Factory项目中的参数化依赖注入实践指南
2025-07-02 17:31:38作者:平淮齐Percy
参数化工厂与依赖注入的取舍
在Factory依赖注入框架中,ParameterFactory提供了一种强大的参数化依赖注入机制,允许我们在对象创建时传入运行时参数。然而,这种机制与常规的@Injected属性包装器之间存在一定的使用冲突,需要开发者理解其原理并做出合理的设计选择。
参数化工厂的基本用法
ParameterFactory允许我们在注册依赖时定义一个参数类型,并在解析时传入该参数:
extension Container {
var coordinatorA: ParameterFactory<CoordinatorB, CoordinatorA> {
self { CoordinatorA(next: $0) }
}
}
使用时需要显式传入参数:
let next = CoordinatorB()
let coordinator = Container.shared.coordinatorA(next)()
与@Injected的兼容性问题
@Injected属性包装器设计用于无参数依赖注入,因此无法直接与ParameterFactory配合使用:
// 以下代码会编译错误
@Injected(\.coordinatorA) private var coordinator
这是因为属性包装器无法处理运行时参数,而参数化工厂要求在解析时必须提供参数值。
解决方案探讨
方案一:显式解析模式
最直接的解决方案是放弃使用@Injected,改为显式解析:
class ExampleViewModel {
private let coordinator: CoordinatorA
init() {
let next = CoordinatorB()
self.coordinator = Container.shared.coordinatorA(next)()
}
}
这种方式的优点是简单直接,缺点是需要在每个使用点都处理参数传递。
方案二:工厂缓存模式
可以创建一个中间缓存机制,先注册带参数的工厂,然后提供无参数的访问点:
private var coordinatorAFactory: Factory<CoordinatorA>?
extension Container {
var coordinatorA: Factory<CoordinatorA> {
guard let factory = coordinatorAFactory else {
fatalError("registerCoordinatorA(next:) must be called first")
}
return factory
}
func registerCoordinatorA(next: CoordinatorB) {
coordinatorAFactory = self { CoordinatorA(next: next) }
}
}
这种方案虽然复杂,但提供了更干净的API接口。
方案三:依赖反转设计
更优雅的解决方案是重新设计依赖关系,避免使用参数化工厂:
extension Container {
var coordinatorA: Factory<CoordinatorA> {
self { CoordinatorA() }.cached
}
var coordinatorB: Factory<CoordinatorB> {
self { CoordinatorB() }.cached
}
}
class CoordinatorA {
@LazyInjected(\.coordinatorB) var coordinator
}
这种设计利用@LazyInjected实现按需解析,提供了更大的灵活性。
缓存行为注意事项
当使用非unique作用域时,Factory会缓存第一个解析的实例,后续解析将返回相同的实例,无论传入什么参数:
let next1 = CoordinatorB()
let next2 = CoordinatorB()
let coordinator1 = Container.shared.coordinatorA(next1)()
let coordinator2 = Container.shared.coordinatorA(next2)()
// coordinator2 === coordinator1
这种行为在设计中需要特别注意,确保它符合业务逻辑预期。
最佳实践建议
- 优先考虑依赖反转:尽可能通过容器管理所有依赖,而不是使用参数化工厂
- 谨慎使用参数化工厂:仅在确实需要运行时参数时使用
ParameterFactory - 明确缓存策略:根据业务需求选择合适的作用域(scope)
- 考虑测试便利性:设计应便于在测试中替换依赖实现
通过合理运用这些模式和技术,可以在Factory框架中构建出既灵活又易于维护的依赖注入体系。
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 StartedJavaScript096- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
700
4.5 K
Ascend Extension for PyTorch
Python
563
691
Claude 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 Started
JavaScript
535
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++
957
953
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
411
338
🎉 (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
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
128
209
昇腾LLM分布式训练框架
Python
148
177
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
140
221