js单例模式

从0开始学习JavaScript--JavaScript 单例模式 JavaScript 单例模式是一种有力的设计模式,旨在确保一个类仅有一个实例,并提供一个全局访问点。通过懒汉式、饿汉式和模块模式等多种实现方式,开发者可以根据具体场景选择适合的单例模式,使得代码更为灵活和可维护。在懒汉式中,实例在首次访问时被创建,延迟加载有助于降低启动时的负载。而饿汉式在应用启动时即创建实例,保证了全局唯一性,但可能增加了启动时间。模块模式结合了闭包和IIFE,为单例提供了一种更为模块化和安全的实现方式。单例模式在实际应用中有着广泛的应用,包括管理全局状态、数据缓存、配置管理等方面。 阅读详情

一、单例模式

        单例模式就是通过单独的一个实例化对象,在调用函数方法时,输入不同的参数数据,执行对应的程序效果。

        多个对象可以优化

        原始方法:

                根据不同的数据,创建不同的实例化对象,在实例化对象中,存储不同的数据数值,函数直接调用实例化对象中的数据数值

        优化方法:

                创建实例化对象时,不设定存储数据,调用函数时,输入需要的参数,定义生成一个实例化对象,就可以执行所有需要的效果。

//原始方法

class createObj{

        constructor(name,age){

                this.name=name;

                this.age=age;

        }

        fun1(){

                console.log(this.name);

        }

        fun2(){

                console.log(this.age);

        }

        fun3(){

                console.log(this.name,this.age)

        }

}

const obj1=new createObj('张三',18);

const obj2=new createObj('李四',19);

const obj3=new createObj('王五',20);

console.log(obj1);

console.log(obj2);

console.log(obj3);

     //优化方法

class createObj(){

        constructor(){};

        fun1(name){

                console.log(name)

        };

        fun2(age){

                console.log(age);

        }

        fun3(name,age){

                console.log(name,age);

        }

}   

const obj=new createObj  ();

obj.fun1('张三');

obj.fun1('李四');

obj.fun1('王五');   

obj.fun2(18);

obj.fun2(19);

obj.fun2(20);

obj4.fun3('张三',20);

obj4.fun3('李四',21);

obj4.fun3('王五',22);

 单例模式的核心:只创建一个实例化对象,通过调用函数时输入不同的数据实现程序效果,即使多次调用构造函数,也要确保只生成一个实例化对象,不是每次调用都会生成一个新的实例化对象。

class createObj{

        constructor(){}

        fun1(name){

                console.log(name)

        }

        fun2(age){

                console.log(age)

        }

        fun3(name,age){

                console.log(name,age)

        }

}

let obj='';

function fun(){

        if(obj===' '){

                obj=new createObj();

                return obj;

        }else{

                return obj;

        }

}

const newObj1=fun();

用闭包的语法形式,将所有程序定义在函数中.

单例模式是一个固定的语法套路,变量存储的是立即执行函数的执行结果,也就是return的匿名函数。

 //使用立即执行函数,在封装函数的同时,立即执行调用函数本身

const res=(function(){

        class createObj{

                constructor(){};

                fun1(name){

                        console.log(name)

                }

                fun2(age){

                        console.log(age)

                }

                fun3(name.age){

                        console.log(name,age)

                }

        }

        let obj=' ';

        return function(){

                if(obj===' '){

                        obj=new createObj();

                        return obj;

                }else{

                        return obj;

                        }

        }

})()

从JavaScript单例模式到Vuex中store 导言:如果你像我一样也是JavaScript的初学者并且希望更深一步理解Vue框架背后的设计思想的话,那么这篇文章或许会适合你。 单例模式 单例模式的定义是: 保证一个类仅有一个实例,并提供一个访问他的全局方法。 什么是单例模式呢,简单来说就是一个类只能创建一个实例,即使你创建了很多的实例,但如果通过===比较的话,你会发现,这些实例全部都是相等的。 那这有什么用呢?比如我们拿微信举例子,通常情况下无论是手机端还是PC端,你都只能登陆一个微信账号。而且你也只能打开一个微信登录界面,没有办法打开多个。. 阅读详情

相关推荐

单例模式示例(Singleton Pattern in JavaScript):

