Spring中的注解详细介绍

article/2025/11/10 19:16:28

注:标颜色的需要重点掌握

一、Spring原始注解:

Spring原始注解主要代替<bean>标签的配置。

1. @Component                说明:使用在类上用于实例化Bean

2. @Repository                说明:使用在dao层类上用于实例化bean

3. @Controller                说明:使用在web层类上用于实例化bean

4. @Service                说明:使用在service层类上用于实例化bean     

注*      1、2、3、4都是使用在类上而不是接口上

用法:@Component不带参数,默认值为类名首字母小写。如:在类User上使用@Component,             相当于@Component("user")。

           代参数@Component("xxx"),可以自定义,xxx在spring容器 必须中唯一。

           @Repository和@Controller和@Service与@Component用法一致。

5. @Autowired                说明:使用在字段上用于根据类型依赖注入

6. @Qualifier                说明:结合@Autowired一起使用根据名称进行依赖注入

7. @Resource                说明:相当于@Autowired和@Qualifier,按照名称进行注入

注*       5、6、7一般使用在字段上

用法: 

       @Autowired的注入方式为ByType(根据类型进行匹配注入)。简单来说:优先根据接口类型进行进行匹配(接口只有一个实现类)。

       @Qualifier要结合@Autowired用,不可以单独使用。当一个接口有多个实现类的时候,就要用到@Qualifier去指明需要注入的名称。[这里的名称就是 @Service("xxx") 中的 xxx]  这时就会根据名称ByName进行匹配并注入。

如:

       @Resource的默认注入方式为ByName(根据名称进行匹配),若名称匹配不了,则会ByType(根据类型进行匹配注入)。@Resourece相当于@Autowired + @Qualifier。

如:

扩展:@Sesource 里面有两个重要的属性,一个是name,一个是type。name对应名称进行匹配,type对应进行类型进行匹配。 

8. @Value                说明:注入普通属性

用法: @Value使用在字段上

        格式@Value("${xxx}"),其中xxx一般是从配置文件中值。

如:

        场景:在application.yml中读取name中的值如图

         例子1取name:

例子2取name

9. @Scope                说明:标注Bean的作用范围

说明: @Scope需要搭配能够实例化Bean的注解一起使用

        @Scope可以指定Bean的作用范围,这里的作用范围:是指被修饰的实例Bean对象的作用范围。其中有4个作用范围取值:singleton、prototype、reqeust、session。

        1. singleton表示: Bean的实例化个数为1个(在spring容器中只有1个实例化对象)。

        2. prototype表示: Bean的实例化对象个数为多个(当使用这个对象时,就会创建一个新的) 。剩下的两个先不介绍了,用的少。

10. @PostConstruct                说明:使用在方法上标注该方法是Bean的初始化方法

11. @PreDestory                说明:使用在方法上标注该方法是Bean的前销毁方法

二、Spring新注解

1. @Configuration                说明:用于指定一个类是一个Spring的配置类

扩展:@Configuration附带了@Component功能

2. @ComponentScan                说明:用于指定Spring容器在初始化时要扫描的包

3. @Bean                说明:使用在方法上,表示将该方法的返回值存在Spring容器中

用法:方法上使用,方法的返回值存在Spring容器中。

如:

 解释: 在spring容器中存入了RestTemplate的对象,该Bean的id为restTemplate。

4. @PropertySource                说明:用于加载properties中的配置

5. @Import                说明:用于导入其它匹配类

注:后面会继续更新SpringMVC中的注解


http://chatgpt.dhexx.cn/article/hPdCixvM.shtml

相关文章

isnumeric_Python字符串isnumeric()

isnumeric Python String isnumeric() function returns True if all the characters in the string are numeric, otherwise False. If the string is empty, then this function returns False. 如果字符串中的所有字符均为数字&#xff0c;则Python String isnumeric&#x…

isdigit isdecimal isnumeric 区别

一、代码测试 num "1" #unicode num.isdigit() # True num.isdecimal() # True num.isnumeric() # Truenum "1" # 全角 num.isdigit() # True num.isdecimal() # True num.isnumeric() # Truenum b"1" # byte num.isdigit() # True n…

StringUtils.isNumeric使用

网上查"java 判断字符串为数字"阅资料&#xff0c;大部分资料都在讲字符串转为整数的情况&#xff0c;很少资料提及关于负数和小数的情况&#xff0c;最终决定采用StringUtils.isNumberic这个方法差别&#xff0c; 在测试导出时发现有报错&#xff0c;用debug模块一…

Java 字符串的数字校验:isNumeric,isNumericSpace和正则表达式,对比分析

导读 数字类型的判断是项目里常见的场景&#xff0c;相比一大串的非空&#xff0c;instanceof 以及大于小于0的判断&#xff0c;我更倾向于使用工具类 StringUtils 或者 正则表达式 来实现功能&#xff0c;追求代码的简洁和高效。 你可能需要的博客&#xff1a; 正则表达式预编…

StringUtils.isNumeric(str)

在项目中遇到一处bug&#xff0c;调试的结果竟然是StringUtils.isNumeric(String str) 在捣鬼&#xff08;采用的是org.apache.commons.lang.StringUtils&#xff09;&#xff0c;下面的代码是判断一个参数非空&#xff0c;且为整数&#xff1a; if(StringUtils.isNumeric(str)…

第六十七章 SQL函数 ISNUMERIC

文章目录 第六十七章 SQL函数 ISNUMERIC大纲参数描述示例 第六十七章 SQL函数 ISNUMERIC 测试有效数字的数值函数。 大纲 ISNUMERIC(check-expression)参数 check-expression - 要计算的表达式。 ISNUMERIC返回SMALLINT数据类型。 描述 ISNUMERIC计算check-expression并…

isnumeric( )函数用法

isnumeric( )还是一个很实用的函数&#xff0c;在算法题目里面应该会有比较大的作用。 检测字符串是否只由数字组成&#xff0c;如果字符串中只包括数字&#xff0c;就返回Ture&#xff0c;否则返回False。 华为的一道算法题&#xff1a; 读入一个字符串str&#xff0c;输出字…

MAE:视觉自监督2021(原理+代码)

文章目录 前言一、MAE原理遮住95%的像素后&#xff0c;仍能还原出物体的轮廓&#xff0c;效果如图&#xff1a; 二、MAE测试代码1.models_mae.py1.1 self.forward_encoder1.2 self.forward_decoder1.3 loss self.forward_loss(imgs, pred, mask) 2.run_one_image 三、MAE升级版…

​一文看尽MAE最新进展!恺明的MAE已经提出大半年,目前发展如何?

