Java 设计模式・策略模式篇:从思想到代码实现

一、行为型模式

在面向对象的世界里,如何优雅地组织对象间的交互、分配职责,是每一位开发者都会反复思考的问题。直接硬编码交互逻辑固然简单,但当业务复杂度上升、对象协作关系变得错综复杂时,这种方式就会让代码变得僵化、难以扩展。

行为型设计模式正是为了解决这一痛点而诞生的一套思想体系。它们关注如何定义对象之间的通信方式和职责分配,通过命令、迭代、观察者、策略等手段,让对象间的协作更具灵活性、可复用性和可维护性。

在 Java 开发中,行为型模式主要包含以下 11 种经典实现:

  1. 模板方法模式 (Template Method):定义一个操作中的算法的骨架,而将一些步骤延迟到子类中,使得子类可以不改变一个算法的结构即可重定义该算法的某些特定步骤。Java 设计模式・模板方法模式篇:从思想到代码实现-ZEEKLOG博客
  2. 策略模式 (Strategy):定义一系列的算法,把它们一个个封装起来,并且使它们可相互替换,让算法独立于使用它的客户而变化。
  3. 命令模式 (Command):将一个请求封装为一个对象,从而使你可以用不同的请求对客户进行参数化,支持可撤销操作。Java 设计模式・命令模式篇-ZEEKLOG博客
  4. 责任链模式 (Chain of Responsibility):将请求的发送者和接收者解耦,使多个对象都有机会处理这个请求,形成一条处理链。Java 设计模式・责任链模式篇:从思想到代码实现-ZEEKLOG博客
  5. 状态模式 (State):允许一个对象在其内部状态改变时改变它的行为,对象看起来似乎修改了它的类。Java 设计模式・状态模式篇:从思想到代码实现-ZEEKLOG博客
  6. 观察者模式 (Observer):定义对象间的一种一对多的依赖关系,当一个对象的状态发生改变时,所有依赖它的对象都得到通知并被自动更新。Java 设计模式・观察者模式篇:从思想到代码实现-ZEEKLOG博客
  7. 中介者模式 (Mediator):用一个中介对象来封装一系列的对象交互,使各对象不需要显式地相互引用,从而降低耦合。Java 设计模式・中介者模式篇:从思想到代码实现-ZEEKLOG博客
  8. 迭代器模式 (Iterator):提供一种方法顺序访问一个聚合对象中的各个元素,而又不暴露其内部的表示。Java 设计模式・迭代器模式篇:从思想到代码实现-ZEEKLOG博客
  9. 访问者模式 (Visitor):表示一个作用于某对象结构中的各元素的操作,它使你可以在不改变各元素的类的前提下定义作用于这些元素的新操作。
  10. 备忘录模式 (Memento):在不破坏封装性的前提下,捕获一个对象的内部状态,并在该对象之外保存这个状态,以便以后恢复。
  11. 解释器模式 (Interpreter):给定一个语言,定义它的文法的一种表示,并定义一个解释器,这个解释器使用该表示来解释语言中的句子。

二、策略模式

2.1 介绍

该模式定义了一系列算法,并将每个算法封装起来,使它们可以相互替换,且算法的变化不会影响使用算法的客户。策略模式属于对象行为模式,它通过对算法进行封装,把使用算法的责任和算法的实现分割开来,并委派给不同的对象对这些算法进行管理。

2.2 角色

  • 抽象策略(Strategy)类:这是一个抽象角色,通常由一个接口或抽象类实现。此角色给出所有的具体策略类所需的接口。
  • 具体策略(Concrete Strategy)类:实现了抽象策略定义的接口,提供具体的算法实现或行为。
  • 环境(Context)类:持有一个策略类的引用,最终给客户端调用。

三、代码实现

为了方便理解,本文采用中文定义类名

3.1 抽象策略类

public interface 出行 { void go(); }

3.2 具体策略类

public class 飞机出行 implements 出行{ @Override public void go() { System.out.println("飞机出行..."); } }
public class 高铁出行 implements 出行{ @Override public void go() { System.out.println("高铁出行..."); } }

