【GoF23种设计模式】02_单例模式(Singleton Pattern)
文章目录
- 前言
- 一、什么是单例模式?
- 二、为什么要用单例模式?
- 三、如何实现单例模式?
- 总结
前言
提示:设计者模式有利于提高开发者的编程效率和代码质量:
GoF(Gang of Four,四人帮)设计模式由Erich Gamma、Richard Helm、Ralph Johnson和John Vlissides四位作者合著,介绍了23种经典的设计模式。
分为三大类:创建型模式、结构型模式和行为型模式。
提示:以下是本篇文章正文内容,下面案例可供参考
一、什么是单例模式?
单例模式是一种创建型设计模式,它保证一个类只有一个实例,并提供一个全局访问点来获取这个实例。这通常用于需要集中控制或管理资源的场景,例如数据库连接、线程池、配置文件读取等。
二、为什么要用单例模式?
使用单例模式的原因包括但不限于以下几点:
- 资源控制:确保系统中某个资源仅有一个实例,避免资源浪费或冲突。
- 全局访问:提供一个全局访问点,使得系统中的任何部分都可以方便地访问该实例。
- 节省内存:因为只有一个实例存在,所以可以节省系统资源,特别是当对象占用大量内存时。
- 状态共享:对于需要在多个地方共享状态的情况,单例模式可以确保状态的一致性。
- 初始化成本高:如果对象的创建过程非常复杂或者耗时,那么使用单例模式可以在第一次使用时才进行创建,从而延迟初始化,提高性能。
三、如何实现单例模式?
单例模式的实现有多种方式,下面是一些常见的实现方法:
1、懒汉式(Lazy Initialization)
懒汉式是在第一次调用 getInstance 方法时才创建实例,这样可以实现延迟加载,节省资源。
public class Singleton {private static Singleton instance;private Singleton() {} // 私有构造函数防止外部实例化public static synchronized Singleton getInstance() {if (instance == null) {instance = new Singleton();}return instance;}
}
优点:实现了真正的懒加载,即只有在真正需要的时候才会创建实例。
缺点:每次调用 getInstance 方法都需要进行同步,这可能会带来性能问题。
2、饿汉式(Eager Initialization)
饿汉式是在类加载时就创建实例,因此不需要同步,性能较好。
public class Singleton {private static final Singleton instance = new Singleton();private Singleton() {} // 私有构造函数防止外部实例化public static Singleton getInstance() {return instance;}
}
优点:没有线程安全问题,也不需要同步,性能较高。
缺点:无论是否使用,都会创建实例,无法实现懒加载。
3、双重检查锁定(Double-Checked Locking)
双重检查锁定是一种优化过的懒汉式实现,减少了不必要的同步操作,提高了性能。
public class Singleton {private static volatile Singleton instance;private Singleton() {} // 私有构造函数防止外部实例化public static Singleton getInstance() {if (instance == null) { // 第一次检查synchronized (Singleton.class) {if (instance == null) { // 第二次检查instance = new Singleton();}}}return instance;}
}
优点:既实现了懒加载,又避免了每次调用 getInstance 时都进行同步,性能较高。
缺点:实现稍微复杂一些,而且需要理解Java内存模型和volatile关键字的作用。
4、静态内部类(Static Inner Class)
静态内部类是另一种实现懒加载的方式,利用了类加载机制确保线程安全。(常用)
public class Singleton {private Singleton() {} // 私有构造函数防止外部实例化private static class SingletonHolder {private static final Singleton INSTANCE = new Singleton();}public static Singleton getInstance() {return SingletonHolder.INSTANCE;}
}
优点:线程安全,且实现了懒加载,性能良好,代码简洁。
缺点:与其它方式相比,可能不是最直观的理解方式。
总结
选择哪种实现方式取决于具体的应用场景和需求,后期会新增关于单例模式的具体应用场景。
相关文章:
【GoF23种设计模式】02_单例模式(Singleton Pattern)
文章目录 前言一、什么是单例模式?二、为什么要用单例模式?三、如何实现单例模式?总结 前言 提示:设计者模式有利于提高开发者的编程效率和代码质量: GoF(Gang of Four,四人帮)设计…...
UniApp:uni-segmented-control 自定义布局
自定义tabs选项,items 为tabs名称数组,横向滚动 <scroll-view scroll-x><view class"segmented-control"><view v-for"(item, index) in items" :key"index" class"control-item ":class"…...
【算法day17-day18】回溯:解决组合问题
不好意思呀各位,最近在忙期末考今天才彻底结束,来让我们继续算法之路吧~ 题目引用 组合电话号码的字母组合组合总和组合总和II分割回文串 1.组合 给定两个整数 n 和 k,返回范围 [1, n] 中所有可能的 k 个数的组合。 你可以按 任何顺序 返回…...
