.NET快速应用开发框架数据持久层的一种实现模型

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:drcqy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
信息时代中,信息是发展的第一要素,网络的发展让信息的共享成为可能。而信息共享的实质是数据的共享。数据是信息资源最直接的表现形式。这样,为了实现资源的真正共享,在每一个计算机应用程序中,数据不仅必须是可访问的(即与用户界面连接并按一系列业务规则管理),而且还必须是可持久的。所以,对于与数据息息相关的系统来说,如何构造一个数据持久层具有重大价值。本文结合所开发的“NPEAI—新一代企业应用系统构建平台”的数据持久层问题,分别讨论了面向对象操作数据库的DAO模式,支持dotNet平台的数据持久层框架NHibernate,以及同样支持dotNet平台的半自动化数据持久层框架IBatis.net。然后在此基础上分别提出泛型DAO模式,HQLMapping技术以及IBatis.net返回数据集,最后结合这三种新技术作为数据持久层的一种新的实现模型,应用到具体的项目“NPEAI—新一代企业应用系统构建平台”中。在泛型DAO模式中,首先针对已经存在的DAO模式的原理和实现进行了介绍,然后结合dotNet自身支持的类型安全的泛型,研究了新型泛型DAO的实现模式,接着介绍了泛型DAO的实现原理,然后,将泛型DAO模式运用到本系统中,最后还针对泛型做了性能测试。在HQLMapping技术中,首先介绍了支持dotNet的数据持久层框架NHibernate,然后分析讨论了NHibernate在管理自身查询语句HQL语句的不足,基于XML技术提出可以动态构造HQL语句并能集中管理HQL语句的HQLMapping技术,介绍了HQLMapping技术的实现原理,最后给出了HQLMapping的具体实现。最后,IBatis.net返回数据集是针对NHibernate对于复杂查询提出的。首先分析了复杂查询的常用行,然后通过实验证明了在复杂查询中,IBatis.net的性能优于NHibernate,最后对于复杂查询在IBatis.net原有基础上,提出IBatis.net返回数据集,不仅保证了复杂查询的性能,同样能与dotNet自身提供的控件直接进行绑定,方便展示数据。最后,本文基于上述三种新技术,将其应用到“NPEAI—新一代企业应用系统构建平台”。在逻辑层上,本系统采用了Spring.net框架,该框架有效的组织了系统中的中间层对象,消除了组件对象创建与使用耦合紧密的问题,使作者更容易专注于数据持久层的研究。在数据持久层上,采用了本文提出的新的数据持久层的访问模型展示了新技术的实际应用性。
其他文献
随着信息技术和智能技术的发展,交通管理系统的信息化、智能化已成为发展的趋势。车牌识别系统(license plate recognition简称LPR)是智能交通系统(ITS)的核心组成部分,在现
电力变压器是电力系统中最重要的电气设备之一,及早发现变压器的潜伏性故障,是电力部门关注的一个重要问题。本文积极探索使用人工智能的方法进行变压器故障诊断,主要研究了支持向量机分类、贝叶斯网络分类以及欧氏距离分类方法。使用欧氏聚类方法为支持向量机多分类的建模提供科学的依据,将支持向量机多分类应用于变压器故障诊断中;针对朴素贝叶斯在样本较少时容易出现误判,首次提出组建朴素贝叶斯和支持向量机的组合分类器;
测井层析储层成像是储层研究的一种新方法,利用测井资料建立储层精细模型,为储层的进一步研究提供可视化平台。本文重点研究了带断层和层面约束的储层精细建模过程,并采用测
伪随机序列在通信系统中起着极其重要的作用。所谓伪随机序列是指具有某些随机特性且结构又是可以预先确定,能重复产生和复制的序列。例如,在CDMA(Code Division Multiple Acces
短期负荷预测是电力系统安全经济运行的前提,在电力系统发展日趋复杂的今天,传统的负荷预测技术越来越难以满足电力部门负荷预测精度要求,应用智能算法进行电力系统的短期负荷预测,提高负荷预测的精度和稳定性,具有十分重要的意义。在分析了电力系统负荷预测的意义和方法之后,本文在研究模糊推理和神经网络的基础上,提出了构造模糊神经网络模型的新方法,将模糊推理融入到了BP网络中,并且用遗传算法来训练网络参数,直到误
铁路轨道在使用过程中,由于行车载荷以及自然因素的作用,会使轨道表面产生各种缺陷,对列车运行的安全构成威胁。由于轨道路线长,地形复杂,人工检查和测量比较危险和困难;要对
随着经济和科技的迅速发展,人们的生活、工作越来越依赖于信息技术所提供的服务,人们正经历着一场对人类具有深远影响的信息革命,信息系统也正在成为国家建设的关键基础设施
利用植物叶片的图像特征来实现植物物种的自动识别和分类是目前的研究热点。国内外学者对基于叶片特征的提取和识别与分类进行了研究,并取得了一定的研究成果。但是植物物种
混沌理论可用来理解脑中某些不规则的活动,混沌动力学为人们研究神经网络提供了新的契机。本文对混沌神经网络做了深入的研究,从网络的拓扑结构和网络的学习和工作规则这两个
随着Internet网络信息的激增,使得人们在面对海量的信息时感到束手无策,难以选择,而传统通过人工手段对庞大的原始文档集进行组织和整理的方法,不仅费时、费力,效果也不理想