当前位置: 首页 > article >正文

UML 关系详解

依赖Dependency含义一个类的变化会影响到另一个类但反之不一定。这是一种“使用”关系通常是临时的、较弱的。典型场景一个类作为另一个类方法的局部变量、方法参数或调用静态方法。UML表示带箭头的虚线箭头指向被依赖的类即“使用者”指向“被使用者”。代码示例// 动物类 依赖于 水类喝水方法需要用水对象作为参数 public class Animal { public void drink(Water w) { // 作为方法参数 System.out.println(w.getName()); } }关联Association含义一个对象知道另一个对象的长期存在。这是一种“拥有”或“知道”的关系比依赖更强、更持久。典型场景一个类以“成员变量属性”的形式保存对另一个类的引用。UML表示实线通常带箭头指向被关联的类双向关联可以没有箭头或有双向箭头。可以标注多重性如 1 0.. 1..等。代码示例public class Person { private Book _book; // 单向关联 public Person(Book book) { _book book; } public void Read() { Console.WriteLine($Reading: {_book.Title}); } } public class Book { public string Title { get; set; } public Book(string title) { Title title; } }聚合Aggregation和组合Composition确实都是关联关系Association的特殊形式。聚合Aggregation特点是整体与部分的关系且部分可以离开整体而单独存在如“汽车”和“轮胎”。场景汽车有轮子但轮子可以拆下来装到别的车上。UML表示带空心菱形的实线菱形指向整体。public class Car { public string Model { get; set; } private ListWheel _wheels new ListWheel(); // 聚合 public void AddWheel(Wheel wheel) { _wheels.Add(wheel); wheel.SetCar(this); } public void RemoveWheel(Wheel wheel) { _wheels.Remove(wheel); wheel.RemoveCar(); } } public class Wheel { public string Brand { get; set; } public int Size { get; set; } private Car _car; // 可选的反向引用 public void SetCar(Car car) _car car; public void RemoveCar() _car null; }组合Composition特点是整体与部分的关系但部分不能离开整体而单独存在。同生同灭。场景如公司和部门是组合关系没有公司就不存在部门。UML表示带实心(黑色实心要死一起死良心是黑的)菱形的实线菱形指向整体。public class Order { public int OrderId { get; set; } private ListOrderItem _items new ListOrderItem(); // 组合 public void AddItem(string productName, int quantity, decimal price) { // OrderItem 的创建和销毁完全由 Order 控制 var item new OrderItem(productName, quantity, price); _items.Add(item); } public decimal GetTotal() { return _items.Sum(i i.GetSubtotal()); } ~Order() { // 订单销毁时OrderItem 也会被销毁GC 回收 Console.WriteLine($Order {OrderId} disposed, items also disposed); } } public class OrderItem { public string ProductName { get; set; } public int Quantity { get; set; } public decimal UnitPrice { get; set; } public OrderItem(string productName, int quantity, decimal price) { ProductName productName; Quantity quantity; UnitPrice price; } public decimal GetSubtotal() Quantity * UnitPrice; }泛化Generalization含义即面向对象的继承关系。子类继承父类的属性和方法。典型场景普通类继承普通类或抽象类继承抽象类。UML表示空心三角形 实线空心三角形指向父类。代码示例// 父类 public class Animal { public void eat() {} } // 子类 泛化 父类 public class Dog extends Animal { public void bark() {} }实现Realization含义类实现接口。类遵循接口定义的契约实现其所有方法。典型场景一个普通类实现一个或多个接口。UML表示空心三角形 虚线空心三角形指向接口。代码示例// 接口 public interface Flyable { void fly(); } // 鸟类 实现 飞行接口 public class Bird implements Flyable { Override public void fly() { System.out.println(Bird flying...); } }关系强弱排序在UML统一建模语言中这六种关系依赖、关联、聚合、组合、泛化、实现从语义强度即类与类之间联系的紧密程度、耦合度高低、依赖性大小来看通常的排序由弱到强如下强弱排序从最弱到最强依赖 关联 聚合 组合 实现 泛化另一种常见视角从代码修改的影响范围看泛化和实现的耦合度最高因为它们直接决定了类的结构和契约而组合虽然整体-部分关系极强但往往封装在内部对外部的耦合扩散有时弱于继承。1. 依赖最弱特点仅仅是临时性的“使用”关系。一个类的变化可能会影响另一个类但反过来不成立。典型形式局部变量、方法参数、静态方法调用。强度理由被依赖者并不作为使用者的长期状态存在生命周期短暂。2. 关联弱特点长期持有的“知道/拥有”关系。一个类以成员变量形式引用另一个类。强度理由比依赖强因为被关联者是类的一部分状态但双方生命周期独立可以单独存在。3. 聚合中弱特点特殊的关联表示“整体-部分”关系但部分可以脱离整体独立存在。例子汽车整体与轮胎部分。轮胎拆下来仍可装到别的车上。强度理由比普通关联强因为有明确的整体-部分语义但生命周期独立。4. 组合中强特点更强的“整体-部分”关系部分的生命周期由整体控制不能单独存在。例子人整体与心脏部分。心脏脱离人体即失去意义。强度理由比聚合强因为整体负责创建和销毁部分耦合度更高。5. 实现强特点类与接口之间的契约关系。实现类必须遵守接口的全部约定。强度理由实现类依赖于接口定义的稳定契约如果接口改变所有实现类都受影响。比起组合它对系统架构的约束更广泛。6. 泛化最强特点继承关系子类完全依赖于父类的实现细节即便使用里氏替换原则也存在白盒复用。强度理由这是最强的耦合关系。父类的一个方法修改可能波及所有子类且子类无法分离对父类的依赖。因此被公认强度最高。设计原则警示面向对象设计原则中提倡“组合优于继承”Composition over Inheritance正是因为泛化继承的耦合度太强

