简介
又名职责链模式，为了避免请求发送者与多个请求处理者耦合在一起，将所有请求的处理者通过前一对 象记住其下一个对象的引用而连成一条链；当有请求发生时，可将请求沿着这条链传递，直到有对象处理它为止。
职责链模式主要包含以下角色:
- 抽象处理者（Handler）角色：定义一个处理请求服务器托管网的接口，包含抽象处理方法和一个后继连接。
- 具体处理者（Concrete Handler）角色：实现抽象处理者的处理方法，判断能否处理本次请求，如果可以处理请求则处理，否则将该请求转给它的后继者。
- 客户类（Client）角色：创建处理链，并向链头的具体处理者对象提交请求，它不关心处理细节和请求的传递过程。
案例
抽象处理者
Handler类是所有具体处理者的基类，它定义了一个Handler类型的字段successor，这个字段指向链中的下一个处理者。SetSuccessor方法用于设置这个字段的值。
当一个请求到来时，如果当前处理者无法处理，它会将请求传递给链中的下一个处理者（即successor）。这就是责任链模式的基本工作原理。
public服务器托管网 abstract class Handler
{
protected Handler successor;
public void SetSuccessor(Handler successor)
{
this.successor = successor;
}
public abstract void HandleRequest(int request);
}具体处理者
三个处理者类：ConcreteHandler1，ConcreteHandler2和ConcreteHandler3，它们都继承自抽象处理者类Handler。
每个具体处理者类都有一个HandleRequest方法，这个方法用于处理请求。如果当前处理者无法处理请求，那么它会将请求传递给下一个处理者。
例如，ConcreteHandler1只能处理0到10之间的请求，如果请求的值大于10，那么它就会将请求传递给下一个处理者。同样，ConcreteHandler2只能处理10到20之间的请求，如果请求的值大于20，那么它就会将请求传递给下一个处理者。ConcreteHandler3只能处理20到30之间的请求，如果请求的值大于30，那么它就会将请求传递给下一个处理者。
public class ConcreteHandler1 : Handler
{
public override void HandleRequest(int request)
{
if (request >= 0 && request = 10 && request = 20 && request 测试
class MyClass
{
public static void Main(string[] args)
{
Handler h1 = new ConcreteHandler1();
Handler h2 = new ConcreteHandler2();
Handler h3 = new ConcreteHandler3();
h1.SetSuccessor(h2);
h2.SetSuccessor(h3);
int[] requests = { 2, 5, 14, 22, 18, 3, 27, 20 };
foreach (int request in requests)
{
h1.HandleRequest(request);
}
}
}运行结果
优缺点
优点：
- 降低了请求发送者和接收者的耦合度。
- 可以根据需要增加新的请求处理类，满足开闭原则。
- 当工作流程发生变化，可以动态地改变链内的成员或者修改它们的次序，也可动态地新增或者删除责任。
- 一个对象只需保持一个指向其后继者的引用，不需保持其他所有处理者的引用，这避免了使用众多的 if 或者 ifelse 语句。
- 每个类只需要处理自己该处理的工作，不能处理的传递给下一个对象完成，明确各类的责任范围，符合类的单一职责原则。
缺点：
- 不能保证每个请求一定被处理。由于一个请求没有明确的接收者，所以不能保证它一定会被处理，该请求可能一直传到链的末端都得不到处理。
- 对比较长的职责链，请求的处理可能涉及多个处理对象，系统性能将受到一定影响。
- 职责链建立的合理性要靠客户端来保证，增加了客户端的复杂性，可能会由于职责链的错误设置而导致系统出错，如可能会造成循环调用。
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net
TorchLens：可用于可视化任何PyTorch模型，一个包用于在一行代码中提取和映射PyTorch模型中每个张量运算的结果。TorchLens功能非常强大，如果能够熟练掌握，算是可视化PyTorch模型的一把利剑。本文通过TorchLens可视化一个简…
