技术

上下文记忆 agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
上下文记忆 agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

编写java框架的几大利器

2017年05月02日

前言

笔者最近学习几个框架,其共同特征用maven 项目结构来描述的话就是:

xxx
    xxx-core/xxx-common  // 核心抽象与实现
    xxx-spring		     // 负责与spring整合,隐藏掉初始化,加一些注解等操作

我们说面向过程,画流程图,流程图中从start到end的代码我们都看的到。但到java中,大部分时候,我们在写回调函数/生命周期函数。即便是我们用代码描述了开始与结束,但其中注解啊什么的,又为我们夹带了不少私货。经常有人说,大部分程序猿拿着面向对象的语言写面向过程的代码(常写controller-service-dao的程序猿对这点感受尤其明显)。那么理解问题、理解框架、理解框架与业务的边界,有利于我们从面向对象的角度去思考问题。

框架一般有以下几个tips:

  1. 如何感知用户配置。框架本身的运行需要一些策略和参数
  2. 找出共性和个性的边界。比如web的filter、listener,spring的BeanPostProcessor等
  3. 框架本身的复杂性如何解决?比如分层、设计模式
  4. 对现有框架的扩展
  5. 基于现有框架实现新框架。比如基于spring 实现一个自定义注解

一个框架,尤其是一个复杂框架,往往意味着多个复杂抽象以及抽象间复杂的依赖关系。尽量从中找一些共同点或工具,以减少阅读源码时的思维负担。

spi

剖析 SPI 在 Spring 中的应用SPI(Service Provider Interface),是Java内置的一种服务提供发现机制,可以为接口寻找服务实现。SPI机制将服务的具体实现转移到了程序外,为框架的扩展和解耦提供了极大的便利。

阅读 Flink 源码前必知必会 - SPI 和 ClassLoader在框架设计中,要遵循的原则是对扩展开放,对修改关闭,保证框架实现对于使用者来说是黑盒。因为框架不可能做好所有的事情,只能把共性的部分抽离出来进行流程化,然后留下一些扩展点让使用者去实现,这样不同的扩展就不用修改源代码或者对框架进行定制。

SPI 加载慢的解决方法 好文章

概念

JDK/Dubbo/Spring 三种 SPI 机制,谁更好? SPI 的本质是将接口实现类的全限定名配置在文件中,并由服务加载器读取配置文件,加载实现类。PS: 本质是类加载的一种应用

java中的SPI机制

java 平台对spi的支持可以参见java.util.ServiceLoader.A simple service-provider loading facility类。比如对一个maven项目结构

src
    main
        java
            org.lqk.spi
                IUserService
                UserService
        resources
            META-INF
                services
                    org.lqk.spi.IUserService // 内容是org.lqk.spi. UserService

那么在代码中

public class ServiceBootstrap {
    public static void main(String[] args) {
        // 一般 用于加载不属于当前 jar 的 框架库文件内的 类
        ServiceLoader<IUserService> serviceLoader = ServiceLoader.load(IUserService.class);
        serviceLoader.forEach(IUserService::sayHello);
    }
}

ServiceLoader.load(IUserService.class)即可得到IUserService实例。

public static <S> ServiceLoader<S> load(Class<S> service) {
	// 获取当前线程的上下文类加载器。ContextClassLoader 是每个线程绑定的
	ClassLoader cl = Thread.currentThread().getContextClassLoader();
	return ServiceLoader.load(service, cl);
}

Thread.currentThread().getContextClassLoader(); 使用这个获取的类加载器是 AppClassLoader,会去加载 classpath 的类。 ServiceLoader 核心的逻辑就在nextService方法里

private S nextService() {
	if (!hasNextService())
		throw new NoSuchElementException();
	String cn = nextName;
	nextName = null;
	Class<?> c = null;
	try {
		// 加载这个类
		c = Class.forName(cn, false, loader);
	} catch (ClassNotFoundException x) {
		fail(service,
				"Provider " + cn + " not found");
	}
	if (!service.isAssignableFrom(c)) {
		fail(service,
				"Provider " + cn  + " not a subtype");
	}
	try {
		// 初始化这个类
		S p = service.cast(c.newInstance());
		providers.put(cn, p);
		return p;
	} catch (Throwable x) {
		fail(service,
				"Provider " + cn + " could not be instantiated",
				x);
	}
	throw new Error();          // This cannot happen
}
private boolean hasNextService() {
	if (nextName != null) {
		return true;
	}
	if (configs == null) {
		try {
			// 寻找 META-INF/services/类
			String fullName = PREFIX + service.getName();
			if (loader == null)
				configs = ClassLoader.getSystemResources(fullName);
			else
				configs = loader.getResources(fullName);
		} catch (IOException x) {
			fail(service, "Error locating configuration files", x);
		}
	}
	while ((pending == null) || !pending.hasNext()) {
		if (!configs.hasMoreElements()) {
			return false;
		}
		// 解析这个类文件的所有内容
		pending = parse(service, configs.nextElement());
	}
	nextName = pending.next();
	return true;
}

