多种异构数据的分析设计方案3:聊聊策略模式+函数式接口+MAP

本文主要是介绍多种异构数据的分析设计方案3:聊聊策略模式+函数式接口+MAP,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

多种异构数据的分析设计方案3:聊聊策略模式+函数式接口+MAP

 

定义

策略模式(Strategy Pattern): 定义并封装一系列算法类,并且这些类可以相互替换,可以在运行时根据需要选择不同的算法,而不需要修改客户端流程代码。

策略模式让算法独立于使用它的客户端而变化,也称为政策模式(Policy)。

 

主要解决,在有多种算法流程相似的情况下,使用许多if...else分支所带来的代码复杂且难以维护的问题。

关键代码:定义共通的函数时接口。

何时使用:一个系统有许多业务分支类,执行的业务逻辑一致,只是具体实现不同。

如何解决:将这些算法封装成一个一个的类,根据需求任意地组合替换。

 

 

 

业务场景: 智能工厂升级改造,解决历史遗留的不同系统之间数据隔离问题,并统计分析各个系统生产制造运行数据指标。

各个系统数据库设计的表结构不同,各字段名称不同,但都有一定规律。现要将数据进行分析汇总到同一个分析表里。

 

示例:数据库A,表设计。

 

    CREATE TABLE demo.table_a (

            id int IDENTITY(1,1) ,

            product_shop_id int (生产车间ID),

            robot_id varchar(50) (机器人ID),

            robot_type int (机器人类型),

            qr_code varchar(50) (条形码),

            ok_ng_flag int (OK/NG判断),

            date_time datetime (生产时间)

    );

示例:数据库B,表设计。

 

    CREATE TABLE demo.table_a (

            id int IDENTITY(1,1) ,

            product_line_id int (生产线ID),

            assemble_id varchar(50) (机器工位ID),

            assemble_type int (机器工位型),

            prodct_code varchar(50) (生产条形码),

            judge_flag int (OK/NG判断),

            date_time datetime (生产时间)

    );

 

示例:数据库C,D,E,F表设计.........。

 

数据分析汇总表

 

    CREATE TABLE demo.statistic (

            ID int IDENTITY(1,1),

            product_date date(生产日期),

            flow_line_id int (生产流水线ID),

            assemble_id varchar(50) (机器工位ID),

            assemble_type int (机器工位型),

            count_all int(OK总数) ,

            count_ng int (NG总数)

    );

 

伪代码示例:

 

定义字段转换使用的函数式接口

 

    @FunctionalInterface

    public interface MyFunction {

            /**

             */

            ColumnBean makeColumnExe();

    }

 

 

定义业务类

 

    @Service

    public class MyServiceImpl{

            // 使用 map 存储具体策略执行逻辑函数

            // 特点:通过key从map里面获取,替换通过if-else获取策略类,减少了复杂度,

            // 特点:减少class,但增加 method,增加新的策略函数,既可以定义在新class里面,也可以写在已有的class里面。

            private Map<String, MyFunction> FUN_MAP = new HashMap<>();

            @PostConstruct

            public void beanInit() {

                    //

                    FUN_MAP.put("KEY1", () -> this.makeColumn1());

                    //

                    FUN_MAP.put("KEY2", () -> this.makeColumn2());

                    //

                    ............

            }

 

 /**

  * 使用

  */

 public void myServiceExe(Key key){

  ............

  ............

  // 替换通过if-else获取策略类,通过key从map里面获取

  MyFunction fun = FUN_MAP.get(key);

  if (fun != null) {

     ColumnBean columnBean = fun.makeColumnExe();

    //使用参数做统计分析

   //在SQL,动态拼接字段,表名称等

 

 statisticService.statisticDaily(columnBean);

  }

  ............

  ............

 }

 

 /**

  * 定义具体实现

  */

 private ColumnBean makeColumn1(){

  ............

  columnBean = new columnBean();

  columnBean.setIdColumn("id");

  columnBean.setProductDateColumn("date_time");

  columnBean.setFlowLineIdColumn("product_shop_id");

  columnBean.setAssembleIdColumn("robot_id");

  columnBean.setAssembleTypeColumn("robot_type");

  columnBean.setJudgeColumn("ok_ng_flag");

  ............

 }

 /**

  * 定义具体实现

  */

 private ColumnBean makeColumn2(){

  ............

  columnBean = new columnBean();

  columnBean.setIdColumn("ID");

  columnBean.setProductDateColumn("date_time");

  columnBean.setFlowLineIdColumn("product_line_id");

  columnBean.setAssembleIdColumn("assemble_id");

  columnBean.setAssembleTypeColumn("assemble_type");

  columnBean.setJudgeColumn("judge_flag");

  ............

 }

    }

或者创建数据库,把makeColumn的相关配置信息,落实到数据库中。取用时根据KEY获取。

 

 

 

 

这篇关于多种异构数据的分析设计方案3:聊聊策略模式+函数式接口+MAP的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1070810

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

hdu1171(母函数或多重背包)

题意:把物品分成两份,使得价值最接近 可以用背包,或者是母函数来解,母函数(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v)(1 + x^v+x^2v+.....+x^num*v) 其中指数为价值,每一项的数目为(该物品数+1)个 代码如下: #include<iostream>#include<algorithm>

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式(Singleton Pattern) 确保一个类只有一个实例,并提供一个全局访问点。 示例代码: class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)