设计模式-策略模式

作者:紫菜紫薯紫甘蓝日期:2025/10/13

设计模式-策略模式

策略模式,英文全称是 Strategy Design Pattern。它是这样定义的:Define a family of algorithms, encapsulate each one, and make them interchangeable. Strategy lets the algorithm vary independently from clients that use it. 翻译成中文就是:定义一族算法类,将每个算法分别封装起来,让它们可以互相替换。策略模式可以使算法的变化独立于使用它们的客户端(这里的客户端代指使用算法的代码)。

策略模式解耦了策略的定义、创建、使用这三部分。

案例分析

我之前做过一个审核系统,需要审核很多东西,例如注册资本超过100w得2分,否则不得分,用房面积每20平得0.2分等等

通过一些系统设计,审核操作需要传递的参数定义如下:

1@Data
2public class Input {
3
4    private String type;
5
6    private Map<String, String> data;
7
8}
9

type 字段标识当前审核的是哪一个类型的数据(注册资本、用房面积等),data 存储的是审核的值,这里省略了一些细节,例如审核状态、这条记录在审核表对应的审核ID等等

定义策略和对应的实现类

1// 策略接口
2public interface Strategy {
3
4    BigDecimal compute(Input input);
5
6}
7
8// 用房面积策略类
9public class AccommodationStrategy implements Strategy {
10
11    @Override
12    public BigDecimal compute(Input input) {
13        Map<String, String> inputData = input.getData();
14        String coveredArea = inputData.get("coveredArea");
15        if (coveredArea != null) {
16            BigDecimal capitalValue = new BigDecimal(coveredArea);
17            return capitalValue.divideToIntegralValue(new BigDecimal("20"))
18                    .multiply(new BigDecimal("0.2"));
19        }
20        throw new IllegalArgumentException("coveredArea is required");
21    }
22
23}
24
25// 注册资本策略类
26public class RegisteredCapitalStrategy implements Strategy {
27
28    @Override
29    public BigDecimal compute(Input input) {
30        Map<String, String> inputData = input.getData();
31        String capital = inputData.get("Registered capital");
32        if (capital != null) {
33            BigDecimal capitalValue = new BigDecimal(capital);
34            if (capitalValue.compareTo(new BigDecimal("100")) >= 0) {
35                return new BigDecimal("2");
36            }
37            return new BigDecimal("0");
38        }
39        throw new IllegalArgumentException("Registered capital is required");
40    }
41
42}
43

在使用的时候,可以利用 switch case 或 if else 判断选择对应的策略类,由于它们实现了相同的接口因此可以互相替换

1public class Main {
2
3    public static void main(String[] args) {
4        Input input = new Input();
5        input.setData(Map.of("coveredArea", "100"));
6        input.setType("accommodation");
7        test(input);
8    }
9
10    private static void test(Input input) {
11        if (input.getData() == null) {
12            throw new IllegalArgumentException("invalid data");
13        }
14        Strategy strategy = null;
15        String type = input.getType();
16        if ("accommodation".equals(type)) {
17            strategy = new AccommodationStrategy();
18        } else if ("registeredCapital".equals(type)) {
19            strategy = new RegisteredCapitalStrategy();
20        }
21        if (strategy == null) {
22            throw new IllegalArgumentException("invalid type");
23        }
24        System.out.println(strategy.compute(input));  
25    }
26    
27}
28

但是这样的 if 判断在多的时候会非常繁琐,而且策略的算分逻辑是一直不变的,没有必要每次都重新 new 一个对象出来,可以借助之前的工厂模式简化 if else 判断以及每次返回同一个对象

