news 2026/4/17 19:00:23

二十三种设计模式(十六)--迭代器模式

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
二十三种设计模式(十六)--迭代器模式

迭代器模式

迭代器模式通过统一的接口解决元素遍历的问题, 屏蔽掉元素复杂的算法细节, 从而让调用者专注于实际业务的处理.
示例代码如下:

// 具体的元素实现classMessage{Stringtitle;StringContent;publicMessage(Stringtitle,Stringcontent){this.title=title;Content=content;}}classMassager{privateMessage[]msgArr=newMessage[5];privateintsize=0;publicbooleanaddMsg(Messagemsg){if(size<5){msgArr[size++]=msg;}else{returnfalse;}returntrue;}// 外部获取迭代器对象的入口MessageIteratorcreateIterator(){returnnewMessageIterator();}// 较为通用的迭代器接口, 也可以再定义其他内容publicinterfaceiterator{Messagenext();booleanhasNext();}// 迭代器具体实现, 这里采用最简实现方式, 实际根据业务需求确定迭代逻辑// 比如采用ArrayList, HashMap等多种方式存储的数据// 下一条取用逻辑都在这里封装, 这一部分对调用端隐藏.classMessageIteratorimplementsiterator{intcurIdx=0;@OverridepublicMessagenext(){returnmsgArr[curIdx++];}@OverridepublicbooleanhasNext(){returncurIdx<size;}}}

在这个示例中, 迭代器继承自统一的接口, 意味着我们可以从不同的角度封装各种各样的迭代器, 可以有多个迭代器实现
createIterator迭代器创建方法, 在这个示例中仅返回了唯一的迭代器, 实际上根据业务需求, 可以采用参数方式返回多种迭代器
还有一点需要注意的是, 这个示例中, 将迭代器的接口和实现都是采用内部类的方式实现的, 这样也是实际业务中常用的写法, 好处在于迭代器中可以自由访问各种各样的集合容器, 比如示例中的msgArr
如果不采用这种方式, 那么在迭代器创建时要传入容器, 便于迭代器实现遍历逻辑.

外部调用

publicclassIteratorPattern{publicstaticvoidmain(String[]args){Massagermsgr=newMassager();msgr.addMsg(newMessage("新闻","吴国近日将伐蜀"));msgr.addMsg(newMessage("天气预报","近日东吴有雨"));Massager.iterator iterator=msgr.createIterator();while(iterator.hasNext()){Messagemsg=iterator.next();System.out.println(msg.title+": "+msg.Content);}}}

迭代器模式实现的必要性不止于此

比如我有如下业务需求:
我有一个名言锦句阅读应用, 客户端不断地从服务器获取未曾阅读过的诗词锦句, 服务端面对大量的用户请求, 进行了三级缓存设计, 以应对大量频繁的病发请求. 针对每一个用户, 首先在Redis中存储10条数据, 当Redis中数据取完时, 会从MongoDB中取用下一组10条数据, MongoDB中则存储100条数据. 当MongoDB中的数据取完时, 再从MySQL数据库中取用下一组100条数据.

而我们具体的业务逻辑中, 只会通过next()方法不断取用下一条数据, 并不关心下一条数据来自哪里.

针对上述诉求, 就可以采用迭代器模式来实现具体的数据取用逻辑
当业务扩展时, 比如我们更换了数据库, 采用PostgreSQL, 不再用MongoDB了, 也只更新迭代器的数据取用逻辑即可, 业务层的next()获取数据逻辑可以做到万年不变.

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/16 17:04:56

Miniconda中安装seaborn进行高级数据可视化

在 Miniconda 中安装 seaborn 实现高级数据可视化 在数据科学项目中&#xff0c;一个常见的困境是&#xff1a;代码明明在本地运行完美&#xff0c;却在同事或生产环境中“跑不起来”。问题往往出在环境差异——某个库版本不一致&#xff0c;或是依赖链中某个底层包缺失。这种“…

作者头像 李华
网站建设 2026/4/17 19:37:42

RDP Wrapper终极配置指南:解锁Windows家庭版多用户远程桌面权限

RDP Wrapper终极配置指南&#xff1a;解锁Windows家庭版多用户远程桌面权限 【免费下载链接】rdpwrap.ini RDPWrap.ini for RDP Wrapper Library by StasM 项目地址: https://gitcode.com/GitHub_Trending/rd/rdpwrap.ini RDP Wrapper项目通过创新的配置方案&#xff0c…

作者头像 李华
网站建设 2026/4/17 8:51:29

SSH端口映射访问远程Miniconda Jupyter服务

SSH端口映射访问远程Miniconda Jupyter服务 在数据科学和AI开发的日常工作中&#xff0c;一个常见的场景是&#xff1a;你手头有一台性能普通的笔记本电脑&#xff0c;却需要运行基于PyTorch或TensorFlow的大规模模型训练任务。本地资源捉襟见肘&#xff0c;自然想到借助远程服…

作者头像 李华
网站建设 2026/4/17 22:30:16

CUDA安装不求人:手把手教你配置支持GPU的PyTorch环境

CUDA安装不求人&#xff1a;手把手教你配置支持GPU的PyTorch环境 在深度学习项目中&#xff0c;最让人沮丧的场景之一莫过于——明明有一块性能强劲的NVIDIA显卡&#xff0c;运行PyTorch时却提示“CUDA not available”。这种“看得见算力却用不上”的困境&#xff0c;往往源于…

作者头像 李华
网站建设 2026/4/18 0:14:52

Miniconda中更换conda默认源为清华镜像

Miniconda中更换conda默认源为清华镜像 在人工智能和数据科学项目开发中&#xff0c;环境配置往往是第一步&#xff0c;却也最容易卡住开发者。你有没有经历过这样的场景&#xff1a;刚装好 Miniconda&#xff0c;信心满满地输入 conda install pytorch&#xff0c;结果下载条…

作者头像 李华