在搭建系统的架构时我们采用了ssh+ajax等方式构建的。我一在和大家说我们要层次分明，思路清晰，可现在都比较糟糕。
比如：JSP页面用来显示数据的，css用来美化页面，JS用来控制页面的。现在很多页面中什么都有了，臭味很多。
在后台我们也分了action,service,dao层，原本action用来控制调度的，service用来处理相关的业务逻辑的，DAO中用来CRUD数据的。可现在出现了action包裹着一部分逻辑，service就非常简单了，就是用来调用DAO中的方法，而DAO中的方法即包裹了业务处理逻辑又包裹了CRUD数据处理。而且有的业务逻辑非常的复杂，涉及到的表操作很多，比如有
//结合spring支持hibernate
Session session = getSession();
//可以能会处理的一些东西
//1)通过hibernate方法select数据
//2)通过hibernate方法update数据
//3)通过hibernate方法delete数据
//4)通过hibernate方法insert数据
//通过session获取Connection，使用JDBC进行数据处理
Connection con = session.getConnection();
//因为有一些逻辑很负责一个select语句涉及的表太多，所以用JDBC来处理。
String sql = "select a ,b ,c ,d from A ,B,C,D where a = ? and b=?";
//反正类似的操作吧，就是关连来多。
类似上面的方式，大多数同学在大多数的时候都是这么弄的。我觉得这样做就把业务逻辑和数据处理混淆了，方法太臃肿了，有着浓浓的臭味，不便于维护。XP中提倡面向接口编程、分层、短小的方法。它这么一个长长的方法占用一个连接的时间太长（也就是整个事务的时间延长了），那么当其他的用户对相关的表进行请求时，就会出于等待的状态，资源的竞争，如果长时间是这样死锁就出现了。：（
我一般会把他们分布在不同的方法中。
//对应表的相关操作
public interface DAO{
public List get##(String s);
public void update##(String ...);
public void delete##(String ...);
public void insert##(String ...);
public List find##(String...);
}
public class Service{
public DAO dao = .......;//注入DAO对象。
//结合DAO执行相应的业务处理操作
public List update###(){
dao.get(s);
dao.update##(String ...);
dao.delete##(String ...);
dao.insert##(String ...);
//处理更复杂的业务逻辑。
logice();
return dao.find##(String...);
}
public void logice(){
//to do something
}
}
这样我的每一个DAO中的方法就会用到不同的SESSION（不同的CONNECTION），是这样的吗？但是我是通过SPRING对service层进行事务处理的呀，那是不是说明两种方式都会要占用同样的事务处理资源？
看到那些贫血的SERVICE我就郁闷，现在我有检查代码是否存在问题我也迷茫，这事情做的太少了。很多时候我们只顾一直往前跑，没有时间回头看。其实，我们要经常的code view，使用TDD开发模式，用XP的小步发布，这样不要让代码的味道变的太坏，也对自己写的代码充满信心，和用户交流底气十足。开发出来的系统，用户满意，市场行情看涨。：）
请您提出宝贵的意见。
更新：2008-10-10 22：00
我把标题从“DAO实现方法中一个Connection捅到底好吗？头疼”改成“细粒度处理事务，尽快的结束事务”，这个是我最终的目的。现在我明白了整
个业务方法调用过程中都是使用同一个SESSION（Connection）。至于业务逻辑怎样来平衡分布，是不是可以把一部分放到ACTION，一部分放到service，Dao只负责和数据库处理。对只读的事务我对其只用readOnly。
比如：我上面的例子是不是可以变成如下的样子呢？
//对应表的相关操作
public interface DAO{
public List get##(String s);
public void update##(String ...);
public void delete##(String ...);
public void insert##(String ...);
public List find##(String...);
}
public class Service{
public DAO dao = .......;//注入DAO对象。
//结合DAO执行相应的业务处理操作
//该方法上加事务，传播途径为required
public void update###(){
dao.update##(String ...);
dao.delete##(String ...);
dao.insert##(String ...);
//处理更复杂的业务逻辑。
logice();
}
//该方法上加事务，传播途径为required,readOnly
public String get###(String s){
return dao.get(s);
}
//该方法上加事务，传播途径为required,readOnly
public List find###(String...){
return dao.find##(String...);
}
public void logice(){
//to do something
}
}
/**
*那么action中是不是可以变成如下的样子呢？
*
*/
public class Action{
//注入服务类
public Service service = null;
public ActoinForward update###(ActionForm...............){
//下面这样调用是不是会能更好的呢？
service. get###(s);
service. update###();
service. find###(String...);
}
}
我们希望能够更快的结束事务，避免不必要的阻塞，保证系统有更好的性能。
分享到：
相关推荐
细粒度位置追踪
共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细...
ai challenger 2018细粒度情感分类第一名解决方案,统一使用tensorflow和pytorch的一个框架
基于python的细粒度情感分析设计与实现
细粒度访问控制经典文章，基于风险访问控制与细粒度的访问控制，增加系统的可访问性和安全性
用于新手迅速学习掌握自然语言处理的细粒度中文情感词典
共包含6大类20个细粒度要素的情感倾向.数据集分为训练、验证、测试A与测试B四部分。数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；层次二为细...
AI Challenger 2018 细粒度用户评论情感分析数据集 训练集： sentiment_analysis_trainingset.csv 为训练集数据文件，共105000条评论数据 sentiment_analysis_trainingset_annotations.docx 为数据标注说明文件 ...
豆瓣大众点评美团细粒度情感数据集方面情感数据集
AMD平台下 ，OpenCL SVM 粗/细粒度缓冲SVM粒子。VS工程。
人工智能-项目实践-情感分析-基于LSTM网络与自注意力机制对中文评论进行细粒度情感分析 题目介绍 该题目为《细粒度用户评论情感分析》，来源于“全球AI挑战赛”。https://challenger.ai/competition/fsauor2018 ...
Al_challenger细粒度情感分析数据集，包含ai_challenger_sentiment_analysis_testa_20180816、ai_challenger_sentiment_analysis_trainingset_20180816、ai_challenger_sentiment_analysis_validationset_20180816
细粒度情感分析研究综述.pdf
深度细粒度图像识别研究综述.pdf
细粒度管理Linux文件系统.pdf
细粒度图像分类旨在从某一类别的图像中区分出其子类别，通常细粒度数据集具有类间相似和类内差异大的特点，这使得细粒度图像分类任务更加具有挑战性。随着深度学习的不断发展，基于深度学习的细粒度图像分类方法表现...
细胞进化算法(CEA)是一类基于网格计算的细粒度并行进化算法.
AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用 AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用 AI Challenger 细粒度用户评论情感分析；比赛资源，可放心使用AI Challenger 细粒度...