相关文章:

UML 关系详解

依赖(Dependency)含义:一个类的变化会影响到另一个类,但反之不一定。这是一种“使用”关系,通常是临时的、较弱的。典型场景:一个类作为另一个类方法的局部变量、方法参数,或调用静态方法。UML表…...

learn claude code S12 Worktree 任务隔离详解笔记

S12 Worktree 任务隔离详解笔记基于 s12_worktree_task_isolation.py 源码逐行分析,配合 s12-worktree-task-isolation.md 设计思路。一、问题:多个任务共享一个工作目录,互相踩踏 前面 11 章的 agent 都在同一个工作目录下操作。当只有一个 …...

learn claude code S11 自主 Agent 详解笔记

S11 自主 Agent 详解笔记基于 s11_autonomous_agents.py 源码逐行分析,配合 s11-autonomous-agents.md 设计思路。一、问题:队友需要有人持续指派任务 s09-s10 的 teammate 有一个尴尬的空白期:完成当前任务后进入 idle,然后呢&am…...

【高光谱图像数据处理实战】基于Python的ENVI图像交互式裁剪与光谱数据预处理

前言在处理高光谱图像数据(Hyperspectral Imaging, HSI)时,我们常常需要面对两个核心问题:一是如何从庞大的三维数据立方体(Data Cube)中高效、准确地提取感兴趣区域(ROI&#xff09…...

数学全景地图6---数学的内容、方法和意义,50年代苏联的数学全景大书Big Picture。

0、数学--它的内容、方法和意义。Mathematics--Its Content, Methods, and Meaning.----俄文原版于1956年。英文翻译版于1963年。中文翻译版于1950年代。----在国内的《数学大辞典》中,特别指出这本书《数学-它的内容方法和意义》,是当时的数学辞书之一。…...

opencv-第四章:图像轮廓检测

OpenCV-计算机视觉技术(林伟鹏版) 第四章:图像轮廓检测 文章目录OpenCV-计算机视觉技术(林伟鹏版)前言一、图像轮廓检测概念1.概念二、图像轮廓检测1.图像二值化转换2.图像轮廓匹配3.二值图轮换轮廓检测4.图像轮廓检测…...

多模型聚合平台在应对单一服务波动时的体验差异

🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 多模型聚合平台在应对单一服务波动时的体验差异 在构建依赖大模型能力的应用时,开发者常常面临一个现实挑战&#xff1…...

FreeRTOS日志任务设计----LogTask 日志任务

🎬 渡水无言:个人主页渡水无言 ❄专栏传送门: 《linux专栏》《嵌入式linux驱动开发》《linux系统移植专栏》 ❄专栏传送门: 《freertos专栏》 《STM32 HAL库专栏》《linux裸机开发专栏》 ❄专栏传送门:《产品测评专栏》…...

将串口打印的日志,同时备份到sd卡里

将串口打印的日志&#xff0c;同时备份到sd卡里#include <stdio.h> #include <unistd.h> #include <pthread.h> #include <string.h> #include <stdlib.h> #include <errno.h>static int pipe_fd[2] {-1, -1};static int stdout_backup …...

如何做变量操作化:从抽象概念到测量指标

一、理解变量&#xff1a;科研的基石在深入操作化之前&#xff0c;我们首先要明确“变量”在定量研究中的定义。变量&#xff08;Variable&#xff09;指的是个体或组织的特征或属性&#xff0c;这些特征可以被研究者测量或观察&#xff0c;并且在不同个体或组织之间存在差异。…...

