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 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    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>>