在Fruit项目中实现带构造参数的接口替换方案
2025-07-08 16:20:49作者:何将鹤
问题背景
在Fruit这个C++依赖注入框架中,开发者经常需要替换接口的不同实现。本文探讨一个典型场景:如何为JSON仓库实现添加特殊的构造参数,同时保持接口的通用性。
核心挑战
当我们需要将一个标准仓库实现替换为JSON仓库实现时,JSON仓库需要接收一个字符串参数作为数据存储后端。但标准仓库接口IRepository是一个通用接口,不应该包含JSON特有的方法。
解决方案
1. 修改实现类构造函数
首先修改JSON仓库实现类,使其构造函数接收字符串参数:
class JSONScalerRepositoryImpl : public IScalerRepository {
private:
std::string m_context;
public:
INJECT(JSONScalerRepositoryImpl(const std::string& json))
: m_context(json) {}
// ... 其他接口实现
};
2. 调整组件工厂函数
创建两个版本的组件工厂函数,一个用于标准实现,一个用于JSON实现:
// 标准实现工厂
fruit::Component<IScalerRepository> getScalerRepositoryDBComponent() {
// ... 标准实现
}
// JSON实现工厂,接收字符串指针
fruit::Component<IScalerRepository> getScalerJsonRepository(std::string* pJsonString) {
return fruit::createComponent()
.bind<IScalerRepository, JSONScalerRepositoryImpl>()
.bindInstance(*pJsonString); // 注意这里解引用
}
3. 创建测试组件
在测试组件中实现替换逻辑:
fruit::Component<ScalerFactory> getScalerTestComponent(std::string* pJsonString) {
return fruit::createComponent()
.replace(getScalerRepositoryDB)
.with(getScalerJsonRepository, pJsonString)
.install(getScalerComponent);
}
关键实现细节
-
指针传递:必须使用指针而非引用或值传递,因为Fruit内部需要能够存储和移动这些参数。
-
bindInstance使用:在组件工厂中,我们使用
bindInstance将解引用后的字符串绑定到注入系统中。 -
替换顺序:注意
.replace().with()必须在.install()之前调用,这是Fruit框架的要求。
替代方案对比
最初考虑过两种替代方案:
-
在接口中添加设置方法:这违反了接口隔离原则,会使通用接口包含实现特定的方法。
-
使用上下文对象:虽然可行,但需要额外定义结构体和哈希实现,增加了复杂度。
最终选择的指针方案最为简洁,且与Fruit的设计理念相符。
实际应用
在实际使用时,注入器的创建方式如下:
std::string jsonData = "..."; // JSON数据
Injector<ScalerFactory> injector(getScalerTestComponent, &jsonData);
这种方式确保了:
- JSON数据在注入时可用
- 不会污染通用接口
- 保持了代码的可测试性
总结
通过合理使用Fruit的依赖注入机制,我们成功实现了:
- 为特定实现添加构造参数
- 保持接口的纯净性
- 灵活替换不同实现
- 确保类型安全
这种模式可以推广到其他需要为接口实现添加特定构造参数的场景,是Fruit框架中一个实用的高级技巧。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
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++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
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
457
439
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++
1.08 K
1.1 K
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
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221