争分夺秒与步步为营:Infoseek舆情系统如何重构危机响应的时间哲学

“黄金4小时”甚至“黄金1小时”&#xff0c;是公关行业奉行的铁律。然而&#xff0c;为了追求速度而仓促发出的声明&#xff0c;常常因为事实核查不清、逻辑存在漏洞或情感表达不当&#xff0c;引发更猛烈的“二次翻车”。这种“翻车”对企业公信力的伤害&#xff0c;往往比原…...

别让直觉带路:Infoseek视角下的噪音过滤与火情预警实战

在舆情的世界里&#xff0c;最可怕的不是对手太强大&#xff0c;而是自己吓自己。很多时候&#xff0c;企业之所以“翻车”&#xff0c;并非因为危机本身不可控&#xff0c;而是因为公关团队在面对网友吐槽时过度敏感&#xff0c;发布了不必要的声明或做出了过激反应&#xff0…...

C语言(8) 函数

第五章 函数一段功能代码&#xff0c;被称为函数1. 为了避免代码的重复。 复用性。 开发不用从头开始(库函数)。 2. 模块化的思想 。 大问题&#xff0c;分解成小问题&#xff0c;逐个解决。 设计函数 &#xff0c;高内聚&#xff0c;低耦合。 功能越单一越好 &#xff0c;对外…...

半导体制造中OPC技术与蚀刻偏差的挑战与创新

1. 半导体制造中的OPC技术演进与蚀刻偏差挑战在28nm及更先进制程节点中&#xff0c;光学邻近效应校正(OPC)技术面临着前所未有的精度挑战。我曾在某次技术攻关中亲眼见证&#xff1a;当特征尺寸缩小到40nm以下时&#xff0c;单纯的光学模型校正误差会突然呈现非线性增长。这种现…...

手把手教你用PyTorch复现EfficientNetV2(附完整代码):从网络搭建到渐进式训练全流程

从零实现EfficientNetV2&#xff1a;代码级解析与渐进式训练实战 当你第一次翻开EfficientNetV2论文时&#xff0c;那些复杂的复合缩放系数和渐进式训练策略可能让人望而生畏。但别担心——本文将带你用PyTorch从最基础的卷积模块开始&#xff0c;逐层构建这个高效的视觉模型。…...

(B站TinyML教程学习笔记)C8 edge impulse 快速入门+C9 数据提取+C10 运动数据的特征提取

0:06 - 1:00 为什么使用 Edge Impulse 常见机器学习开发方式 传统机器学习通常会使用&#xff1a; TensorFlowScikit-learn 这些框架功能强大&#xff0c;但&#xff1a; 学习成本高需要写大量代码对嵌入式开发者不太友好 Edge Impulse 的作用 Edge Impulse 核心特点&am…...

2002-2024年 人工智能发展能壮大耐心资本吗

本文基于2002-2024年上市公司数据&#xff0c;借鉴《人工智能发展能壮大耐心资本吗&#xff1f; ——来自国家新一代人工智能创新发展试验区的经验证据》一文中的变量构建与基准回归部分&#xff0c;探讨人工智能发展能否培育壮大耐心资本&#xff0c;含原始数据、处理代码、实…...

1986-2025年上市公司高校专利知识溢出

高校专利知识溢出&#xff0c;是衡量企业所处省份外部知识环境与高校创新资源外溢程度的重要指标。对于企业尤其是技术密集型企业而言&#xff0c;其创新活动不仅依赖内部研发投入&#xff0c;也深受所在地区知识基础、科研资源和学术创新氛围的影响。高校作为基础研究和前沿技…...

一次讲清本地大模型语音识别三件套:Vulkan 为什么是加速主线,而说话人识别为何成为唯一短板

把 whisper.cpp、sherpa-onnx、llama.cpp 三套引擎整合到一起&#xff0c;再用 Electron 包成桌面应用&#xff0c;这个技术思路本身并不复杂。真正考验工程功力的&#xff0c;是面向完全不懂技术的最终端用户&#xff0c;怎样让这些引擎尽可能“一键加速”&#xff0c;同时还不…...

西门子“工业软件驱动的数字孪生”模式

西门子&#xff08;Siemens&#xff09;的“工业软件驱动的数字孪生”模式是全球离散制造业&#xff08;如汽车、航空航天、电子&#xff09;公认的技术制高点。其核心逻辑不是简单的 3D 建模&#xff0c;而是“数物融合”&#xff0c;即利用完整的软件工具链在物理实体投产前&…...

