Python:设计模式之代理模式

简介: Python:设计模式之代理模式

一、代理模式

代理,通常就是一个介于寻求方和提供方之间的中介系统

设计模式中,代理充当实际对象接口的类

二、使用场景

1、以简单的方式表示一个复杂系统

2、提高现有实际对象的安全性

3、为不同服务器上的远程对象提供本地接口

4、为消耗大量内存的对象提供一个轻量级的句柄

三、代理模式的优点

1、代理模式可以通过缓存笨重的对象或频繁访问的对象来提高应用程序的性能

2、代理还提供对于真实主题的访问授权

3、远程代理还便于与可用作网络连接和数据库连接的远程服务器进行交互,并可用于监视系统

四、3个主要参与者

1、代理:控制对真实主题类的访问的类

2、主题/真实主题:主题是定义真实主题和代理相类似的接口,真实主题是主题的实现,提供真正功能,由客户端使用

3、客户端:访问要完成工作的代理类

五、代理类的类型

1、虚拟代理:如果一个对象实例化后会占用大量内存的话,可以先利用占位符来表示

2、远程代理:给卫浴远程服务器或不同地址空间上的实际对象提供本地表示

3、保护代理:能够控制真实对象的铭感对象的访问

4、智能代理:在访问时插入其他操作

六、代码示例

1、经纪人作为演员的代理人,安排演员的行程

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

class Actor(object):
    def __init__(self):
        self.is_empty = True

    def show_film(self):
        self.is_empty = False
        print(type(self).__name__, "show_film")

    def listen_music(self):
        self.is_empty = True
        print(type(self).__name__, "listen_music")


class Agent(object):
    def __init__(self):
        self.actor = Actor()

    def work(self):
        if self.actor.is_empty:
            self.actor.show_film()
        else:
            self.actor.listen_music()


if __name__ == '__main__':
    agent = Agent()
    agent.work()
    agent.work()
"""
Actor show_film
Actor listen_music
"""

2、通过借记卡代理银行完成支付工作

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


from abc import ABC, abstractmethod


# 支付接口
class Payment(ABC):
@abstractmethod
def do_pay(self):
pass


# 银行类:真实主题
class Bank(Payment):
def check_account(self):
print("账户检查中...")
return True

def do_pay(self):
self.check_account()
print("银行结算完成")


# 银行类的代理
class DebitCard(Payment):
def __init__(self):
self.bank = Bank()

def do_pay(self):
print("借记卡即将去银行支付")
self.bank.do_pay()
print("借记卡完成银行支付")


# 客户端
class You(object):
def __init__(self):
self.debit_card = DebitCard()

def make_payment(self):
print("借记卡支付开始")
self.debit_card.do_pay()
print("借记卡支付结束")


if name == '__main__':
you = You()
you.make_payment()
"""
借记卡支付开始
借记卡即将去银行支付
账户检查中...
银行结算完成
借记卡完成银行支付
借记卡支付结束
"""

七、门面模式和代理模式比较

代理模式 门面模式
为其他对象提供了代理或占位符,以控制对原始对象的访问 为类的大型子系统提供了一个接口
代理对象具有与其目标对象相同的接口,并保存有目标对象的引用 实现了子系统之间的通信和依赖性的最小化
充当客户端和被封装对象之间的中介 门面对象提供了单一的简单接口
            </div>
目录
相关文章
|
7天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
269 156
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
208 105
|
10天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
734 5
|
13天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
818 153