当前位置: 首页 > news >正文

C#单例模式懒汉式与饿汉式

单例模式一般分为懒汉模式和饿汉模式,懒汉式单例在第一次引用时创建实例,不是在类加载时;饿汉式单例模式是一种在类加载时就创建实例的方式,因此也称为静态初始化。
在这里插入图片描述
单例模式实现的技巧时构造私有,向外提供静态实例。

懒汉式单例模式实现

public class Singleton
{private static Singleton instance = null;private Singleton() {}public static Singleton Instance{get{if (instance == null){instance = new Singleton();}return instance;}}
}

线程安全的懒汉式

为了确保线程安全,在懒汉式的基础上添加锁。

public class Singleton
{private static Singleton instance = null;private static readonly object padlock = new object();private Singleton() {}public static Singleton Instance{get{lock (padlock){if (instance == null){instance = new Singleton();}return instance;}}}
}

使用Lazy实现懒汉式单例模式

使用 Lazy:线程安全,支持延迟初始化,简化代码。

public class Singleton
{private static readonly Lazy<Singleton> lazy =new Lazy<Singleton>(() => new Singleton());public static Singleton Instance { get { return lazy.Value; } }private Singleton() {}
}

饿汉式单例实现

public class Singleton
{// 在类加载时就创建实例private static readonly Singleton instance = new Singleton();// 私有构造函数,确保外部不能通过new创建实例private Singleton() {}// 提供一个全局访问点public static Singleton Instance{get{return instance;}}// 你可以在这个类中添加其他功能
}

在饿汉式单例实现中,类中的 instance 字段在类加载时就被初始化,因此在多线程环境下也是线程安全的。
构造函数是私有的,防止外部通过new关键字创建实例。
通过 Instance 属性提供了对单例实例的全局访问点。
饿汉式单例模式的优点是简单、线程安全,但缺点是可能在程序启动时就创建实例,可能会浪费一些资源,特别是在实例的创建和初始化过程较为复杂的情况下。选择使用饿汉式还是懒汉式(延迟初始化)取决于具体的需求和性能考虑。

http://www.lryc.cn/news/239283.html

相关文章:

  • 小微初创企业,如何利用媒体宣传快速成长
  • 【封装UI组件库系列】全局样式的定义与重置
  • opencv将32位深图片合成视频跳帧解决办法
  • 华为obs上传下载-Java版 2023-11-23
  • 2023年中国农业机器人行业市场规模及发展趋势分析[图]
  • 12英寸双轴半自动划片机:颠覆传统划切工艺的五大优势
  • 动态神经网络时间序列预测
  • Unity 三维场景的搭建 软件构造实验报告
  • 2024贵州大学计算机考研分析
  • Spring高级bean的实例化方法
  • Vue2系列 — 渲染函数 (render + createElement)
  • 加载SSL证书
  • redis 非关系型数据库
  • Python配置与测试利器:Hydra + pytest的完美结合
  • 5.基于飞蛾扑火算法(MFO)优化的VMD参数(MFO-VMD)
  • 爱创科技总裁谢朝晖荣获“推动医药健康产业高质量发展人物”
  • 055-第三代软件开发-控制台输出彩虹日志
  • Os-hackNos-3
  • 时序预测 | Matlab实现HPO-ELM猎食者算法优化极限学习机的时间序列预测
  • LeetCode:307. 区域和检索 - 数组可修改(树状数组 C++)
  • 909-2015-T3
  • 【云原生】初识 Service Mesh
  • 常见的8个JMeter压测问题
  • 深度学习卷积神经网络垃圾分类系统 - 深度学习 神经网络 图像识别 垃圾分类 算法 小程序 计算机竞赛
  • 羊大师教你如何有效解决工作中的挑战与压力?
  • 【性能测试】稳定性/并发压力测试的TPS计算+5W并发场景设计...
  • 人工智能的时代---AI的影响
  • LeetCode 每日一题 2023/11/13-2023/11/19
  • Leetcode——169 多数元素
  • vue中原生H5拖拽排序_拖拽图片也是同样的道理