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
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
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