单例模式在JavaScript中的应用场景很多,特别是在需要共享资源或限制实例数量的情况下。两个实例,它们的名称分别为"Instance 1"和"Instance 2"。然而,由于单例模式的特性,无论我们如何创建实例,它们都指向同一个对象,因此。单例模式是一种常见的设计模式,用于确保一个类只有一个实例,并提供一个全局访问点来访问这个实例。是一个静态方法,用于获取单例类的实例。如果实例不存在,则创建一个新的实例并将其赋值给。方法来获取实例的名称。在上面的示例中,我们创建了一个名为。的引用,发现它们是相等的。

python_bug262的博客 87

js设计模式之单例模式

单例模式也称为单体模式,保证一个类仅有一个实例,并提供一个访问它的全局访问点

楠姐的博客 8224

【JavaScript源代码】JS实现单例模式的6种方案汇总.docx

JS实现单例模式的6种方案汇总   今天在复习设计模式中的-创建型模式,发现JS实现单例模式的方案有很多种,稍加总结了一下,列出了如下的6种方式与大家分享  大体上将内容分为了ES5(Function)与ES6(Class)实现两种部分  单例模式就是在系统中保存一个实例,就是一个全局变量,在团队开发中,为了实现一些相似的功能,比如不同页面之间的表单验证,可能需求是不一样的,但是呢命名可能一样,这时就会产生冲突,这时候单例模式就能很好的解决这个问题。   一个实例只生产一次 保证一个类仅有一个实例,并提供一个访问它的全局访问点   说说它的优点:  1,单例模式声明一

JavaScript 设计模式之js中的单例模式

javascript是一门无类语言,也正是因为如此,生搬硬套单例模式的概念毫无意义。在Javascript中创建对象的方法非常简单,既然我们只需要一个唯一的“对象”,为什么要为它先创建一个“类呢”? 单例模式的核心是:确保只有一个实例,并且提供全局访问 全局模式不是单例模式,但在Javascript开发中,我们经常会把全局变量当作单例来使用。例如: var a={}; 当用这种方式创建对象a的时...

仇益阳的博客 2万+

工业缺陷检测深度学习方法综述

异常:点异常、 上下文异常和集群异常。点异常:又称为离群值 (outliers)[9], 描述数值上偏离正 常样本的独立数据。与异常相近的概念还包括新颖点(novelty)和分布外数据。上下文异常:同样描述数据点,其数值属于正常范围,但不符合局部上下文规律。集群异常:描述一系列相关数据的集合,集合中的每一个实例的数值在单独考察时都处于正常值域,但集 合整体的相关性特征不服从正常模式。一般的图像异常检测往往仅需区分正常与异常样本,而工业缺陷检测更关注于检测 图像中的异常像素.

2301_80355452的博客 1847

手把手教你用Multisim 14.2仿真一个4.4V的LDO电路(附完整仿真文件)

本文详细介绍了如何使用Multisim 14.2仿真一个4.4V的LDO电路,从环境配置、核心参数解析到电路搭建和仿真调试。通过分压电阻精确计算和瞬态响应测试,帮助读者掌握LDO电路的设计与验证技巧,并附有完整仿真文件供参考。

weixin_28738397的博客 275

JavaScript单例模式Singleton Pattern

参考链接:[url]http://www.dofactory.com/javascript/singleton-design-pattern[/url] [code="javascript"] var Singleton = (function () { var instance; function createInstance() { var ob...

Inner peace 155

【正点原子I.MX6U-MINI移植篇】Ubuntu-base根文件系统移植构建过程详解(四)

能不能在ARM板上运行Ubuntu呢?答案肯定是可以的,Ubuntu是Linux系统的一种,可以简单的将Ubuntu理解为一个根文件系统,和我们用busybox、buildroot制作的根文件系统一样。因此移植Ubuntu也就是将Ubuntu根文件系统移植到我们的开发板上。

果果小师弟的博客 3774

JavaScript 设计模式之-单例模式(Singleton Pattern)

面试了很多简历写着前端5,6年高级前端工程师,大部分设计模式都说不明白,其实不要把设计模式想的很难,其实是一种思想,我一起搞iOS,也搞前端,设计模式原理都是一样的,写法就不差不多,只要搞清楚他的概念和使用场景就理解很容易 什么是单例模式? 规定一个类只有一个实例,并且提供可全局访问点; 单例模式的有哪些使用场景? 就APP 开发来说,单例模式还是比较常用的,比如弹窗组件,通过全局单例维护相关状态,如果每次创建一个新的对象,有些场景会多个弹窗叠加。 还有定位,或者网络请求,都是使用单例进行封装的。 例如.

冷胜任 的专栏 526

解决MATLAB2020B关于找不到vs2019C++编译器问题

解决MATLAB2020B关于找不到vs2019C++编译器问题

wcm2577的博客 7610

S32K344开发环境搭建全攻略:S32DS 3.5.12与RTD 3.0.0实战指南

在嵌入式开发中,集成开发环境(IDE)与实时驱动(RTD)的协同配置是项目启动的关键。S32DS作为NXP官方IDE,结合RTD包,为S32K3系列提供底层驱动支持。正确安装与路径配置能确保编译、调试与烧录流程顺畅,避免常见错误。该环境适用于汽车电子、工业控制等场景,如车身域控、BMS。本文基于S32K344芯片,详细记录从软件下载到调试的完整过程,帮助开发者快速搭建稳定开发环境。

weixin_42713608的博客 225

JavaScript 中的单例模式(Singleton Pattern)