JDK SPI 在查找扩展实现类的过程中,需要遍历 SPI 配置文件中定义的所有实现类(寻找 META-INF/services/类,解析类的内容,构造 Class),该过程中会将这些实现类全部实例化。PS: 本质上是 扩展了classloader的实现,SPI 是classloader 的一种应用

缺点:JDK SPI 在查找扩展实现类的过程中,需要遍历 SPI 配置文件中定义的所有实现类,该过程中会将这些实现类全部实例化。如果 SPI 配置文件中定义了多个实现类,而我们只需要使用其中一个实现类时,就会生成不必要的对象。

与api 对比

Java SPI思想梳理 spi 是与 api 相对应的一个词,代码上会有一个接口类与其对应

  api spi
概念上 概念上更接近实现方。实现了一个服务,然后提供接口 给外界调用 概念上更依赖调用方。比如java 的jdbc 规范,是先定义接口,然后交给mysql、oracle 等厂商实现
interface 在 实现方所在的包中 调用方所在的包中
interface 和 implement 在一个包中 implement位于独立的包中(也可认为在提供方中)
如何对外提供服务,证明自己用处在哪里 提供接口 给外界调用 java spi的具体约定为: 当服务的提供者,提供了服务接口的一种实现之后,在jar包的META-INF/services/目录里同时创建一个以服务接口命名的文件。文件内容就是实现该服务接口的具体实现类

与 ioc 对比

类似的ioc工具有 Plexus,Spring之外的IoC容器google/guice

使用它们而不是spring ioc有一个好处:我们所写的框架,经常应用于很多使用spring的项目中,不使用spring ioc,可以不与业务使用的spring版本冲突。

贴一段guice的简介:Put simply, Guice alleviates the need for factories and the use of new in your Java code. Think of Guice’s @Inject as the new new(一个新的new). You will still need to write factories in some cases, but your code will not depend directly on them. Your code will be easier to change, unit test and reuse in other contexts.

  1. 面向的对象的设计里,我们一般推荐模块之间基于接口编程
  2. ioc 侧重于将一个类的构造过程省掉,调用方只需关心类的使用。因为接口编程的关系,spring 顺带支持通过scan 等方式 为一个接口 找到(spring 容器中)对应的实现类
  3. spi 强调一个接口有多种实现,不想在代码中写死具体使用哪种实现。

xsd

spring框架的XML扩展特性:让spring加载和解析你自定义的XML文件

通过继承来分解复杂逻辑

笔者对继承的认识,有以下几个过程:

  1. 我们以前更加习惯将复杂代码,分在不同的类中,类直接彼此依赖。
  2. 一些类的共同代码抽取出来,形成父类

这种逻辑方式,在应对controller-service-dao之类的代码时是够用的,因为逻辑的入口controller通常是由多个url触发的。一个项目虽然有多个controller、service、dao,但可以划分为一系列controller-service-dao主线,交叉的不多。多个主线偶尔有一两个流程交叉,复用一些公共代码。此时呢,父类自下而上产生,更多的是承载一些公共函数,这些公共函数通常无法反应该系列类的作用。

而对于框架说,其主线非常明确,往往只有一个入口,一个入口操作对象对外提供服务。此时呢,通常有一个InterfaceA,然后是AbstractA,继而BaseA/DefaultA等,向下开枝散叶(自上而下)。此时呢,通常上级类更容易反映该系列类的作用,制定业务流程,而下级类则往往是某个流程步骤的具体实现了。

还有一种父类,参见netty-codec-http2,父类HttpRequestDecoder处理了http协议所有可能的场景,子类只需为父类某些参数设置特定值即可。构造子类时,不需要传入父类构造函数一样多的参数。