从监控异常发现网络安全
前言 最近在前端异常监控系统中,发现一些异常信息,从中做了一些分析,得到一些体会,因此作文。 发现异常 某天早上打开监控系统发现,当天凌晨1点过测试环境有2个前端上报的异常,报错的原因都是由于没有获取…...
Qt之自定义标题栏拓展(十)
Qt开发 系列文章 - user-defined-titlebars(十) 目录 前言 一、方式一 1.效果演示 2.创建标题栏类 3.可视化UI设计 4.定义相关函数 5.使用标题栏类 二、方式二 1.效果演示 2.创建标题栏类 3.定义相关函数 1.初始化函数 2.功能函数 3.窗口关…...
Verilog中initial的用法
在 Verilog 语言中,initial 语句用于在仿真开始时执行一次性初始化操作。它是顺序执行的,用来描述在仿真启动时立即运行的代码块,通常用于赋初值、生成波形或控制信号行为。 语法 initial begin // 语句1 // 语句2 ... end特点 只…...
(14)D-FINE网络,爆锤yolo系列
yolo过时了?传统的yolo算法在小目标检测方面总是不行,最新算法DEIM爆锤yolo,已经替yolo解决。 一、创新点 这个算法名为DEIM,全称是DETR with Improved Matching for Fast Convergence,其主要创新点在于提出了一…...
Python :冬至快乐
第1部分:基础设置 首先创建一个新的 Python 文件,命名为 fireworks.py。 步骤 1.1: 导入必要的库 import pygame import random import sys from pygame.locals import * import math import time这些库的作用: pygame: 用于创建游戏和图…...
重拾设计模式--状态模式
文章目录 状态模式(State Pattern)概述状态模式UML图作用:状态模式的结构环境(Context)类:抽象状态(State)类:具体状态(Concrete State)类&#x…...
稀疏矩阵的存储与计算 gaxpy
1, gaxpy 数学公式 其中: , , 2, 具体实例 3,用稠密矩阵的方法 本节将用于验证第4节中的稀疏计算的结果 hello_gaxpy_dense.cpp #include <stdio.h> #include <stdlib.h>struct Matrix_SP {float* val; //…...
基于LabVIEW的USRP信道测量开发
随着无线通信技术的不断发展,基于软件无线电的设备(如USRP)在信道测量、无线通信测试等领域扮演着重要角色。通过LabVIEW与USRP的结合,开发者可以实现信号生成、接收及信道估计等功能。尽管LabVIEW提供了丰富的信号处理工具和图形…...
基于LSTM长短期记忆神经网络的多分类预测【MATLAB】
在深度学习中,长短期记忆网络(LSTM, Long Short-Term Memory)是一种强大的循环神经网络(RNN)变体,专门为解决序列数据中的长距离依赖问题而设计。LSTM因其强大的记忆能力,广泛应用于自然语言处理…...
物联网:全面概述、架构、应用、仿真工具、挑战和未来方向
中文论文标题:物联网:全面概述、架构、应用、仿真工具、挑战和未来方向 英文论文标题:Internet of Things: a comprehensive overview, architectures, applications, simulation tools, challenges and future directions 作者信息&#x…...
volatility2工具的使用vol2工具篇
vol2工具 命令格式:vol.py -f [image] --profile[profile] [plugin] 1、查看系统的操作版本,系统镜像信息 2.查看用户名密码信息,当前操作系统中的password hash,例如SAM文件内容 3.从注册表提取LSA密钥信息(已解密&…...
R 基础运算
R 基础运算 R 是一种广泛使用的统计编程语言,它提供了强大的数据操作和分析功能。基础运算在 R 中非常重要,因为它们是进行更复杂计算和数据分析的基础。本文将详细介绍 R 中的基础运算,包括算术运算、逻辑运算、向量化和矩阵运算。 一、算…...
javaScriptBOM
1.1、BOM概述 1.1.1、BOM简介 BOM(browser Object)即浏览器对象模型,它提供了独立于内容而与浏览器窗口进行交互的对象,其核心对象是window。 BOM由一系列的对象构成,并且每个对象都提供了很多方法与属性 BOM缺乏标准…...
Godot RPG 游戏开发指南
Godot RPG 游戏开发指南 一、基础准备 1. 开发环境 下载并安装最新版 Godot 4.x选择使用 GDScript 或 C# 作为开发语言准备基础美术资源(角色、地图、道具等) 2. 项目结构 project/ ├── scenes/ # 场景文件 ├── scripts/ # 脚…...
目标检测数据集图片及标签同步旋转角度
前言 在深度学习领域,尤其是目标检测任务中,数据集的质量直接影响模型的性能。为了提升模型的鲁棒性和对各种场景的适应能力,数据增强技术被广泛应用于图像数据集处理。旋转角度是常见的数据增强方法,通过对图像及其对应的标签&am…...
