicalType type) { final int sqlType = JdbcTypeUtil.typeInformationToSqlType( TypeConversions.fromDataTypeToLegacyInfo( TypeConversions.fromLogicalToDataType(type))); return (val, index, statement) -> { if (val == null || val.isNullAt(index) || LogicalTypeRoot.NULL.equals(type.getTypeRoot())) { statement.setNull(index, sqlType); } else { serializationConverter.serialize(val, index, statement); } }; } //内部转换：将数据转换为flink能进行处理的数据 @Override public RowData toInternal(ResultSet resultSet) throws Exception { GenericRowData genericRowData = new GenericRowData(rowType.getFieldCount()); for (int pos = 0; pos < rowType.getFieldCount(); pos++) { Object field = resultSet.getObject(pos + 1); genericRowData.setField(pos, toInternalConverters.get(pos).deserialize(field)); } return genericRowData; } @Override public RowData toInternalLookup(JsonArray jsonArray) throws Exception { GenericRowData genericRowData = new GenericRowData(rowType.getFieldCount()); for (int pos = 0; pos < rowType.getFieldCount(); pos++) { Object field = jsonArray.getValue(pos); genericRowData.setField(pos, toInternalConverters.get(pos).deserialize(field)); } return genericRowData; } //外部数据转换 @Override public FieldNamedPreparedStatement toExternal( RowData rowData, FieldNamedPreparedStatement statement) throws Exception { for (int index = 0; index < rowData.getArity(); index++) { toExternalConverters.get(index).serialize(rowData, index, statement); } return statement; } //具体策略的实现类：由flink sql字段名匹配类型转换规则实例 @Override protected IDeserializationConverter createInternalConverter(LogicalType type) { switch (type.getTypeRoot()) { case NULL: return val -> null; case BOOLEAN: case FLOAT: case DOUBLE: case INTERVAL_YEAR_MONTH: case INTERVAL_DAY_TIME: case INTEGER: case BIGINT: return val -> val; case TINYINT: return val -> ((Integer) val).byteValue(); case SMALLINT: // Converter for small type that casts value to int and then return short value, // since // JDBC 1.0 use int type for small values. return val -> val instanceof Integer ? ((Integer) val).shortValue() : val; case DECIMAL: final int precision = ((DecimalType) type).getPrecision(); final int scale = ((DecimalType) type).getScale(); // using decimal(20, 0) to support db type bigint unsigned, user should define // decimal(20, 0) in SQL, // but other precision like decimal(30, 0) can work too from lenient consideration. return val -> val instanceof BigInteger ? DecimalData.fromBigDecimal( new BigDecimal((BigInteger) val, 0), precision, scale) : DecimalData.fromBigDecimal((BigDecimal) val, precision, scale); case DATE: return val -> (int) ((Date.valueOf(String.valueOf(val))).toLocalDate().toEpochDay()); case TIME_WITHOUT_TIME_ZONE: return val -> (int) ((Time.valueOf(String.valueOf(val))).toLocalTime().toNanoOfDay() / 1_000_000L); case TIMESTAMP_WITH_TIME_ZONE: case TIMESTAMP_WITHOUT_TIME_ZONE: return val -> TimestampData.fromTimestamp((Timestamp) val); case CHAR: case VARCHAR: return val -> StringData.fromString(val.toString()); case BINARY: case VARBINARY: return val -> (byte[]) val; case ARRAY: case ROW: case MAP: case MULTISET: case RAW: default: throw new UnsupportedOperationException("Unsupported type:" + type); } } @Override protected ISerializationConverter<FieldNamedPreparedStatement> createExternalConverter( LogicalType type) { switch (type.getTypeRoot()) { case BOOLEAN: return (val, index, statement) -> statement.setBoolean(index, val.getBoolean(index)); case TINYINT: return (val, index, statement) -> statement.setByte(index, val.getByte(index)); case SMALLINT: return (val, index, statement) -> statement.setShort(index, val.getShort(index)); case INTEGER: case INTERVAL_YEAR_MONTH: return (val, index, statement) -> statement.setInt(index, val.getInt(index)); case BIGINT: case INTERVAL_DAY_TIME: return (val, index, statement) -> statement.setLong(index, val.getLong(index)); case FLOAT: return (val, index, statement) -> statement.setFloat(index, val.getFloat(index)); case DOUBLE: return (val, index, statement) -> statement.setDouble(index, val.getDouble(index)); case CHAR: case VARCHAR: // value is BinaryString return (val, index, statement) -> statement.setString(index, val.getString(index).toString()); case BINARY: case VARBINARY: return (val, index, statement) -> statement.setBytes(index, val.getBinary(index)); case DATE: return (val, index, statement) -> statement.setDate( index, Date.valueOf(LocalDate.ofEpochDay(val.getInt(index)))); case TIME_WITHOUT_TIME_ZONE: return (val, index, statement) -> statement.setTime( index, Time.valueOf( LocalTime.ofNanoOfDay(val.getInt(index) * 1_000_000L))); case TIMESTAMP_WITH_TIME_ZONE: case TIMESTAMP_WITHOUT_TIME_ZONE: final int timestampPrecision = ((TimestampType) type).getPrecision(); return (val, index, statement) -> statement.setTimestamp( index, val.getTimestamp(index, timestampPrecision).toTimestamp()); case DECIMAL: final int decimalPrecision = ((DecimalType) type).getPrecision(); final int decimalScale = ((DecimalType) type).getScale(); return (val, index, statement) -> statement.setBigDecimal( index, val.getDecimal(index, decimalPrecision, decimalScale) .toBigDecimal()); case ARRAY: case MAP: case MULTISET: case ROW: case RAW: default: throw new UnsupportedOperationException("Unsupported type:" + type); } } }- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
- 190
- 191
- 192
- 193
- 194
4.3. spring bean ing
将if else 变成spring bean的名字去拿到bean，这个bean是通过一个抽象接口实现的。
参考：
策略模式 -
相关阅读:
v 3 + vite + ts 自适应布局(postcss-pxtorem)
XCode 去除 UserInterfaceState.xcuserstate 文件困扰
【电路理论】ArcGIS pro运行Linkage map3.0
阿里内部疯传“Java面试笔记”，熬了半个月刷完，斩获大厂offer
Java实现LeetCode题目
Head、Neck、Backbone介绍
Element-UI+vue实现登录表单
App 出海实践：Google Play 结算系统
iOS 横竖屏处理方案
vector的使用
- 原文地址：https://blog.csdn.net/hiliang521/article/details/127855641