博客
关于我
@PostConstruct、@PreDestroy注解总结
阅读量:405 次
发布时间:2019-03-05

本文共 1351 字,大约阅读时间需要 4 分钟。

Spring中的@PostConstruct和@PreDestroy注解

1. 应用场景

在Spring框架中,@PostConstruct注解用于在依赖注入完成后执行一次初始化操作。这非常有用当需要在对象构造完成后进行一些依赖的查询或操作时。例如,可以在构造一个对象后,从数据字典获取配置信息进行初始化操作。@PostConstruct注解只能用于初始化操作,且只会在依赖注入完成后执行一次。

而@PreDestroy注解则用于在对象销毁前释放资源。常见的场景包括关闭数据库连接、释放文件资源或清理内存等。

2. 加载顺序

Spring中的加载顺序遵循以下规则:

  • 首先是构造函数(Constructor)
  • 其次是依赖注入(@Autowired)
  • 最后是@PostConstruct初始化方法

在服务器环境中,加载顺序扩展到更大的范围,包括:

  • 服务器加载Servlet
  • servlet构造函数加载
  • @PostConstruct初始化
  • Service初始化(init方法)
  • Service销毁(destroy)
  • @PreDestroy注解处理
  • 服务器卸载Servlet

3. 代码示例

以下是一个使用@PostConstruct注解的典型示例:

@Component public class DbInit { @Autowired private UserRepository userRepository;
@PostConstruct  private void postConstruct() {      User admin = new User("admin", "admin password");      User normalUser = new User("user", "user password");      userRepository.save(admin, normalUser);  }

}

以下是一个使用@PreDestroy注解的示例:

@Component public class UserRepository { private DbConnection dbConnection;
@PreDestroy  public void preDestroy() {      dbConnection.close();  }

}

4. Java 9及以上版本的注意事项

需要注意的是,@PostConstruct和@PreDestroy注解原本属于Java EE的一部分,但在Java 9中被标记为deprecated,并在Java 11被正式移除。因此,在Java 11及以上版本中,如果仍想使用这些注解,需要手动添加相应的依赖:

javax.annotation
javax.annotation-api
1.3.2

这样可以确保在最新版本的Java中仍然能够正常使用这些注解。

总结

@PostConstruct和@PreDestroy注解在Spring框架中提供了强大的初始化和销毁操作能力。理解它们的应用场景和加载顺序,对于优化Spring应用程序的资源管理至关重要。此外,随着Java版本的更新,正确处理这些注解的依赖也是开发者需要注意的事项。

转载地址:http://zphwz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>