suTrue

在极端变化和极端稳定中寻找变化点，并分离它们，在变化点应用设计模式

好的设计模式就是可以满足 应对变化，提高复用

重构获得设计模式是使用设计模式最好的方法，而不是一步到位

1. 组件协作模式

通过晚绑定，实现框架与应用程序间的松耦合，是二者之间协作时常用的模式

Template Method

动机：在软件构建过程中，某一项任务常有稳定的整体操作，但子步骤却有很多改变的需求，或者由于固有的原因（比如框架和应用之间的关系）而无法和任务的整体结构同时实现。

• 一种非常基础的设计模式，利用虚函数机制使程序扩展更加灵活，代码复用的基本实现结构
• 除了灵活应对子步骤变化，“不要调用父类，让父类调用子类”的反向控制结构是典型应用
• 被模板设计调用的虚方法可以有实现，也可以没有实现，一般把它们设为protected方法

做一点总结

高速缓存运行机制简单介绍

一种层次存储结构，利用时间，空间局部性：

1. 高速缓存通过 -直接映射高速缓存，-组相联高速缓存，-全相联高速缓存 三种方式在缓存中进行查找。

2. 如果命中（hit）进行读或写包括write though，write back等方式进行后续处理。

3. 若没命中（cache miss）有两种可能：冷不命中时执行放置策略，但是放置策略可能引起冲突不命中（即有空位但却不使用），不是空缓存的话会执行替换策略（有LRU，LFU，随机等方法）。同时有write allocate，not write allocate等方式进行后续处理。

4. 评价高速缓存性能有命中率，不命中率，命中时间，不命中惩罚。

5. 影响高速缓存性能的有 块的大小，相联度，写策略缓存大小等。

   阅读全文 »

面向对象：

• 隔离变化
• 各个类各司其职
• 对象从语言实现层面是封装了代码和数据，从规格层面对象是一系列可被使用的公共接口，从概念层面对象是某种拥有责任的抽象

1. 依赖倒置原则（DIP）

• 高层模块（稳定）不应该依赖与底层模块（变化），二者都应该依赖于抽象（稳定）
• 抽象（稳定）不应该依赖于实现细节（变化），实现细节应该依赖于抽象（稳定）

2. 开放封闭原则（OCP）

• 对扩展开放，对更改封闭
• 类模块应该是可扩展的，但是不可修改

3. 单一职责原则（SRP）

• 一个类应该仅有一个引起它变化的原因
• 变化的方向隐含着类的责任

4. Liskov替换原则（LSP）

• 子类必须能够替换它们的基类（IS-A）
• 继承表达类型抽象

5. 接口隔离原则（ISP）

• 不应该强迫客户程序依赖它们不用的方法
• 接口应该小而完备

6. 优先使用对象组合，而不是类继承

• 类继承通常为“白箱复用”，对象组合通常为“黑箱复用”
• 继承在某种程度上破坏了封装性，子类父类耦合度高
• 而对象组合则只要求被组合的对象具有良好的接口耦合度低

7. 封装变化点

• 使用封装来创建对象之间的分界层，让设计者可以在分界层的一侧进行修改，而不会对另一侧产生不良的影响，从而实现层次间的松耦合

8. 针对接口编程，而不是针对实现编程

• 不将变量类型声明为某个特定的具体类，而是声明为某个接口
• 客户程序无需获知对象的具体类型，只需知道对象所具有的接口
• 减少系统中各部分的依赖关系，从而实现“高内聚，松耦合”的类型设计方案

只是用来练习Java的一个项目

整体结构如下：

• 界面显示包 gui：下面又分了5个包
  • frame：存放一个顶级容器来存放所有的面板
  • panel：存放显示各个页面的panel类
  • model：存放2个表格类
  • listener：存放每个panel中触发器的类和一个顶部toolbar触发器类
  • page：存放首页spend中数据的类
• 存放工具类的包：包括日期处理类，颜色设置类等等
• 实体类包entity：对3张表进行映射，存放3个类
• dao类：把实例与数据库中表进行映射，包含一些处理表的数据的方法，其中使用sql命令
• 业务处理包service：存放业务类，是对dao类的再封装，使得操作表中数据更加的方便
• startup：存放了一个启动类

几处注意的地方：

1. entity，dao，service之间的关系：

   Listener ====> Service ====> Dao ====> 数据库

2. 每一个界面的panel都继承自一个自定义的WorkingPanel类：因为功能相似，所以抽象出一个父类，提供 addListener() 和 updateData() 两个虚方法。

3. 对常用方法进行封装了形成几个工具类：

4. 将每个panel中触发器进行封装重写：

5. 类成员的访问权限

6. 每个panel都是单例模式

• 数据读入：

  data=pd.read_csv("E:/all_data.csv, header=None, sep=" "")

• 数据存储（无表头）：

  data.to_csv('E://AmazonData/data.csv', header=None, index=0)

• 获取每个用户有多少个：

  user_num = pd.DataFrame(user.value_counts())

• 挑出不满足交易数量为1的用户：

  multi_user = user_num[(~ user_num['user'].isin([1]))]

• 剪切特定的列：

  new_data = data.loc[data['user'].isin(multi_user.index)]

• 删除特定的列：

  new_data = new_data.drop(columns=['Unnamed: 0'])

• 添加特定的列：

  new_counts['userID'] = new_counts.index

• 画直方图：

  fig, ax = pyplot.subplots(figsize=(20, 6))sns.distplot(amazon_user, ax=ax)