当前位置: 首页 > news >正文

ASP.NET Core的贫血模型与充血模型

目录

概念

需求

贫血模型

充血模型

总结


概念

  1. 贫血模型:一个类中只有属性或者成员变量,没有方法。
  2. 充血模型:一个类中既有属性、成员变量,也有方法。

需求

定义一个类保存用户的用户名、密码、积分;用户必须具有用户名;为了保证安全,密码采用密码的散列值保存;用户的初始积分为10分;每次登录成功奖励5个积分,每次登录失败扣3个积分。

贫血模型

优点:简单清晰,适合小型项目或简单业务逻辑。

缺点:业务逻辑分散,不利于复杂业务场景的维护。

class User
{public string UserName { get; set; }//用户名public string PasswordHash { get; set; }//密码的散列值public int Credit { get; set; }//积分
}
User u1 = new User(); u1.UserName = "ljy"; u1.Credit = 10;
u1.PasswordHash = HashHelper.Hash("123456");//计算密码的散列值
string pwd = Console.ReadLine();
if(HashHelper.Hash(pwd)==u1.PasswordHash)
{u1.Credit += 5;//登录增加5个积分Console.WriteLine("登录成功");
}
Else
{if (u1.Credit < 3)Console.WriteLine("积分不足,无法扣减");else{u1.Credit -= 3;//登录失败,则扣3个积分}Console.WriteLine("登录失败");
}

充血模型

符合“单一职责原则”

class User
{public string UserName { get; init; }        public int Credit { get; private set; }private string? passwordHash;public User(string userName){this.UserName = userName;this.Credit =10;}//修改密码public void ChangePassword(string newValue){if(newValue.Length<6){throw new Exception("密码太短");}this.passwordHash =Hash(newValue);}//比较密码散列值public bool CheckPassword(string password){string hash = HashHelper.Hash(password);return passwordHash== hash;}//扣除积分public void DeductCredits(int delta){if(delta<=0){throw new Exception("额度不能为负值");}this.Credit -= delta;}//增加积分public void AddCredits(int delta){this.Credit += delta;}
}
User u1 = new User("ljy");
u1.ChangePassword("123456");
string pwd = Console.ReadLine();
if (u1.CheckPassword(pwd))
{u1.AddCredits(5);Console.WriteLine("登录成功");
}
else
{u1.DeductCredits(5);Console.WriteLine("登录失败");
}

总结

贫血模型是站在开发人员的角度思考问题,充血模型是站在业务的角度思考问题。

http://www.lryc.cn/news/535858.html

相关文章:

  • 君海游戏岗位,需要私我
  • IBM服务器刀箱Blade安装Hyper-V Server 2019 操作系统
  • Unity中实现动态图集算法
  • MySQL中的覆盖索引的使用
  • XML DOM
  • [开源]MaxKb+Ollama 构建RAG私有化知识库
  • 迅为RK3568开发板篇OpenHarmony实操HDF驱动配置LED-LED测试
  • 将Mac上Python程序的虚拟环境搬到Windows
  • 大语言模型评价 怎么实现去偏见处理
  • 3.React 组件化开发
  • 19vue3实战-----菜单子树的展示
  • 【AI大模型】Ollama部署本地大模型DeepSeek-R1,交互界面Open-WebUI,RagFlow构建私有知识库
  • JDK 17 和 JDK 21 在垃圾回收器(GC)上有什么优化?如何调整 GC 算法以提升应用性能?
  • CNN-GRU卷积神经网络门控循环单元多变量多步预测,光伏功率预测(Matlab完整源码和数据)
  • kotlin中expect和actual关键字修饰的函数作用
  • 鸿蒙音视频播放器:libwlmedia
  • 【devops】 Git仓库如何fork一个私有仓库到自己的私有仓库 | git fork 私有仓库
  • CEF132编译指南 MacOS 篇 - 构建 CEF (六)
  • mysql大数据量分页查询
  • 计算机毕业设计SpringBoot校园二手交易小程序 校园二手交易平台(websocket消息推送+云存储+双端+数据统计)(源码+文档+运行视频+讲解视频)
  • 尚硅谷爬虫note003
  • 【逆向工程】破解unity的安卓apk包
  • 稠密架构和稀疏架构
  • LeetCode --- 436周赛
  • 用easyExcel如何实现?
  • 从 X86 到 ARM :工控机迁移中的核心问题剖析
  • 大模型DeepSeek-R1学习
  • 【STM32】H743的以太网MAC控制器的一个特殊功能
  • 关于“i18n“在vue中的使用
  • 前缀树算法篇:前缀信息的巧妙获取