Fruit框架中动态装饰器模式的实现方法
2025-07-07 08:44:15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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.19 K

暂无简介
Dart
514
115

Ascend Extension for PyTorch
Python
62
95

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++
550
86

React Native鸿蒙化仓库
C++
208
285

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

🎉 (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
976
576

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
193