3.3 环境类

public class 出行软件 { private 出行 strategy; public void setStrategy(出行 strategy) { this.strategy = strategy; } public void go(){ strategy.go(); } }

3.4 客户端

public class 客户端 { public static void main(String[] args) { 出行软件 app = new 出行软件(); app.setStrategy(new 高铁出行()); app.go(); app.setStrategy(new 飞机出行()); app.go(); } }

四、优缺点

4.1 优点

  • 消除大量 if-else/switch 冗余代码没有策略模式时,处理多套逻辑通常会写一堆条件判断(比如 “如果是支付宝支付就执行 A 逻辑,如果是微信支付就执行 B 逻辑”),代码臃肿且难维护;策略模式把不同逻辑封装成独立策略类,通过 “接口 + 多态” 调用,代码更简洁。
  • 遵循 “开闭原则”,扩展成本低新增策略时,只需实现抽象策略接口,无需修改现有代码(包括环境类和其他策略类),不会引入新的 bug,符合 “对扩展开放、对修改关闭” 的设计原则。
  • 算法 / 逻辑与使用方解耦策略的具体实现细节被封装在各自的策略类中,使用策略的环境类(比如 Traveler)只依赖抽象策略接口,无需关心底层实现,降低了代码的耦合度。
  • 策略可复用、可独立测试每个策略类都是独立的,可在不同场景复用(比如 “满减策略” 既可以用在商品下单,也可以用在优惠券抵扣);同时单个策略类可单独编写单元测试,测试更精准。

4.2 缺点

  • 类的数量会增多,增加代码复杂度每新增一种策略,就需要新增一个具体策略类。如果策略数量过多(比如有 10 种以上支付方式),会导致类爆炸,项目结构变复杂,不利于新手理解。
  • 客户端需要了解所有策略的差异环境类(客户端)需要知道 “什么时候该用哪个策略”,比如出行者需要判断 “赶时间就用打车策略,省钱就用地铁策略”,如果策略的选择逻辑复杂,这个判断成本会转移到客户端,增加客户端的认知负担。
  • 所有策略类都对外暴露抽象策略接口定义了所有策略的统一方法,若不同策略的执行逻辑差异较大(比如有的策略需要额外参数),接口设计会变得冗余,或需要做兼容处理。

五、适用场景

5.1 适用

  • 同一类业务场景下,有多种不同的算法 / 逻辑可以实现同一个目标(比如排序、支付、优惠、出行);
  • 需要动态切换这些算法 / 逻辑(比如用户下单时自选支付方式,系统根据时间自动切换出行策略);
  • 这些算法 / 逻辑的核心目标一致,只是实现方式不同(比如所有支付策略的目标都是 “完成扣款”,所有排序策略的目标都是 “数组有序”)。

5.2 不适用

  • 策略数量极少(仅 1-2 种),且短期内不会新增;
  • 策略逻辑简单,用 1-2 行代码就能实现(比如判断 “是否满 18 岁”),没必要封装成独立类;
  • 策略不需要动态切换,且永远只使用一种(比如系统固定用快速排序)。

六、对比学习

6.1 简单工厂模式对比

Java 设计模式・工厂模式篇:从思想到代码实现_java实现工厂设计模式-ZEEKLOG博客

维度策略模式简单工厂模式
核心目标封装可替换的算法 / 逻辑,支持动态切换封装对象的创建过程,解耦创建与使用
角色定位行为型模式(关注 “怎么做”)创建型模式(关注 “怎么造”)
客户端职责需知道所有策略,自行选择 / 切换策略无需知道具体产品类,只需告诉工厂 “要什么”
典型场景支付方式动态切换(用户选支付宝 / 微信)根据参数创建对应支付对象(工厂返回支付宝 / 微信实例)