2026深度教程:如何用好 Gemini 3.1 Pro 联网搜索?实时信息获取与验证技巧全解析

目前&#xff0c;国内用户想稳定使用顶尖AI模型的联网搜索功能&#xff0c;像聚合了Gemini、ChatGPT、Grok等主流大模型的 KULAAI &#xff08;m.877ai.cn) 这类镜像站提供了直接可用的方案。本文将深入剖析Gemini 3.1 Pro的联网能力&#xff0c;从原理机制到实操技巧&#xff…...

基于TEA加密的QQ号码逆向查询技术实现

基于TEA加密的QQ号码逆向查询技术实现 【免费下载链接】phone2qq 项目地址: https://gitcode.com/gh_mirrors/ph/phone2qq 在数字身份管理领域&#xff0c;用户经常面临忘记QQ号码但记得绑定手机号的情况。传统找回方式依赖官方验证流程&#xff0c;耗时较长且操作复杂…...

Taotoken模型广场在项目技术选型阶段提供的便利性体验

&#x1f680; 告别海外账号与网络限制&#xff01;稳定直连全球优质大模型&#xff0c;限时半价接入中。 &#x1f449; 点击领取海量免费额度 Taotoken模型广场在项目技术选型阶段提供的便利性体验 启动一个新的AI项目时&#xff0c;技术决策者面临的首要挑战往往是模型选型…...

客户受电工程图纸审核|全网独家复现,多模态+知识图谱创新改进篇 引入MM-KG融合架构,多模态感知+知识关联助力图纸全检、隐患精准定位、审核效率翻倍

目录 一、行业痛点:人工抽检模式的致命瓶颈(附真实场景痛点) 1.1 审核效率极低,无法适配规模化需求 1.2 漏判误判率高,审核质量依赖个人经验 1.3 审核标准不统一,追溯难度大 1.4 人力成本高昂,专业人才缺口大 二、创新突破:多模态+知识图谱融合架构(核心改进解析…...

DownKyi哔哩下载姬:5步快速掌握B站视频下载完整教程

DownKyi哔哩下载姬&#xff1a;5步快速掌握B站视频下载完整教程 【免费下载链接】downkyi 哔哩下载姬downkyi&#xff0c;哔哩哔哩网站视频下载工具&#xff0c;支持批量下载&#xff0c;支持8K、HDR、杜比视界&#xff0c;提供工具箱&#xff08;音视频提取、去水印等&#xf…...

【Mem0】 源码剖析(一):Agent 的记忆危机与 Mem0 的三阶段管道——为什么 RAG 不够用?

【Mem0】 源码剖析&#xff08;一&#xff09;&#xff1a;Agent 的记忆危机与 Mem0 的三阶段管道——为什么 RAG 不够用&#xff1f; 写在前面&#xff1a;54K Star&#xff0c;论文被 arXiv 收录&#xff0c;LOCOMO 基准 SOTA——Mem0 是当前 Agent 记忆层的事实标准。它的核…...

【Flutter for open harmony 】Flutter三方库Dio网络请求+熬夜记录列表的鸿蒙化适配与实战指南

【Flutter for open harmony 】Flutter三方库Dio网络请求熬夜记录列表的鸿蒙化适配与实战指南 欢迎加入开源鸿蒙跨平台社区&#xff1a;https://openharmonycrossplatform.csdn.net 大家好&#xff0c;我是ShineQiu&#xff0c;上海某高校计算机科学与技术专业大二在读学生。这…...

5分钟快速上手:res-downloader 全网资源下载神器终极指南

5分钟快速上手&#xff1a;res-downloader 全网资源下载神器终极指南 【免费下载链接】res-downloader 视频号、小程序、抖音、快手、小红书、直播流、m3u8、酷狗、QQ音乐等常见网络资源下载! 项目地址: https://gitcode.com/GitHub_Trending/re/res-downloader 你是否经…...

分类记单词:哺乳动物

分类记单词&#xff1a;哺乳动物快来记单词&#xff0c;这里有好多哺乳动物哦一、宠物、家畜 pet 宠物cat 猫tom 公猫&#xff1b;汤姆dog 狗pup 小狗bitch 母狗&#xff1b;泼妇pig 猪sow 母猪&#xff1b;播种boar 未阉的公猪&#xff1b;野猪piglet 小猪livestock 牲口cattl…...

蓝牙6.0 Channel Sounding 基于接入地址的定时估计原理

基于接入地址的定时估计 先看下core spec的描述&#xff1a;蓝牙Core Spec Vol 6 Part H中 3.2节「基于接入地址的定时估计」&#xff0c;它定义了两种用于CS_SYNC包到达时间&#xff08;ToA&#xff09;估计的方法&#xff0c;是RTT测距的基础定时方案。下面我逐段拆解&#x…...