1public interface Constants {
2
3    Map<String, Strategy> STRATEGY_MAP = Map.of(
4            "accommodation", new AccommodationStrategy(),
5            "registeredCapital", new RegisteredCapitalStrategy()
6    );
7
8}
9
1public class Main {
2
3    public static void main(String[] args) {
4        Input input = new Input();
5        input.setData(Map.of("coveredArea", "100"));
6        input.setType("accommodation");
7        test(input);
8    }
9
10    private static void test(Input input) {
11        if (input.getData() == null) {
12            throw new IllegalArgumentException("invalid data");
13        }
14        String type = input.getType();
15        Strategy strategy = Constants.STRATEGY_MAP.get(type);
16        if (strategy == null) {
17            throw new IllegalArgumentException("invalid type");
18        }
19        System.out.println(strategy.compute(input));
20    }
21
22}
23

“运行时动态确定”是策略模式最典型的应用场景,根据配置文件或参数动态选择策略类,不过按照上述的代码(静态 Map 存储对应策略关系),每次返回的都是之前的对象,不能做到每次返回新的对象,有没有什么办法呢?

我们可以不存储真正的策略类实例对象,而是存储类路径,每次通过反射创建,这样每次拿到的就都是全新的对象了。


设计模式-策略模式》 是转载文章,点击查看原文


相关推荐


npm workspace 深度解析:与 pnpm workspace 和 Lerna 的全面对比
子兮曰2025/10/11

1. 前言:Monorepo 时代的到来 随着前端项目的复杂度不断提升,单体仓库(Monorepo)架构逐渐成为主流。Monorepo 允许我们在一个代码仓库中管理多个相关的包,带来了代码共享、统一依赖管理、简化 CI/CD 等诸多优势。然而,多包管理也带来了新的挑战:如何高效地管理跨包依赖、如何避免重复安装、如何简化构建流程等。 Workspace 解决方案应运而生,它为我们提供了一种优雅的方式来管理多包项目。目前主流的解决方案包括 npm workspace、pnpm workspace 和


面试真实经历某节跳动大厂Java和算法问答以及答案总结(一)
360_go_php2025/10/10

Java面试问题与解答 常见的GC回收器 - Serial GC: 适合单线程环境,暂停时间较长。 - Parallel GC: 多线程垃圾回收,适合多核处理器,停顿时间较短。 - CMS (Concurrent Mark-Sweep): 适合响应时间要求高的应用,通过多线程并发清除垃圾。 - G1 GC: 适用于大内存系统,目标是尽量减少GC停顿时间,分区回收。​编辑 SpringMVC的请求过程 - 流程: 用户发起请求 → 前端控制器(DispatcherServlet)接收请求


JAVA算法练习题day34
QiZhang6032025/10/8

43.验证二叉搜索树 要知道二叉搜索树的中序遍历结果是升序序列 # Definition for a binary tree node. # class TreeNode(object): # def __init__(self, val=0, left=None, right=None): # self.val = val # self.left = left # self.right = right class Solution(o


v你真的会记笔记吗?AI的答案可能让你意外
万少 VIP.5 如鱼得水2025/10/7

这段时间我在准备一个行业调查,调研资料几乎全来自视频会议、线上讲座和播客。 内容是很丰富,但问题也随之而来:一个小时的视频回放,想找个观点得快进倒退十几次,遇到灵感还得赶紧切出去做笔记,效率低到崩溃。 看不完,根本看不完…… 正好我朋友是一个AI发烧友,他就推荐我用了一个专注做AI笔记的工具。 坦白讲,最开始我没抱太大期待,心想不就是转写嘛。但真用了两周后,我发现它完全改变了我的学习和工作流。 这个工具叫Ai好记: 网址:aihaoji.com/zh?utm_sour… 输入口令【万少】可以


Android Jetpack 核心组件实战:ViewModel + LiveData + DataBinding 详解
马 孔 多 在下雨2025/10/5

Android Jetpack 核心组件实战:ViewModel + LiveData + DataBinding 详解 在 Android 开发中,我们经常会遇到屏幕旋转数据丢失、UI 与逻辑耦合紧密、数据更新无法自动同步 UI 等问题。Google 推出的 Jetpack 架构组件可以很好地解决这些问题,本文将对 ViewModel、LiveData 和 DataBinding 三个核心组件进行讲解,从基础概念到实战案例,完整讲解这三个组件的使用方法与联动逻辑。 一、ViewModel:


