Fruit框架中动态装饰器模式的实现方法
2025-07-08 09:17:30作者:田桥桑Industrious
概述
在依赖注入框架Fruit中实现动态装饰器模式是一个常见的需求场景。本文将通过一个实际案例,详细介绍如何在Fruit框架中根据运行时条件动态选择基础实现类并决定是否添加装饰器层。
问题背景
假设我们有一个名称翻译器的抽象基类NameTranslator,以及它的几个具体实现:
NewStyleTranslator- 新式翻译器实现LegacyTranslator- 旧式翻译器实现NormalizingTranslator- 规范化装饰器,包装其他NameTranslator实现
业务需求是根据两个运行时布尔值参数动态决定:
- 使用新式还是旧式翻译器(
is_new_style) - 是否需要添加规范化装饰层(
should_normalize)
初始实现尝试
基于注解的绑定方案
开发者首先尝试使用Fruit的注解功能来实现动态绑定:
fruit::Component<fruit::Required<NewStyleTranslator, LegacyTranslator>,
fruit::Annotated<InnerTag, NameTranslator>>
get_inner_component(bool is_new_style) {
if (is_new_style) {
return fruit::createComponent()
.bind<fruit::Annotated<InnerTag, NameTranslator>, NewStyleTranslator>();
} else {
return fruit::createComponent()
.bind<fruit::Annotated<InnerTag, NameTranslator>, LegacyTranslator>();
}
}
然后在外部组件中尝试将普通NameTranslator绑定到注解版本:
fruit::Component<fruit::Required<fruit::Annotated<InnerTag, NameTranslator>>,
NameTranslator>
get_outer_component() {
return fruit::createComponent()
.bind<NameTranslator, fruit::Annotated<InnerTag, NameTranslator>>();
}
这种方案遇到了编译错误,因为Fruit框架会阻止将接口绑定到自身,即使使用了不同的注解。
基于Provider的方案
第二种尝试是使用registerProvider:
registerProvider([](
Provider<NewStyleTranslator> new_style,
Provider<LegacyTranslator> legacy,
OtherParameters other_params) {
NameTranslator* inner = is_new_style ? new_style.get() : legacy.get();
return should_normalize ? new NormalizingTranslator(*inner, other_params) : inner;
});
这种方案会导致双重释放问题,因为当should_normalize为false时,返回的是已由其他部分管理的指针,而Fruit框架会尝试再次释放它。
解决方案
Fruit框架维护者确认了第一种基于注解的方案是正确的方向,但框架原本的实现过于严格地阻止了接口到自身的绑定。在最新版本中,框架已做出以下改进:
- 只有当绑定完全相同的类型和注解时才会报错
- 允许将普通接口绑定到带注解的相同接口
- 更新了相关文档说明
这意味着现在可以安全地使用注解方案来实现动态装饰器模式。
最佳实践
在Fruit中实现动态装饰器模式的推荐做法是:
- 使用注解标记内部实现
- 根据条件绑定不同的具体实现到注解接口
- 在外部组件中决定是否添加装饰层
- 确保装饰器类也继承自基接口
这种模式不仅适用于名称翻译器场景,也可以推广到其他需要动态装饰的业务场景中。
总结
Fruit框架通过灵活的注解系统和改进后的绑定规则,为开发者提供了实现动态装饰器模式的优雅方案。理解框架的绑定机制和生命周期管理是成功应用这种模式的关键。随着框架的不断完善,这类常见设计模式的实现会变得更加直观和简便。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781