©PaperWeekly 原创 作者 | Jason研究方向 | 计算机视觉 写在前面 自去年 11 月份恺明大神提出 MAE 来&#xff0c;大家都被 MAE 简单的实现、极高的效率和惊艳的性能所吸引。近几个月&#xff0c;大家也纷纷 follow 恺明的工作&#xff0c;在 MAE 进行改进&#xff08;如…

一文解读Masked Autoencoder(MAE)

前言 论文链接&#xff1a;https://arxiv.org/pdf/2111.06377.pdf   跟李沐学AI&#xff1a;https://www.bilibili.com/video/BV1sq4y1q77t?spm_id_from333.999.0.0   如果说Vision Transformer是Transformer在CV领域的拓展&#xff0c;那么Masked Autoencoder就是BERT在C…

matlab mse mae,回归评价指标MSE、RMSE、MAE、R-Squared

前言 分类问题的评价指标是准确率,那么回归算法的评价指标就是MSE,RMSE,MAE、R-Squared。下面一一介绍 均方误差(MSE) MSE (Mean Squared Error)叫做均方误差。看公式 image.png 这里的y是测试集上的。 用 真实值-预测值 然后平方之后求和平均。 猛着看一下这个公式是不是觉…

何凯明最新一作MAE(mask掉图片的部分信息也能重建识别)

导读 凯明出品&#xff0c;必属精品。没有花里胡哨的修饰&#xff0c;MAE就是那么简单的强大&#xff0c;即结构简单但可扩展性能强大。MAE通过设计一个非对称的编码解码器&#xff0c;在预训练阶段&#xff0c;通过高比例的掩码原图&#xff0c;将可见部分输入到编码器中&…

李沐精读论文:MAE 《Masked Autoencoders Are Scalable Vision Learners》

论文&#xff1a;Masked Autoencoders Are Scalable Vision Learners 别再无聊地吹捧了&#xff0c;一起来动手实现 MAE(Masked Autoencoders Are Scalable Vision Learners) 玩玩吧&#xff01; - 知乎 参考博文&#xff1a;MAE 论文逐段精读【论文精读】 - 哔哩哔哩 神洛华…

从Transformer到ViT再到MAE

从Transformer到VIT再到MAE 引言Transfomer提出的背景模型架构具体细节Add&NormAttention&#xff1a;Multi-Head Attention自注意力机制&#xff08;self attention&#xff09;Positional Encoding ViT提出的背景&#xff1a;模型架构&#xff1a;具体细节&#xff1a;维…

MAE简记

MAE简记 文章目录 MAE简记Mask 方法EncoderDecoderTarget & LOSS Mask 方法 将图片分割成不重复的正方形patch&#xff0c;遮挡其中一部分patch(75%) Encoder 采用ViT&#xff0c;但是只对可见的没有被masked的patch使用 Decoder 以encoder的输出masked的patch作为输入…

何凯明最新一作MAE解读系列1

导读 凯明出品&#xff0c;必属精品。没有花里胡哨的修饰&#xff0c;MAE就是那么简单的强大&#xff0c;即结构简单但可扩展性能强大。MAE通过设计一个非对称的编码解码器&#xff0c;在预训练阶段&#xff0c;通过高比例的掩码原图&#xff0c;将可见部分输入到编码器中&…

基于CIFAR数据集 进行 MAE实现及预训练可视化 (CIFAR for MAE,代码权重日志全部开源,自取)

基于CIFAR数据集 进行 MAE实现及预训练可视化 &#xff08;CIFAR for MAE&#xff0c;代码权重日志全部开源&#xff0c;自取&#xff09; 文章目录 基于CIFAR数据集 进行 MAE实现及预训练可视化 &#xff08;CIFAR for MAE&#xff0c;代码权重日志全部开源&#xff0c;自取&a…

PyTorch笔记 - MAE(Masked Autoencoders) PyTorch源码

欢迎关注我的CSDN&#xff1a;https://blog.csdn.net/caroline_wendy 本文地址&#xff1a;https://blog.csdn.net/caroline_wendy/article/details/128382935 Paper&#xff1a;MAE - Masked Autoencoders Are Scalable Vision Learners 掩码的自编码器是可扩展的视觉学习器 …

何凯明新作MAE 学习笔记

【MAE与之前AI和CV领域最新工作的关系】 学习MAE视频【李沐】 He, K., Chen, X., Xie, S., Li, Y., Dollr, P., & Girshick, R. (2021). Masked autoencoders are scalable vision learners. arXiv preprint arXiv:2111.06377. 【Transformer】 Transforme纯注意力&…

MAE 代码实战详解

MAE 代码实战详解 if__name__"__main__"model.forwardmodel.forward.encordermodel.forward.decordermodel.forward.loss大小排序索引-有点神奇torch.gather if__name__“main” MAE 模型选择 def mae_vit_base_patch16_dec512d8b(**kwargs):model MaskedAutoenco…