博客
关于我
Spring DI依赖注入之 set注入柒种方式,美滋滋 (二)
阅读量:241 次
发布时间:2019-03-01

本文共 2538 字,大约阅读时间需要 8 分钟。

依赖注入(DI)详解

依赖注入简介

依赖注入(Dependency Injection,简称DI)是一种软件设计模式,旨在通过在应用程序运行时动态注入依赖关系,从而提升组件的灵活性和可扩展性。与传统的静态绑定不同,依赖注入允许程序在运行时决定对象的创建和注入顺序,这种方式能够显著提高组件的重用频率。

DI 核心概念

为了更好地理解依赖注入,我们需要明确以下四个关键点:

  • 谁依赖谁:通常是应用程序依赖于IoC容器。
  • 为何需要依赖:应用程序需要IoC容器来获取所需的外部资源。
  • 谁注入谁:IoC容器将所需资源注入到应用程序对象中。
  • 注入内容:包括对象、资源、常量数据等。
  • Spring注入方式

    在Spring框架中,依赖注入主要通过以下方式实现:

  • @Value注入:用于注入简单类型值(如字符串、数字等)。
  • @Autowired注入:用于注入Spring-managed bean。
  • @Qualifier注入:用于指定特定的bean进行注入。
  • @Resource注入:用于注入资源文件(如properties文件)。
  • @Component注入:用于注入组件相关属性。
  • 注入示例

    假设我们有以下POJO类:

    public class Student {    private Address address;    private String[] books;    private List
    hobbs; private Map
    card; private Set
    games; private String wife; private Properties info; // setter方法和getter方法(未列出)}

    在Spring配置文件ApplicationContext.xml中,我们可以通过以下方式注入:

    四大名著
    红楼梦
    西游记
    水浒传
    三国演义
    打篮球
    看电影
    敲代码
    狂街
    CF
    LOL
    COC
    BOB
    20210410
    贺伟

    测试用例

    public class MyTest {    public static void main(String[] args) {        ClassPathXmlApplicationContext context = new ClassPathXmlApplicationContext("ApplicationContext.xml");        Student student = (Student) context.getBean("student");        System.out.println(student.toString());    }}

    总结

    通过以上配置,我们可以实现对不同类型数据的注入,包括单值、数组、List、Map、Set、Properties以及Null值。这些注入方式在Java EE开发中是常见的技术手段,通过合理配置,可以显著提升代码的可维护性和灵活性。

    转载地址:http://denv.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    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>>