Python:设计模式之观察者模式

简介: Python:设计模式之观察者模式

三类模式


1、创建型模式:基于对象的创建机制。隔离了对象的创建细节,使得代码能够与要创建的对象的类型相互独立

2、结构型模式:用于设计对象和类的结构,从而使他们可以相互协作以获得更大的结构,

重点关注的是简化结构和识别类和对象之间的关系

3、行为型模式:主要关注对象的责任。用来处理对象之间交互,以实现更大的功能

行为型模式建议:对象之间应该能够彼此交互,同时还应该是松耦合的


观察者模式


观察者设计模式中,对象(主题)维护了一个依赖(观察者)列表,

以便主题可以使用观察者定义的任何方法通知所有观察者,它所发生的变化


例如:

广播或发布/订阅系统


观察者模式的主要目标


1、定义了对象之间的一对多的依赖关系,从而使得一个对象中的任何更改都将自动通知给其他依赖对象

2、封装了主题的核心组件


观察者模式的应用场景


1、在分布式系统中实现事件服务

2、用作新闻机构的框架

3、股票市场也是观察者模式的一个大型场景


代码实现

# -*- coding: utf-8 -*-

# 主题
class Subject(object):
    def __init__(self):
        self.__observers = []

    def register(self, observer):
        self.__observers.append(observer)

    def notify_all(self, message):
        for observer in self.__observers:
            observer.notify(self, message)


from abc import ABC, abstractmethod


# 观察者
class IObserver(ABC):
    @abstractmethod
    def notify(self, subject, message):
        pass


# 具体观察者
class Observer1(IObserver):
    def notify(self, subject, message):
        print("Observer1 收到{}主题消息: {}".format(type(subject).__name__, message))


class Observer2(IObserver):
    def notify(self, subject, message):
        print("Observer2 收到{}主题消息: {}".format(type(subject).__name__, message))


if __name__ == '__main__':
    observer1 = Observer1()
    observer2 = Observer2()

    subject = Subject()
    subject.register(observer1)
    subject.register(observer2)

    subject.notify_all("通知:3:00开会")
    """
    Observer1 收到Subject主题消息: 通知:3:00开会
    Observer2 收到Subject主题消息: 通知:3:00开会
    """

观察者模式有3个主要角色:

1、主题:主题需要了解观察者,提供注册方法,一个主题可以处理多个观察者

2、观察者:为关注主题的对象定义一个接口,定义了观察者需要实现的各个方法,

以便在主题发生时能够活着相应通知

3、具体观察者:实现了观察者接口以保持其状态与主题中的变化相一致


具体流程:

具体观察者通过实现观察者提供的接口向主题注册自己,

每当状态发生变化时,该主题都会使用观察者提供的通知方法来通告所有具体观察者


观察者模式的通知方式

1、拉模式:观察者扮演积极角色,主题变化->广播给已注册的观察者->观察者获取相应的变化情况

2、推模式:主题起主导作用,变化由主题推送到观察者


耦合:一个对象对于与其交互的其他对象的了解程度

松耦合:降低多个对象之间的依赖性


观察者模式的优点


1、使得彼此交互对象之间保持松耦合

2、我们可以在无需对主题或者观察者进行任何修改的情况下高效地发送数据到其他对象

3、随时添加/删除观察者


观察者模式的缺点


1、观察者接口必须由具体观察者实现,而涉及继承,无法进行组合,因为观察者接口可以实例化

2、如果实现不当,观察者可能回增加复杂性,并且导致性能降低

3、在软件应用程序中,通知有时可能不可靠,并导致竞争条件或不一致性

            </div>
目录
相关文章
|
机器学习/深度学习 算法 知识图谱
机器学习常用距离度量
机器学习常用距离度量
430 0
|
消息中间件 存储 分布式计算
大数据-103 Spark Streaming Kafka Offset管理详解 Scala自定义Offset
大数据-103 Spark Streaming Kafka Offset管理详解 Scala自定义Offset
306 0
|
监控 数据可视化 数据挖掘
数据看板制作工具评测:这6款工具能如何提升企业的数据分析效率?
本文介绍了6款数据看板制作工具,包括板栗看板、Tableau、Power BI、Qlik Sense、Google Data Studio和Looker,从功能、适用场景等方面进行了详细对比,旨在帮助企业选择最合适的工具以实现高效的数据可视化和管理决策。
|
传感器 物联网 大数据
物联网(IoT)技术与应用:塑造未来的智能化生活
【5月更文挑战第1天】物联网(IoT)技术整合传感器、嵌入式系统、云计算与大数据,连接智能设备,重塑生活与工作方式。应用涵盖智能家居、工业自动化、农业、智能城市及医疗健康,提升效率与便利性。然而,数据安全、设备兼容性及网络基础设施仍是挑战。随着5G和AI进步,IoT将在更多领域发挥潜力,驱动社会智能化转型,需关注技术挑战并加强创新。
1629 4
|
Kubernetes Cloud Native Java
阿里开源分布式限流框架 -Sentinel Go 0.3.0 发布,支持熔断降级能力
近期,Sentinel Go 0.3.0 正式发布,带来了熔断降级特性支持,可以针对 Go 服务中的不稳定调用进行自动熔断,避免出现级联错误/雪崩,是保障服务高可用重要的一环。
阿里开源分布式限流框架 -Sentinel Go 0.3.0 发布,支持熔断降级能力
|
前端开发 JavaScript
竞态问题:深入理解与解决方案
竞态问题:深入理解与解决方案
923 0
|
机器学习/深度学习 存储 自然语言处理
文本情感识别系统python+Django网页界面+SVM算法模型+数据集
文本情感分析系统,使用Python作为开发语言,基于文本数据集,使用Word2vec对文本进行处理。通过支持向量机SVM算法训练情绪分类模型。实现对文本消极情感和文本积极情感的识别。并基于Django框架开发网页平台实现对用户的可视化操作和数据存储。
445 0
文本情感识别系统python+Django网页界面+SVM算法模型+数据集
php 输出带变量字符串(echo 函数的应用)
转自:  http://www.cnblogs.com/devcjq/articles/2306150.html 学习PHP从最简单的开始;echo, print   说明:echo "原来关联数组成员要这样输出 { $temp["user"] } \n";//关联数组元素输出时要用“{ }”...
1130 110
|
安全 算法 网络协议
【计算机网络】再谈应用层——电子邮件相关
电子邮件信息格式 RFC 5322(最基本的格式,the Internet Message Format) 形式: to Cc(抄送) Bcc(盲抄送,对方无法得知该消息还抄送给了谁)
357 0
|
SQL 存储 NoSQL
两行代码玩转Spring Data排序和分页
两行代码玩转Spring Data排序和分页
945 0
两行代码玩转Spring Data排序和分页