TEAMMATES项目中数据库实体获取机制的重构思考
2025-07-09 10:52:52作者:冯梦姬Eddie
背景介绍
在TEAMMATES这个在线教育平台的测试框架中,BaseTestCaseWithSqlDatabaseAccess类负责处理与数据库的交互操作。其中,getEntity方法作为核心功能之一,承担着根据不同类型实体从数据库获取对应数据的职责。然而,随着项目规模的扩大和实体类型的增加,原有的实现方式逐渐暴露出可维护性和扩展性方面的问题。
原始实现分析
原代码采用简单的条件判断来处理不同类型的实体:
private ApiOutput getEntity(BaseEntity entity) {
if (entity instanceof Student) {
return getStudent((Student) entity);
} else if (entity instanceof FeedbackQuestion) {
return getFeedbackQuestion((FeedbackQuestion) entity);
} else if (entity instanceof FeedbackSession) {
return getFeedbackSession((FeedbackSession) entity);
} else if (entity instanceof FeedbackResponse) {
return getFeedbackResponse((FeedbackResponse) entity);
} else {
throw new RuntimeException("Unknown entity type");
}
}
这种实现存在几个明显问题:
- 违反开闭原则:每次新增实体类型都需要修改这个方法
- 方法膨胀风险:随着实体类型增加,方法会变得冗长难维护
- 类型安全不足:运行时类型检查可能带来潜在错误
解决方案探讨
方案1:抽象方法实现
考虑将getEntity设为抽象方法,由子类实现具体逻辑。但存在两个问题:
- 不同子类可能需要完全不同的实现,导致代码重复
- 作为基础测试类,使用多态反而增加了复杂度
方案2:测试实体模式
创建TestEntity抽象类继承BaseEntity,但会:
- 混合业务逻辑和数据访问,违反单一职责原则
- 需要通过Backdoor实例调用,设计上不够优雅
方案3:仓储模式
最终采纳的解决方案是引入仓储模式:
abstract class BaseRepository<T> {
abstract public T getEntity();
abstract public void save(T entity);
}
这种设计具有以下优势:
- 职责清晰:将数据访问逻辑集中管理
- 易于扩展:新增实体只需添加对应的Repository
- 类型安全:利用泛型避免类型转换
- 可测试性:便于mock和单元测试
实施建议
在实际重构过程中,建议采取以下步骤:
- 定义基础接口:首先建立BaseRepository接口规范
- 逐步迁移:按优先级逐个实体迁移到新架构
- 保持兼容:过渡期可保留旧方法,标记为@Deprecated
- 统一调用:最终将所有数据访问收敛到仓储层
架构影响
这种重构不仅解决了当前问题,还为系统带来长期收益:
- 解耦数据访问:业务代码不再直接依赖具体数据库操作
- 统一管理:所有数据访问逻辑集中到仓储层
- 缓存支持:便于未来添加缓存机制
- 事务管理:简化复杂操作的事务控制
总结
在TEAMMATES项目的演进过程中,通过引入仓储模式重构数据访问层,有效解决了原有实现的可维护性问题。这种架构改进不仅满足了当前需求,还为系统的未来发展奠定了良好基础,体现了软件设计中"对修改关闭,对扩展开放"的重要原则。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
9
1
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218