不同的继承形式,就好比不同的家庭。有的是富二代,父类把所有活儿都干完了。有的父类则是下个指示,交给各个子女去执行。随着接入业务逐渐增多继承关系会越来越“胖”或者越来越“高”,当一个新的扩展品类来的时候,我们都需要决策一件事情,新来的品类是继承最根部base类(变胖),还是找一个实现逻辑最相近的类来继承(变高)。变胖带来的后果就是复用性不好,一样的实现逻辑可能会出现在多个流程中;变高带来的后果是父类实现的修改有可能会影响子类的业务。

重新理解工厂模式

A factory class decouples the client and implementing class. 工厂模式解决的是bean的生产问题,简单工厂模式根据入参生产不同的bean,普通工厂模式针对每个bean都构建一个工厂,此两者各有优劣,看需要。如果每个bean主要的功能都在方法中,不涉及类变量的使用,可以利用spring容器生成的bean(bean作为factory的成员由spring注入)。

The factory pattern is a design pattern that is used to encapsulate complex logic in functions that creates the wanted instance, without the caller knowing anything about the implementation details.

那么当一个类有多层级继承关系时,就有必要为顶层接口/类准备一个工厂了。

重新来看观察者模式

对于我这个入门程序猿来说,尽管知道观察者模式什么意思,但在实际应用用还是很少用,因为这个违背了了我的直觉。

Objector{
	List<Listener> listeners;
	function notify(){
		for(){
			...
		}
	}
	business1(){	// 我的直觉
		business code
		listener.listen();
	}
	business2(){	// 实际
		business code
		notify();
	}
}

所谓的直觉是,类与类既然相互依赖,那么它们的调用就应该是直接的,就像business1那样,哪怕是business2稍微婉转了一下,都感觉别扭,反射弧就这么大,囧!

所以说,设计模式分为创建型、结构型、行为型,我们在思考类的关系的时候,或许也应先从创建、结构、行为三个方向来着眼。

观察者模式,也描述了对象与对象之间的依赖关系。

框架方和使用框架方的边界

表现形式

  1. 注解,这就要求有一个组件将分散在业务各个位置的注解相关数据重新组织起来
  2. 接口

驱动

  1. 框架本身有线程启动,start 框架内线程有以下几种方式

    1. 框架线程启动代码注册到web容器中,web容器启动时驱动
    2. 显式初始化框架提供的操作对象
    3. 框架的操作对象在执行第一个任务时启动线程
  2. 通过业务调用驱动

    1. 使用spring 容器时, 挂载一些钩子函数、或实现特定接口,即可将代码挂载容器的启动过程中。

框架和业务的几点不同

  1. 框架应该尽量减少依赖。除了上文提到的spring的版本兼容问题,一些框架功能的实现还依赖zk、mq等,这是要尽量减少的。
  2. 框架应该尽量减少对入参的更改。因为调用方可能复用入参。

框架和框架box 类

学习一个框架,要分清楚框架的核心和边缘,比如《netty in action》中提到:Netty provides an extensive set of predefined handlers that you can use out of the box.including handlers for protocols such as HTTP and SSL/TLS. Internally ,Channel-Handlers use events and futures themselves,making them consumers of the same abstractions your applications will employ.

依赖关系的管理

一个稍微复杂的框架,必然伴随几个抽象以及抽象间的依赖关系,那么依赖的关系的管理,可以选择spring(像大多数j2ee项目那样),也可以硬编码。这就是我们看到的,每个抽象对象有一套自己的继承体系,然后抽象对象子类之间又彼此复杂的交织。比如Netty的eventloop、unsafe和pipeline,channel作为最外部操作对象,聚合这三者,根据聚合合的子类的不同,Channel也有多个子类来体现。

依赖关系管理,也可以考虑使用google/guice

其它

们使用框架,主要是复用框架的能力(function)。而对于框架而言,他最主要的职责是帮用户处理“数据”,对于用户数据,我们在框架中通常叫它们Context(上下文)。我们可以将框架中的Context进一步分为Procedure Context(过程上下文)和Global Context(全局上下文):

  1. 所谓Procedure Context,是指用户每次调用框架所需要携带的数据。这个Context一般被设计为函数参数,在框架内部传递,当调用链结束,即被销毁。简单理解就是Context per request。例如,web容器框架中的每一个http请求都会有一个HttpServletRequest,就属于Procedure Context。
  2. 所谓Global Context,一般存储的是用户对框架的配置信息,它是全局共享的,在框架的整个生命周期都有效。比如,web容器中的ServletContext,一个容器只有一个是Global的。