单例模式在 JavaScript 中通过。

2401_85392853的博客 598

Unity 第一人称视角控制移动、旋转

第一人称视角操作此功能主要是借鉴YouTube,写的蛮好我就搬运过来让大家也试试。

qq_36515472的博客 4206

(JS)单例模式

(JS)单例模式 单例模式即只创建一个实例,如果多次调用,则返回第一次创建的实例 在JS中没有私有变量和私有方法,所以可以使用闭包来代替 class singleObject { login() { console.log("login..."); } } singleObject.getInstance = (function() { let instance; return function() { if(!instance) { instance = new singleObje

u014572617的博客 196

超声波传感器(CHx01) 学习笔记 Ⅲ - I2C读写操作

CH-x01 通过 2 线 I2C 协议与主机处理器通信

nicole088的专栏 1741

【YOLO系列】YOLOv8详解:模型结构、损失函数、训练方法及代码实现

YOLOv8是Ultralytics团队2023年推出的高效目标检测框架,在速度与精度平衡、多任务支持和易用性方面实现突破。模型采用改进的CSPDarknet主干网络、C2f模块和SPPF加速结构,结合PAN-FPN特征融合和解耦检测头设计,支持目标检测、实例分割和关键点检测任务。创新性地使用CIoU定位损失、Focal Loss置信度损失和动态样本分配策略,显著提升检测性能。实验表明,YOLOv8较前代模型mAP提升5-10%,在TensorRT加速下可达1000FPS,提供5种尺寸灵活选择,成为实时目标

一碗白开水一 2783

JavaScript中单例模式这样用

单例模式在内存中只有一个实例,可以减少内存开支,同时还能在系统设置全局的访问点,优化和共享资源。

开心学前端 : ) 500

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

【javascript】js实现单例模式

js实现单例模式 实现代码: 1 var single=function(name){ 2 this.name=name; 3 } 4 var proxy=(function(){ 5 var instance; 6 return function(name){ 7 if(!instance){ 8 ...

99

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

【Javascript】JS单例模式的简单实现

代码虽然简单,但是功能不少,可以是带参数的构造函数,也支持继承的。写在这便于记录以后复用。 var Singleton = function (){ var single; return { getInstance:function (fn, args){ if (single){ return...

weixin_30730151的博客 96

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

01-单例模式-JavaScript中的设计模式

##什么是单例模式 单例模式属于创建型模式,是一种创建对象的方式。单例对象的类只允许创建一个实例。 以java系统为例,倘若有个创建资源消耗较高的常用对象(如数据库连接),若是每次用到时临时创建,则频繁的对象销毁和创建行为会非常的消耗性能。 而做成单例模式:不允许用new语句来创建对象,而是该类自身创建一个对象之后保存起来,再暴露一个获取该对象的方法给到全局。则全局只需进行一次对象创建工作。 ##JavaScript中单例模式的问题 在java等语言中,单例模式的作用很好理解。但是在js里却很尴尬了, 我找

qq_36813276的博客 355

javascript 单例模式应用

单例模式 html部分 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <meta http-equiv="X-UA-Compatible" content="ie=edge"> <

weixin_44456354的博客 234

深入单例模式 java,深入理解 JavaScript 单例模式 (Singleton Pattern)

概念单例模式,也叫单子模式,是一种常用的软件设计模式。在应用这个模式时,单例对象的类必须保证只有一个实例存在。核心:确保只有一个实例,并提供全局访问。实现思路一个类能返回对象一个引用(永远是同一个)和一个获得该实例的方法(必须是静态方法,通常命名为getIntance);当我们调用这个方法时,类持有的引用不为空则返回这个引用,如果为空须创建该类实例并将实例的引用赋予该类保持的引用;同时将该类的构造...

weixin_35952427的博客 188

JavaScript实现单例模式

单例模式是一种创建型设计模式,它保证一个类只有一个实例,并提供一个全局访问点来访问该实例。在 JavaScript 中,实现单例模式有多种方式。本文将介绍几种常见的实现方式,并解释每种实现方式的思路和示例代码。

weixin_49759035的博客 1232

js设计模式:什么是单例模式?js单例模式的介绍

什么是单例模式 定义:1.只有一个实例。2.可以全局访问 主要解决:一个全局使用的类频繁地创建与销毁。 js单例模式何时使用:当您想控制实例数目,节省系统资源的时候。 如何解决:判断系统是否已经有这个单例,如果有则返回,如果没有则创建。 js单例模式优点:1、在内存里只有一个实例,减少了内存的开销,尤其是频繁的创建和销毁实例(比如管理首页页面缓存)。 2、避免对资源的多重占用(比如写文...

xiaoxiaofly的博客 601
上一篇: 闭包/执行空间
下一篇: js组合模式
毎天要喝八杯水
博客等级 码龄5年 129粉丝 180原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址