从 “Hello AI” 到企业级应用:Spring AI 如何重塑 Java 生态的 AI 开发
草莓熊Lotso2025/10/4

🔥个人主页:@草莓熊Lotso 🎬作者简介:C++研发方向学习者 📖个人专栏: 《C语言》 《数据结构与算法》《C语言刷题集》《Leetcode刷题指南》 ⭐️人生格言:生活是默默的坚持,毅力是永久的享受。 前言:当大模型浪潮席卷软件开发领域时,Java 开发者常常面临一个困境:一边是 PyTorch、LangChain 等 Python 生态的 AI 工具链蓬勃发展,一边是企业现有系统中大量的 Spring 技术栈难以快速接入 AI 能力。而 Spring AI 的出现


Vue3 中的双向链表依赖管理详解与示例
excel2025/10/3

在 Vue3 的响应式系统中,双向链表是一个非常重要的数据结构。相比 Vue2 使用数组来存放依赖,Vue3 选择链表的原因在于效率更高,尤其是在频繁收集和清理依赖时,链表可以显著优化性能。本文将通过讲解和示例代码,帮助你理解这一点。 为什么要用双向链表 在响应式依赖收集过程中,Vue 需要完成两件事: 收集依赖:当访问响应式数据时,要记录当前副作用函数(effect)。 清理依赖:当副作用函数重新运行或失效时,需要把它从依赖集合里移除。 如果依赖集合使用数组: 删除某个依赖需要遍历整个


CodeBuddy配套:如何配置AI编程总工程师spec-kit
小虎AI生活2025/10/2

我是小虎,浙江大学计算机本硕,专注AI编程。 如果AI能像总工程师一样,先帮你把图纸画好,再动手干活,那该多爽? AI编程学习群里,有学员在吐槽,AI编程时经常“失忆”,写着着就忘了前面的上下文,让人抓狂 🤯。 这不仅是学员们踩过的坑,也是我自己的惨痛教训。 昨天我也写了一篇文章,介绍我的土办法。 [CodeBuddy实战:防止AI编程跑偏的土办法,能抓老鼠就是好猫!] 今天,我要给你们安利一个刚出炉的神器,它能彻底改变你和AI协作写代码的方式。 而且,我敢说,全网我可能是第一篇教程写C


推荐 6 个本周 yyds 的 GitHub 项目。
喜爱编程2025/10/2

01 微软开源的文档转换工具 MarkItDown 用于将各种常见格式的文档转换为 Markdown 格式。 包括 PDF、PPT、Word、Excel、图片、音频、HTML、JSON等,甚至还能处理 ZIP 压缩包内的多个文件、YouTube 视频转录文本以及电子书 EPub 等。 它尤其适合需要将文档内容提取为结构化文本,并用于大模型处理或文本分析任务的情景。 其实仅限这个场景,因为项目官方说可以保留表格、排版啥的,实测并没有。。。 PDF 文件转换,左边屏是源文


【数据挖掘】基于随机森林回归模型的二手车价格预测分析(数据集+源码)
码银10/2/2025

本研究运用随机森林回归模型对汽车价格进行预测。通过对包含多种汽车属性的数据集进行预处理,包括对分类变量的独热编码,将其划分为训练集与测试集。利用训练集数据拟合随机森林模型,并使用测试集数据进行预测与评估。同时,借助多种可视化手段深入分析模型性能与数据特征。数据源:https://www.kaggle.com/datasets/vrajesh0sharma7/used-car-price-prediction选择随机森林回归模型作为预测工具,并设定决策树数量为100(),同时固定随机种子(

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2025 聚合阅读