기본 콘텐츠로 건너뛰기

AOP (Aspect Oriented Programming)

AOP (Aspect Oriented Programming : 관점 지향 프로그래밍)
- 관점지향 프로그래밍
- Core Concerns : 메인 로직
- Cross-Cutting Concerns : 부가적인 로직(로그인 검사, 보안, 로깅, ...)
- 반복되는 부가 로직을 재사용할 수 있는 방법
- OOP(Object Oriented Programming) 방식으로는 안됨
- AOP 방식을 사용하여 OOP를 보완할 수 있음
- Advice : 부가적인 로직을 메소드로 선언한 것
- Pointcut : 부가로직인 실행될 메인 로직의 완전한 경로 표현
- Aspect : 부가로직을 메소드로 선언한 클래스
- JoinPoint : 부가로직에 이어서 실행될 주 로직의 메소드 정보
- @Befor, @After, @Around, @AfterReturning, @AfterThrowing : Advice타입

빅데이터
- logging
- 글쓰기 : 이용자가 작성한 글을 DB에 저장한다
..
코드 중복방지
주 로직, 부가 로직을 완전히 분리

<!-- AOP -->
<dependency>
    <groupId>org.springframework</groupId>
    <artifactId>spring-aop</artifactId>
    <scope>compile</scope>
</dependency>
<dependency>
    <groupId>org.aspectj</groupId>
    <artifactId>aspectjweaver</artifactId>
    <scope>compile</scope>
</dependency>

@Controller
@RequestMapping("/aop")
public class AopTestController {
@Autowired
private MathService ms;
@GetMapping("/test")
@ResponseBody
public String test() {
ms.add(3, 5);
return "test";
}
}

@Service
public class MathService {
public void add(int a, int b) {}
public void sub(int a, int b) {}
public void mul(int a, int b) {}
public void div(int a, int b) {}
}

@Aspect
@Configuration
@Slf4j
public class MathAOP { // MathService메소드 실행전에 화면에 표시
    @Pointcut("execution(* com.ezen.demo.aop.MathService.*(...))") // MyService가 돌아가기 전에 부가로직을 실행한다(Pointcut Expression : 포인트컷 표현식), 지점을 가리킨다
    private void mathfunc() {}

    @Before("mathfunc()") // 지점을 가리킨 sample 메소드를 사용해서 포인트컷을 지정하지 않고도 MyService가 돌아가기 전에 앞서서 실행하는 것이 가능하다
    public void beforeLog(JoinPoint jp) {
        String methodName = jp.getSignature().getName();
        log.info(methodName+"호출됨");
    }
}

이 블로그의 인기 게시물

React 시작하기

App.js import Hello from './comp/Hello' ; function App() {   return (     < div className = "App" >       < Hello />     </ div >   ); } export default App; export default App; Hello.js import './Hello.css' ; function Hello() {   return (     < h1 > Hello, World! </ h1 >   ); } export default Hello; Hello.css h1 {   color : red; }

Python 인공신경망 추천 시스템(회귀)

예제 # 인공신경망을 이용한 추천 시스템 # - 순차형(Sequential) 신경망 생성법 # - 함수형(Functional) 신경망 생성법 # - 지금까지 나온 추천 방식 중에서 가장 좋은 성능 # - Regression 방식으로 분석가능 # - 영화의 평점 정보(userid, movieid, rating) # - 이용자는 영화에 대한 취향이 모두 다르다 # - 영화는 다양한 장르가 혼합되어 있다 # - 이용자는 자신의 취향에 맞는 영화에 높은 rating을 제시함 # - 어떤 이용자에게 어떤 장르의 영화를 추천할 것인가? # __call__() 함수를 가진 클래스는 파이썬 함수 callable(클래스)를 사용하면 True를 반환한다 from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Embedding, Input input = Input(shape=(1,)) # 함수형 신경망 생성법 hidden1 = Dense(2, activation='relu')(input) # Dense(2, activation='relu')__call__() hidden2 = Dense(2, activation='relu')(hidden1) # callable.object callable(Dense) # __call__ 함수가 있으면 True, 없으면 False # Using Functional API from keras.models import Sequential from keras.layers import * model = Sequential() model.add(Input(shape=(3,))) # Input tensor model.add(Dense(4)) # hidden layer 1 model.add(Dense(units=4)) # hidden layer 2 model.add(Dense(units=1)) # ou...

Python Sklearn make_regression

from sklearn.datasets import make_regression import matplotlib.pyplot as plt X, y = make_regression(n_samples=250, n_features=1, noise=50, random_state=2) plt.scatter(X,y, s=2) plt.show() from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 x_train, x_test, y_train, y_test = train_test_split(X,y, test_size=.20, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # 모델 생성 model = LinearRegression() # 학습하기 model.fit(x_train, y_train) # 가중치, 편향치 구하기 model.coef_, model.intercept_ # (array([90.11061494]), 2.4224269924448585) # 결정 계수 model.score(x_train, y_train) # 0.789267454050733 # 추정 pred = model.predict(x_test) # 산점도 plt.scatter(x_test,y_test) plt.plot(x_test, pred, 'r-') plt.show() # 추정 model.predict([[3.0]]) # 학습할 때 주는 데이터의 형식을 따른다 # x의 최소값, 최대값을 계수와 절편을 사용하여 ...