Fruit框架中动态装饰器模式的实现方法
2025-07-07 23:50:26作者:秋泉律Samson
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。
问题场景
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,可以包装其他翻译器
我们的需求是根据运行时参数is_new_style和should_normalize动态决定:
- 使用新式还是旧式翻译器作为基础实现
- 是否需要在基础实现上添加规范化装饰器
初步尝试与问题
方法一:条件绑定
最初尝试使用Fruit的条件绑定功能:
fruit::Component<fruit::Annotated<InnerTag, NameTranslator>>
getInnerComponent(bool is_new_style) {
if (is_new_style) {
return fruit::createComponent()
.bind<Annotated<InnerTag, NameTranslator>, NewStyleTranslator>();
} else {
return fruit::createComponent()
.bind<Annotated<InnerTag, NameTranslator>, LegacyTranslator>();
}
}
fruit::Component<NameTranslator> getOuterComponent() {
return fruit::createComponent()
.bind<NameTranslator, Annotated<InnerTag, NameTranslator>>();
}
这种方法会遇到编译错误,因为Fruit框架会阻止将类型绑定到自身,即使使用了不同的注解。
方法二:使用Provider
第二种尝试是使用registerProvider:
registerProvider([](
Provider<NewStyleTranslator> new_style,
Provider<LegacyTranslator> legacy,
OtherParameters params) {
NameTranslator* inner = is_new_style ? new_style.get() : legacy.get();
return should_normalize ? new NormalizingTranslator(*inner, params) : inner;
});
这种方法的问题是所有权管理:当should_normalize为false时,返回的是已存在的指针,而Fruit会尝试删除它,导致双重释放。
解决方案
Fruit框架的最新版本已经修复了条件绑定中的限制。现在可以安全地将类型绑定到带注解的自身类型,只要注解不同即可。这意味着最初的条件绑定方法现在可以正常工作:
- 根据
is_new_style条件绑定带注解的基础实现 - 根据
should_normalize条件决定是否添加装饰器层
实现建议
对于这种动态装饰器模式,推荐以下实现方式:
- 为内部实现定义专门的注解标签
- 创建两个独立的组件工厂方法:
- 一个负责选择基础实现
- 一个负责决定是否添加装饰器
- 在应用层组合这两个组件
这种分层设计保持了代码的清晰性和可测试性,同时充分利用了Fruit框架的依赖注入能力。
总结
在Fruit框架中实现动态装饰器模式需要注意类型绑定规则和对象生命周期管理。通过合理使用注解和条件绑定,可以构建灵活且类型安全的依赖注入方案。框架的最新改进使得这种模式更加容易实现,开发者可以专注于业务逻辑而非框架限制。
对于复杂的动态依赖场景,建议:
- 明确定义组件边界
- 使用注解区分不同角色的相同类型
- 保持组件工厂的单一职责原则
这些实践将帮助构建可维护且灵活的依赖注入架构。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Python小说下载神器:一键获取番茄小说完整内容如何用md2pptx快速将Markdown文档转换为专业PPT演示文稿 📊京东评价自动化工具:用Python脚本解放双手的高效助手三步掌握Payload-Dumper-Android:革新性OTA提取工具的核心价值定位终极Obsidian模板配置指南:10个技巧打造高效个人知识库终极指南:5步解锁Rockchip RK3588全部潜力,快速上手Ubuntu 22.04操作系统WebPlotDigitizer 安装配置指南:从图像中提取数据的开源工具终极FDS入门指南:5步掌握火灾动力学模拟技巧高效获取无损音乐:跨平台FLAC音乐下载工具全解析终极指南:5步复现Spring Boot高危漏洞CVE-2016-1000027
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
530
3.74 K
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
336
177
Ascend Extension for PyTorch
Python
338
401
React Native鸿蒙化仓库
JavaScript
302
355
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++
885
595
暂无简介
Dart
770
191
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
139
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
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246