在jdeveloper开发企业级应用时，我们经常会遇到需要从web服务获取数据并在用户界面（如adf表）中展示的情况。然而，有时web服务数据控件可能不提供像“命名条件（named criteria）”这样的内置过滤机制，导致直接在jdeveloper设计时进行数据过滤变得困难。在这种情况下，我们需要采用其他策略来实现所需的数据过滤功能。
策略一：服务端预处理过滤
最推荐且通常最有效的方法是让Web服务本身返回已经过过滤或排序的数据。这意味着数据过滤的逻辑将由Web服务的提供方在服务器端实现。
实现原理
Web服务接口被设计为接受过滤或排序参数。当客户端调用Web服务时，会传递这些参数，Web服务在执行数据查询时根据这些参数进行过滤，然后只将符合条件的数据返回给客户端。
优点
- 性能优化： 减少了网络传输的数据量，尤其是在处理大量原始数据时，可以显著提高应用性能。
- 服务器端负载平衡： 过滤逻辑在服务器端执行，减轻了客户端的计算负担。
- 数据一致性： 确保所有客户端获取的数据都经过相同的服务器端逻辑处理。
实现步骤
-
修改Web服务接口：
- 在Web服务的WSDL定义中，为相关操作添加输入参数，例如filterByAttribute和filterValue。
- 例如，如果Web服务返回一个客户列表，可以添加getCustomerByCity(String city)这样的方法。
-
实现Web服务逻辑：
- 在Web服务的后端实现中，根据接收到的过滤参数构建数据库查询或数据处理逻辑。
- 确保Web服务只返回符合过滤条件的数据。
-
JDeveloper客户端调用：
- 在JDeveloper中，刷新Web服务数据控件，使其识别新的带参数操作。
- 在页面片段或托管Bean中，通过绑定参数来调用这些新的Web服务操作，将用户输入的过滤条件传递给Web服务。
注意事项
- 这要求我们有权限修改或控制Web服务的实现。
- 如果过滤条件非常复杂或动态变化，Web服务接口的设计可能需要更强的通用性。
策略二：客户端POJO模型编程过滤
如果无法修改Web服务（例如，Web服务由第三方提供），或者过滤逻辑非常简单且数据量不大，我们可以在客户端获取所有原始数据，然后使用POJO（Plain Old Java Object）模型进行编程过滤。
实现原理
客户端首先通过Web服务获取所有未过滤的原始数据。然后，这些数据被映射到Java POJO对象集合中。接着，在客户端的Java代码中遍历这个POJO集合，根据预设的过滤条件进行筛选，生成一个新的、已过滤的数据集合，最终将这个集合绑定到JDeveloper的UI组件上。
优点
- 高灵活性： 过滤逻辑完全由客户端控制，可以实现任意复杂的过滤条件，无需依赖Web服务提供方的支持。
- 无需修改Web服务： 适用于Web服务不可修改或无法修改的场景。
- 快速迭代： 客户端过滤逻辑的修改和测试相对独立，可以快速迭代。
缺点
- 性能问题： 如果原始数据量非常大，将所有数据传输到客户端会增加网络负载和内存消耗，可能导致性能下降。
- 客户端负载： 过滤逻辑在客户端执行，会增加客户端的CPU和内存使用。
- 数据冗余： 客户端获取的数据可能包含大量不必要的信息。
实现步骤
-
调用Web服务获取原始数据：
- 在JDeveloper的托管Bean中，调用Web服务数据控件的原始操作，获取所有未过滤的数据。
- 通常，这些数据会被JDeveloper自动映射到相应的Java对象列表。
-
数据转换（如果需要）：
- 如果Web服务返回的数据结构不是直接可用的POJO，可能需要将其转换为自定义的POJO模型，以便于后续处理。
-
实现过滤逻辑：
- 编写Java代码，遍历从Web服务获取的POJO列表，根据业务逻辑进行筛选。
- 以下是一个简单的Java过滤示例：
import java.util.ArrayList; import java.util.List; import java.util.stream.Collectors; // Java 8+ // 假设这是从Web服务获取的数据对应的POJO类 public class Product { private String id; private String name; private String category; private double price; // 构造函数, getters和setters... public Product(String id, String name, String category, double price) { this.id = id; this.name = name; name = name; this.category = category; this.price = price; } public String getId() { return id; } public String getName() { return name; } public String getCategory() { return category; } public double getPrice() { return price; } // 省略setter } public class ProductFilterService { public List<Product> filterProducts(List<Product> rawProducts, String filterCategory) { if (rawProducts == null || rawProducts.isEmpty()) { return new ArrayList<>(); } // 使用Java 8 Stream API进行过滤 List<Product> filteredList = rawProducts.stream() .filter(p -> p.getCategory().equalsIgnoreCase(filterCategory)) .collect(Collectors.toList()); return filteredList; /* // 或者使用传统循环方式 List<Product> filteredList = new ArrayList<>(); for (Product product : rawProducts) { if (product.getCategory() != null && product.getCategory().equalsIgnoreCase(filterCategory)) { filteredList.add(product); } } return filteredList; */ } // 示例用法 public static void main(String[] args) { List<Product> allProducts = new ArrayList<>(); allProducts.add(new Product("P001", "Laptop", "Electronics", 1200.00)); allProducts.add(new Product("P002", "Mouse", "Electronics", 25.00)); allProducts.add(new Product("P003", "Book", "Books", 15.00)); allProducts.add(new Product("P004", "Keyboard", "Electronics", 75.00)); ProductFilterService filterService = new ProductFilterService(); List<Product> electronicProducts = filterService.filterProducts(allProducts, "Electronics"); System.out.println("Filtered Electronic Products:"); for (Product p : electronicProducts) { System.out.println(p.getName() + " - " + p.getCategory()); } } } -
绑定过滤后的数据：
- 将过滤后的List<Product>对象作为托管Bean的属性暴露出来。
- 在JDeveloper的ADF页面中，将UI组件（如af:table）的数据源绑定到这个托管Bean属性上。
注意事项
- 对于大型数据集，客户端过滤可能导致用户界面响应缓慢甚至无响应。
- 考虑使用分页或增量加载来缓解大数据量带来的性能问题。
- 确保过滤逻辑的正确性和效率。
选择合适的策略
在选择过滤策略时，我们需要综合考虑以下因素：
- Web服务可修改性： 如果可以修改Web服务，服务端过滤通常是首选。
- 数据量： 数据量越大，服务端过滤的优势越明显。
- 过滤复杂度： 如果过滤逻辑非常复杂且需要频繁变化，客户端编程过滤可能提供更大的灵活性。
- 性能要求： 对性能要求高的应用应优先考虑服务端过滤。
- 开发成本和时间： 评估两种方法各自的开发工作量和所需时间。
总结
尽管JDeveloper的Web服务数据控件可能不直接提供内置的“命名条件”式过滤，但我们仍有有效的解决方案。通过修改Web服务接口实现服务端预处理过滤，可以优化性能并减少网络负载，适用于Web服务可控且数据量大的场景。而当Web服务不可修改时，在客户端利用POJO模型进行编程过滤则提供了极大的灵活性，适用于数据量适中且需要复杂客户端过滤逻辑的场景。开发者应根据具体项目需求、Web服务特性和性能考量，明智地选择最合适的过滤策略。