6.2 模板方法模式对比

Java 设计模式・模板方法模式篇:从思想到代码实现-ZEEKLOG博客

两者都用于封装业务逻辑,但核心是 “谁控制流程”—— 模板方法模式是 “固定流程 + 可变步骤”,策略模式是 “可变流程 + 统一目标”。

维度策略模式模板方法模式
流程控制权客户端选择完整的算法 / 流程父类固定核心流程,子类仅重写局部步骤
设计思路“横向” 替换整个算法(比如步行 / 地铁 / 打车)“纵向” 修改流程中的某个步骤(比如泡茶:固定 “烧水→冲泡→倒出”,可变 “用绿茶 / 红茶”)
耦合度策略与环境类松耦合,完全独立子类依赖父类的流程框架,耦合度更高
典型场景不同算法实现同一目标固定流程中部分步骤可定制

6.3 享元模式对比

对比维度策略模式(Strategy Pattern)享元模式(Flyweight Pattern)
核心定义定义一系列算法,封装每个算法并使其可互相替换,算法变化独立于使用方运用共享技术有效支持大量细粒度对象,通过复用减少对象创建数量
设计目标解耦算法与使用方,支持逻辑动态切换,消除冗余 if-else复用相同 / 相似对象,减少内存占用,提升系统性能 / 资源利用率
模式类型行为型模式(关注 “怎么做”,即算法 / 逻辑的执行)结构型模式(关注 “怎么组织”,即对象的结构复用)
核心思想“多选一”:同一目标的不同实现逻辑,客户端主动选择 / 切换“共享复用”:提取可共享的内部状态,复用对象实例,区分不可共享的外部状态
核心角色抽象策略、具体策略、环境类(Context)抽象享元、具体享元、享元工厂、客户端(维护外部状态)
对象特性策略对象可独立创建,无需复用(默认不考虑复用);各策略逻辑独立享元对象必须可共享(内部状态不变);外部状态通过方法传入,不存储在对象内
使用场景1. 同一业务目标有多种可切换的实现逻辑(如支付方式、排序算法)2. 需避免大量 if-else 判断1. 系统中存在大量细粒度、相似的对象(如游戏小兵、字体样式)2. 对象创建成本高、内存占用大
关键关注点逻辑的灵活性、可扩展性、解耦度对象的复用率、内存占用、系统性能
典型示例出行方式(步行 / 地铁 / 打车)、支付方式(支付宝 / 微信)、排序算法切换游戏中大量相同外观的小兵、Word 中的字体样式、网站的按钮样式缓存
两者组合价值1. 用策略模式封装可切换的业务逻辑2. 用享元模式复用策略对象,兼顾灵活与性能(如海量用户支付场景)

七、源码举例 Comparator 接口

策略模式角色Java 源码中的实现
抽象策略(Strategy)java.util.Comparator 接口(核心方法 int compare(T o1, T o2)
具体策略(ConcreteStrategy)自定义的 Comparator 实现类(如 Integer 升序 / 降序比较器、自定义对象比较器)
环境类(Context)Collections.sort(List<T> list, Comparator<? super T> c)Arrays.sort(T[] a, Comparator<? super T> c)
@FunctionalInterface public interface Comparator<T> { int compare(T o1, T o2); ... }
 public static <T> void sort(T[] a, Comparator<? super T> c) { if (c == null) { sort(a); } else { if (LegacyMergeSort.userRequested) legacyMergeSort(a, c); else TimSort.sort(a, 0, a.length, c, null, 0, 0); } }

