观察者模式拉与推_观察者模式

观察者模式分为推模型和拉模型。推模型是主题对象主动向观察者推送所需数据，不论观察者是否需要；拉模型则是观察者从主题对象中请求所需的数据。

观察者模式是一种软件设计模式，这种模式在实现时分为推模型和拉模型，下面将详细介绍这两种模型的基本概念、特点、优点与缺点、适用场景以及一个生动的示例。

基本概念

1、推模型：在推模型中，当主题对象发生变化时，会主动将变化详情推送给所有注册的观察者。

2、拉模型：与推模型不同，拉模型中的主题对象在发生变化时仅通知观察者有变化发生，具体的数据由观察者主动从主题对象中获取。

特点对比

推模型的特点：

主题对象负责将变化的数据推送给观察者。

数据传输通常是实时的。

可能推送不必要的数据给不需要这些数据的观察者。

拉模型的特点：

主题对象只通知观察者变化的发生。

观察者根据需要从主题对象中请求数据。

减少了不必要的数据传输，节省了资源。

优点与缺点

推模型的优点：

实时性高，观察者能够快速获得更新的数据。

实现较为简单直观。

适用于数据更新不频繁但需要即时反应的场景。

拉模型的优点：

网络负载较低，因为只有当观察者需要数据时才传输。

观察者可以请求自己感兴趣的数据，更加灵活。

适用于数据量大或观察者需求不同的场景。

推模型的缺点：

可能会造成资源的浪费，因为即使观察者不需要数据也会收到推送。

当有大量的观察者时，性能开销增大。

拉模型的缺点：

观察者需要主动请求数据，增加了观察者的复杂性。

数据更新可能存在延迟，因为观察者可能不会立即请求更新。

适用场景

推模型适用场景：

实时系统，如金融交易系统。

小范围、数据紧密耦合的应用。

拉模型适用场景：

大规模、分布式系统。

数据需求个性化、动态变化的应用场景。

示例

假设有一个社交媒体应用，用户可以发布状态更新（主题对象），其好友（观察者）可以接收到这些更新，使用推模型，每当用户更新状态时，系统会将这条新状态推送给所有好友；而使用拉模型，用户的状态更新仅发送一个通知给好友，好友打开应用时才会拉取最新的状态列表。

观察者模式中的推模型和拉模型各有优缺点，选择哪一种模型取决于具体应用场景的需求，在设计系统时，合理利用这两种模型的特性可以有效地提高系统的性能和用户体验。