Memento備忘錄模式
備忘錄模式一個最好想象的例子：undo! 它對對象的一個狀態進行了'快照'， 在你需要的時候恢復原貌。做前端會有一個場景：你設計一個表單，當點擊提交會對表單內容 驗證，這個時候你就要對用戶填寫的數據復制下來，當用戶填寫的不正確或者格式不對等問題， 就可以使用快照數據恢復用戶已經填好的，而不是讓用戶重新來一遍，不是嘛？
python的例子
這里實現了一個事務提交的例子
import copydef Memento(obj, deep=False): # 對你要做快照的對象做快照 state = (copy.copy if deep else copy.deepcopy)(obj.__dict__) def Restore(): obj.__dict__ = state return Restoreclass Transaction: deep = False def __init__(self, *targets): self.targets = targets self.Commit() # 模擬事務提交，其實就是初始化給每個對象往self.targets賦值 def Commit(self): self.states = [Memento(target, self.deep) for target in self.targets] # 回滾其實就是調用Memento函數，執行其中的閉包，將__dict__恢復 def Rollback(self): for state in self.states: state()# 裝飾器的方式給方法添加這個事務的功能def transactional(method): # 這里的self其實就是要保存的那個對象，和類的實例無關 def wrappedMethod(self, *args, **kwargs): state = Memento(self) try: return method(self, *args, **kwargs) except: # 和上面的回滾一樣，異常就恢復 state() raise return wrappedMethodclass NumObj(object): def __init__(self, value): self.value = value def __repr__(self): return '<%s: %r>' % (self.__class__.__name__, self.value) def Increment(self): self.value += 1 @transactional def DoStuff(self): # 賦值成字符串，再自增長肯定會報錯的 self.value = '1111' self.Increment()if __name__ == '__main__': n = NumObj(-1) print n t = Transaction(n) try: for i in range(3): n.Increment() print n # 這里事務提交會保存狀態從第一次的-1到2 t.Commit() print '-- commited' for i in range(3): n.Increment() print n n.value += 'x' # will fail print n except: # 回滾只會回顧到上一次comit成功的2 而不是-1 t.Rollback() print '-- rolled back' print n print '-- now doing stuff ...' try: n.DoStuff() except: print '-> doing stuff failed!' import traceback traceback.print_exc(0) pass # 第二次的異?；貪Ln還是2, 整個過程都是修改NumObj的實例對象 print n
注意
當你要保存的狀態很大，可能會浪費大量內存
對象池模式
在開發中，我們總是用到一些和'池'相關的東西，比如 內存池，連接池，對象池，線程池.. 這里說的對象池其實也就是一定數量已經創建好的對象的集合。為什么要用對象池？ 創建對象是要付出代價的(我暫時還沒有研究過底層，只說我工作中體會的)， 比如pymongo就自帶線程池，這樣用完就放回到池里再被重用，豈不是節省了創建的花費？
python的例子
我這里實現了個線程安全的簡單的對象池
import Queueimport typesimport threadingfrom contextlib import contextmanagerclass ObjectPool(object): def __init__(self, fn_cls, *args, **kwargs): super(ObjectPool, self).__init__() self.fn_cls = fn_cls self._myinit(*args, **kwargs) def _myinit(self, *args, **kwargs): self.args = args self.maxSize = int(kwargs.get("maxSize",1)) self.queue = Queue.Queue() def _get_obj(self): # 因為傳進來的可能是函數，還可能是類 if type(self.fn_cls) == types.FunctionType: return self.fn_cls(self.args) # 判斷是經典或者新類 elif type(self.fn_cls) == types.ClassType or type(self.fn_cls) == types.TypeType: return apply(self.fn_cls, self.args) else: raise "Wrong type" def borrow_obj(self): # 這個print 沒用，只是在你執行的時候告訴你目前的隊列數，讓你發現對象池的作用 print self.queue._qsize() # 要是對象池大小還沒有超過設置的最大數，可以繼續放進去新對象 if self.queue.qsize()<self.maxSize and self.queue.empty(): self.queue.put(self._get_obj()) # 都會返回一個對象給相關去用 return self.queue.get() # 回收 def recover_obj(self,obj): self.queue.put(obj)# 測試用函數和類def echo_func(num): return numclass echo_cls(object): pass# 不用構造含有__enter__, __exit__的類就可以使用with，當然你可以直接把代碼放到函數去用@contextmanagerdef poolobj(pool): obj = pool.borrow_obj() try: yield obj except Exception, e: yield None finally: pool.recover_obj(obj)obj = ObjectPool(echo_func, 23, maxSize=4)obj2 = ObjectPool(echo_cls, maxSize=4)class MyThread(threading.Thread): def run(self): # 為了實現效果，我搞了個簡單的多線程，2個with放在一個地方了，只為測試用 with poolobj(obj) as t: print t with poolobj(obj2) as t: print tif __name__ == '__main__': threads = [] for i in range(200): t = MyThread() t.start() threads.append(t) for t in threads: t.join(True) 