具体的选择策略可以看此篇Java 全排序算法实现与 不同版本JDK 排序策略解析-ZEEKLOG博客

八、其他相关设计模式

Java 设计模式・总结目录篇:从思想到代码实现-ZEEKLOG博客

Read more

揭秘 AIGC 背后的技术:GPT、BERT 与 Transformer 模型的工作原理

揭秘 AIGC 背后的技术:GPT、BERT 与 Transformer 模型的工作原理

一、引言 AIGC 的崛起与重要性 人工智能生成内容(AIGC)已经不再是未来的技术,它正以惊人的速度渗透到各行各业,重新定义了内容创作、媒体生产、甚至人类认知的边界。从深度学习到大规模自然语言处理,AIGC 的崛起代表着一种新型的智能化革命,其核心技术依赖于 Transformer 架构、GPT 和 BERT 等模型。这些技术不仅推动了自然语言处理(NLP)的进步,还在自动化写作、代码生成、艺术创作等多个领域取得了突破性进展。 AIGC 之所以成为技术热潮,背后是其颠覆性的效率提升和创新应用。比如,通过 GPT,我们可以在几秒钟内生成一篇文章,而传统写作过程可能需要几小时,甚至几天。这种技术的普及,不仅大大降低了内容创作的门槛,还为个体创作者、企业甚至国家带来了前所未有的生产力提升。 本文目的与结构概述 本文将深入探讨 AIGC 背后的核心技术——Transformer、GPT 和 BERT,带你一步步了解它们的架构原理、训练机制及实际应用。

By Ne0inhk
从语法纠错到项目重构:Python+Copilot 的全流程开发效率提升指南

从语法纠错到项目重构:Python+Copilot 的全流程开发效率提升指南

文章目录 * 从语法纠错到项目重构:Python+Copilot 的全流程开发效率提升指南 💻✨ * 一、语法纠错:Copilot 如何成为你的“实时校对员” ✅ * 示例 1:自动修复缩进错误 * 示例 2:括号/引号自动闭合与修复 * 示例 3:类型注解缺失的智能补充 * 实战技巧:结合 Linter 使用 Copilot * 二、代码生成:从单行补全到完整函数实现 🧠⚡ * 示例 4:用注释驱动函数生成 * 示例 5:生成单元测试 * 示例 6:异步 HTTP 请求生成 * 三、调试辅助:Copilot 如何帮你“读懂”错误信息 🐞🔍 * 场景:遇到 `KeyError` 怎么办? * 场景:

By Ne0inhk
在昇腾 NPU 上跑 Llama 大模型:从 “踩坑到通关” 的全程实战记

在昇腾 NPU 上跑 Llama 大模型:从 “踩坑到通关” 的全程实战记

在昇腾 NPU 上跑 Llama 大模型:从 “踩坑到通关” 的搞笑实战记 本文分享了在昇腾 NPU 上部署测试 Llama-2-7B 大模型的全过程。提供踩坑经验。作者因其他硬件价格高、服务器昂贵,选择昇腾 NPU,其自主可控的达芬奇架构、完善的开源生态及 GitCode 免费测试资源是主要吸引力。文中详细介绍了 GitCode 上创建昇腾 Notebook 实例的关键配置、环境验证方法,以及安装 transformers 库、下载部署模型的步骤,还记录了遇到的 “torch.npu 找不到”“模型下载需权限” 等四个常见问题及解决方案。通过测试英文生成、中文对话、代码生成三种场景,得出 16-17 tokens/s 的吞吐量,虽低于预期但性能稳定,并给出使用 MindSpeed-LLM 框架、

By Ne0inhk
主流 AI 插件 之一的 Copilot 介绍

主流 AI 插件 之一的 Copilot 介绍

Copilot 是微软推出的一款人工智能助手,旨在通过自然语言交互帮助您提升工作效率和创造力,覆盖多平台(网页端、桌面端、移动端、Edge 浏览器等),提供智能问答、内容生成、代码辅助等功能。其核心定位为“日常 AI 伴侣”,旨在通过自然语言交互提升工作与生活效率。         ⚠️ 注意:自 2024 年起,Copilot 已从独立插件全面整合进 GitHub Enterprise 与 Microsoft 365 开发者计划,部分高级功能(如多文件协同编辑、Agent 模式)需订阅 Copilot Pro 或企业版。 一、Copilot 官网与介绍 1.1 Microsoft Copilot • 定位:微软旗下AI助手,适用于工作与生活,支持多场景应用。 • 功能:文本生成、

By Ne0inhk