Java装饰器模式:动态扩展功能不改源码
Java中的装饰器模式是一种通过接口、组合与显式委托来动态增强对象功能的设计技巧,它不依赖语言级的@decorator语法,而是以手写包装类的方式实现日志、权限、缓存等横切关注点的灵活叠加;相比继承和静态工具类,它更符合开闭原则、支持链式嵌套且类型安全,虽需警惕空指针、死循环和接口遗漏等常见陷阱,但性能几乎无损耗;值得注意的是,Spring的@Transactional等看似“装饰”的功能实为运行时代理机制,并非真正意义上的装饰器,二者在调用链、调试方式和this调用行为上存在本质差异——掌握这一模式,能让你在不修改原始代码的前提下,优雅、可控、可复用地扩展系统能力。

Java 里没有 @decorator,得靠接口 + 组合 + 接口实现类包装
Java 本身不支持 Python 那种 @decorator 语法,所谓“装饰器模式”是手动实现的结构设计:用一个类包装另一个类,两者实现同一接口,通过委托调用增强行为。不是语言特性,是编码约定。
常见错误现象:NullPointerException(忘了初始化被包装对象)、死循环调用(delegate.method() 写成 this.method())、接口方法漏实现(导致编译失败但容易忽略)。
使用场景:日志、权限校验、缓存、事务代理——所有需要在不改原逻辑前提下加横切行为的地方。
- 必须定义统一接口,比如
Service,原始类和装饰器都实现它 - 装饰器构造函数必须接收该接口类型的参数(即被包装对象),不能直接 new 具体实现类
- 每个方法里显式调用
delegate.xxx(),不是自动转发
为什么不能用继承?继承会破坏开闭原则且无法叠加
继承看似简单,但一旦要加第二个功能(比如既加日志又加缓存),就得写 LoggingAndCachingService extends CachingService,再加一个就爆炸。而装饰器可以链式组合:new LoggingDecorator(new CachingDecorator(new RealService()))。
性能影响:每次调用多一层方法跳转,但现代 JVM 基本内联掉,可忽略;兼容性无问题,纯 Java SE 5+ 就行。
容易踩的坑:RealService 如果有非接口方法(比如 getInternalState()),装饰器无法暴露——这是故意的,装饰器只承诺接口契约。
Spring 的 @Transactional 看起来像装饰器,但它其实是代理(Proxy)
Spring 的 @Transactional 不是手写的装饰器类,而是运行时生成代理对象(JDK 动态代理或 CGLIB)。你写的 UserService 类本身没变,Spring 在容器里替换成一个包装了事务逻辑的代理实例。
关键区别:
- 手写装饰器:编译期确定,类型安全,调试直观,但要自己 new 和传参
- Spring 代理:运行期织入,配置驱动,支持 AOP 表达式,但
this.method()调用会绕过代理(导致事务失效) - 错误现象:
Transaction not active或日志没打出来,大概率是因为在同一个类里调用了本类另一个@Transactional方法
别用静态工具类模拟装饰器——它破坏封装且无法组合
有人写个 LogUtils.wrap(Service s) 返回 Service,看起来简洁,但本质是工厂+匿名内部类,每次都要重复写逻辑,没法复用装饰器状态(比如缓存装饰器要持有一个 Map),更没法嵌套。
正确做法:每个装饰器是独立类,有自己字段、构造逻辑和生命周期。比如 CachingDecorator 持有 ConcurrentHashMap,LoggingDecorator 持有 Logger 实例。
参数差异:装饰器构造函数只接受接口类型,不要塞进具体配置(如缓存大小),那属于装饰器内部策略,应通过 Builder 或构造参数分离。
复杂点在于:多个装饰器嵌套时,执行顺序由 new 的顺序决定,而不是注解顺序——这点和 Spring AOP 完全不同,容易想当然出错。
以上就是《Java装饰器模式:动态扩展功能不改源码》的详细内容,更多关于的资料请关注golang学习网公众号!
PSD转HTML5能自适应?媒体查询教程
- 上一篇
- PSD转HTML5能自适应?媒体查询教程
- 下一篇
- Golang跨平台调试搭建及远程调试技巧
-
- 文章 · java教程 | 1小时前 | Java · java Class-File API LineNumberTable
- Java Class-File API 如何重写方法的行号表属性
- 418浏览 收藏
-
- 文章 · java教程 | 3小时前 | Java · 性能优化 · Java教程 · arena 内存映射 超大文件 FileChannel.map Java MemorySegment
- Java 内存段怎样安全映射超大文件
- 435浏览 收藏
-
- 文章 · java教程 | 5小时前 | Java · record pattern Java记录模式 嵌套record Java模式匹配 Java switch模式
- Java 记录模式怎样拆解嵌套数据对象
- 308浏览 收藏
-
- 文章 · java教程 | 7小时前 |
- Java 虚拟线程批量发起网络请求时如何限制并发度
- 265浏览 收藏
-
- 文章 · java教程 | 10小时前 | Java · 并发编程 · 虚拟线程 · java 结构化并发 StructuredTaskScope 子任务取消
- Java 结构化并发怎样统一取消一组子任务
- 370浏览 收藏
-
- 文章 · java教程 | 11小时前 | 并发 · Java · java threadlocal ScopedValue 并发上下文
- Java ScopedValue 如何替代只读 ThreadLocal 上下文
- 457浏览 收藏
-
- 文章 · java教程 | 15小时前 |
- Java 序列化边界怎么收紧:白名单与替代格式
- 278浏览 收藏
-
- 文章 · java教程 | 17小时前 | Java · 异常处理 · AutoCloseable Java try-with-resources suppressed exception 关闭顺序 getSuppressed
- try-with-resources 关闭顺序会如何影响主异常
- 197浏览 收藏
-
- 文章 · java教程 | 19小时前 | Java教程 · ServiceLoader module-info Java模块 uses provides
- 模块化项目为什么读不到服务实现:uses 与 provides 排查
- 462浏览 收藏
-
- 文章 · java教程 | 22小时前 | Java · 取消 · CompletableFuture · 重试 ·
- Java HTTP Client 实现带取消与重试的异步请求
- 212浏览 收藏
-
- 文章 · java教程 | 1天前 | Java · JVM · JVM Native Memory Tracking NMT jcmd 原生内存 JVM内存排查
- JVM 原生内存上涨但堆稳定,怎样用 NMT 分类定位
- 414浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 386次使用
-
- 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。
- 468次使用
-
- 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。
- 475次使用
-
- 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。
- 415次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 241次使用
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览