2025前端面试热门题目——计算机网络篇
计算机网络篇——面试 1. 到底什么是 TCP 连接? TCP 连接的定义 TCP(传输控制协议)是一个面向连接的传输层协议。TCP 连接是通过 三次握手 确立的可靠数据通信链路,保证了在不可靠网络(如互联网)上的数据传输的准确…...
LEAST-TO-MOST PROMPTING ENABLES COMPLEX REASONING IN LARGE LANGUAGE MODELS---正文
题目 最少到最多的提示使大型语言模型能够进行复杂的推理 论文地址:https://arxiv.org/abs/2205.10625 摘要 思路链提示在各种自然语言推理任务中表现出色。然而,它在需要解决比提示中显示的示例更难的问题的任务上表现不佳。为了克服这种由易到难的概括…...
Generative-AI-Playground:模块化AI应用开发实践与本地部署指南
1. 项目概述:一个生成式AI的“游乐场”最近在GitHub上看到一个挺有意思的项目,叫“Generative-AI-Playground”,作者是drshahizan。光看这个名字,你可能会觉得这又是一个堆砌各种AI模型接口的“玩具”项目。但实际深入进去&#x…...
嵌入式Qt GUI开发实战:从界面设计到硬件控制的完整流程
1. 项目概述:从虚拟界面到物理世界的桥梁在嵌入式开发领域,一个令人兴奋的里程碑就是让图形界面(GUI)真正“动”起来,去控制物理世界中的硬件。很多朋友在学习了Qt的基础控件和界面设计后,常常会问…...
如何快速掌握Obsidian OCR插件:面向初学者的完整教程
如何快速掌握Obsidian OCR插件:面向初学者的完整教程 【免费下载链接】obsidian-ocr Obsidian OCR allows you to search for text in your images and pdfs 项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-ocr 你是否曾为无法搜索图片和PDF中的文字…...
PTA‘装睡’与‘心理阴影’题背后的趣味逻辑:用Python轻松搞定生活化编程挑战
PTA‘装睡’与‘心理阴影’题背后的趣味逻辑:用Python轻松搞定生活化编程挑战 编程从来不是冰冷的代码堆砌,而是解决现实问题的思维艺术。PTA平台上的"装睡检测"和"心理阴影面积计算"两道题目,恰好展现了如何用Python将生…...
告别龟速!为树莓派4B挑选高速TF卡并优化烧写流程的实战心得
告别龟速!为树莓派4B挑选高速TF卡并优化烧写流程的实战心得 树莓派4B作为一款性能强劲的单板计算机,其运行速度却常常受限于存储介质的选择和系统烧写流程的优化。许多开发者在使用过程中会遇到系统启动缓慢、软件安装卡顿、IO操作延迟高等问题ÿ…...
ElevenLabs有声书全流程拆解(含版权规避+ACX合规清单):2024最新审核通过率提升至91.2%
更多请点击: https://intelliparadigm.com 第一章:ElevenLabs有声书全流程拆解(含版权规避ACX合规清单):2024最新审核通过率提升至91.2% 核心合规三原则 ACX平台对AI生成有声书的审核已全面升级,2024年Q2…...
Bootstrap 4到Bootstrap 5最核心的变化是什么.txt
响应式开发应统一管理断点变量与媒体查询mixin、限制嵌套层级≤3层并用BEM语法扁平化、禁用跨文件extend改用include、分离布局与视觉响应逻辑,核心在于职责边界清晰化。响应式断点写死在媒体查询里,改起来像修水管直接把 768px、1024px 这类数值散落在各…...
从F450大机架振动说起:手把手调教BetaFlight滤波与PID,告别‘果冻’飞行
从F450大机架振动说起:手把手调教BetaFlight滤波与PID,告别‘果冻’飞行 当你的F450四轴飞行器在空中像果冻一样颤抖时,那种挫败感只有亲身经历过的飞手才能体会。大机架特有的低频振动问题,往往让新手在完成基础组装后陷入调试泥…...
别再混淆了!用TensorFlow/Keras代码实例,5分钟搞懂DepthwiseConv2D和Conv2D的核心区别
深度可分离卷积实战:用TensorFlow代码拆解DepthwiseConv2D与Conv2D的本质差异 在移动端图像识别或实时视频处理场景中,我们常常遇到这样的困境:模型精度达标了,但推理速度却跟不上实际需求。去年部署一个花卉识别应用到老旧安卓设…...
在 Taotoken 模型广场中根据任务需求与预算进行模型选型的实践
🚀 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 在 Taotoken 模型广场中根据任务需求与预算进行模型选型的实践 对于开发者而言,面对众多大模型 API,如何选…...
