当前位置:首页 > 文章列表 > 文章 > java教程 > 观察者与策略模式详解

观察者与策略模式详解

2026-03-08 18:29:32 0浏览 收藏
本文深入剖析了观察者模式与策略模式的本质区别与实践边界:前者聚焦于“状态变更通知”,解决一对多依赖更新问题,核心在于被观察者主动推送变化给多个观察者;后者专注于“算法可插拔”,实现运行时动态切换行为逻辑,关键在于上下文对策略的解耦调用。二者职责截然不同,不可混淆或强行统一,但可在真实场景中合理组合——如报表导出用策略决定格式,同时用观察者通知进度,各司其职。文章不仅厘清概念,更直击常见误用陷阱(如内存泄漏、并发异常、过度拆分策略、状态污染等),强调设计决策应源于实际需求动因:新增的是“通知方”还是“计算方式”,才是判断模式选用的关键标尺。

Java观察者模式与策略模式的核心概念

观察者模式和策略模式解决的是两类完全不同的问题:前者关注对象间的一对多依赖更新,后者聚焦于算法的动态替换。混用或强行统一理解,反而会模糊各自的设计意图。

观察者模式的核心是「状态变更通知」

它让多个观察者(Observer)能自动响应被观察者(Subject)的状态变化,典型场景是事件驱动、MVC 中的视图刷新、发布-订阅系统。

  • 关键不是“谁调用谁”,而是“谁被通知”——Subject 持有 List,在 notifyObservers() 中遍历调用每个 update()
  • Java 标准库曾提供 java.util.Observablejava.util.Observer,但自 JDK 9 起已标记为 @Deprecated,不推荐使用;应优先手写接口或采用 java.util.concurrent.CopyOnWriteArrayList 管理观察者列表,避免并发修改异常
  • 容易踩的坑:观察者未及时 remove() 导致内存泄漏;notify 过程中修改观察者列表引发 ConcurrentModificationException

策略模式的核心是「算法可插拔」

它把一组行为(算法)封装成独立类,通过统一接口(如 Strategy)注入到上下文(Context)中,在运行时切换逻辑,典型场景是支付方式选择、排序策略、文本渲染规则。

  • Context 不关心具体怎么算,只持有一个 Strategy 引用,并在需要时调用 execute()calculate() 等方法
  • 策略类之间必须「无状态」或「状态可控」,否则在多线程中共享同一实例可能引发数据污染;若需保存上下文数据,应将参数显式传入方法,而非依赖成员变量
  • 常见误用:把简单 if-else 拆成一堆空策略类,反而增加维护成本;策略类之间存在强依赖或需要协同执行时,说明它已超出策略模式适用边界

二者组合使用的现实约束

可以一起用,但不能为了设计而硬套。比如一个报表生成器(Context)用策略决定导出格式(PDF/Excel),同时用观察者通知 UI 进度更新——此时策略管“怎么做”,观察者管“谁要知情”,职责清晰。

  • 不要让策略类直接实现 Observer 接口,除非该策略本身职责就包含响应外部事件;否则会混淆“算法”与“反馈”的边界
  • 观察者收到通知后,如果要触发不同策略,应在观察者内部构造或获取对应 Strategy 实例,而不是由 Subject 持有策略引用并代为分发
  • Spring 中可用 @EventListener 替代手动注册观察者,用 @Qualifier + 接口注入区分策略实现,但底层仍是这两套机制的自然延伸,不是抽象升级

真正难的从来不是记住定义,而是在需求变动时判断:这次加的是「新通知方」,还是「新计算方式」——名字可以查文档,动因得靠代码现场说话。

以上就是《观察者与策略模式详解》的详细内容,更多关于的资料请关注golang学习网公众号!

掌握JS迭代器与可迭代协议,轻松自定义迭代器掌握JS迭代器与可迭代协议,轻松自定义迭代器
上一篇
掌握JS迭代器与可迭代协议,轻松自定义迭代器
钉钉智能人事教程:高效管理员工指南
下一篇
钉钉智能人事教程:高效管理员工指南
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    187次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    243次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    202次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    183次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    172次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码