线上工单引发的思考:Spring Boot 中 @Autowired 与 @Resource 的区别

最近接手了离职同事负责的业务,在处理一个线上工单的时候,看了下历史逻辑,在阅读他们写的代码时,发现他们竟然把@Autowired和@Resource注解混用。今天就借此机会聊聊SpringBoot项目中这两者之间的区别。

1. 注解来源

  • @Autowired:是Spring框架提供的注解。IOC特性的核心注解之一。
  • @Resource:是Java的标准注解,属于Java EE 规范(JSR-250)。

2. 注入方式

  • @Autowired:默认按类型进行注入。如果业务场景比较复杂,一个接口有多个实现类的话,可以结合@Qualifier注解指定具体的bean。如:
java 复制代码
@Service
public class SomeService {
    @Autowired
    @Qualifier("userServiceImpl1")
    private UserService userService1;
    
    @Autowired
    @Qualifier("userServiceImpl2")
    private UserService userService2;
    // 业务逻辑
}
  • @Resource:默认按名称进行注入,即name属性。如果name属性没有指定,则按类型进行注入。
java 复制代码
@Service
public class SomeService {
    @Resource
    private UserService userService;
    // 业务逻辑
}

在这种情况下,Spring 会尝试查找名称为 userService 的 bean。如果找不到按名称匹配的 bean,它会再尝试按类型进行匹配。如果按类型匹配也找不到唯一的 bean,就会抛异常。

用一句话总结就是:@Autowired相当于是@Resource的子集

3. 依赖检查

  • @Autowired :默认情况下,它要求依赖的 bean 必须存在于容器中 。如果找不到匹配的 bean,Spring 会抛出 NoSuchBeanDefinitionException 异常。可以通过将 required 属性设置为 false 来改变这种行为,使依赖变为可选的,这个时候注入的bean就是null。如:
java 复制代码
@Service
public class SomeService {
    @Autowired(required = false)
    private UserService userService;
    // 业务逻辑
}
  • @Resource:没有类似 required 这样明确的属性来控制依赖是否必须存在。当按名称或者类型无法找到匹配的 bean 时,会抛出NameNotFoundException 或 NullPointerException 异常。

4. 使用场景选择

  • @Resource
    更适合在需要严格按名称注入的场景下使用。
    在 Java EE 环境中更常见,因为它符合 Java EE 标准。
  • @Autowired
    是 Spring 生态系统中最常用的依赖注入方式。对于 Spring 生态系统的开发者来说,使用频次很高。特别是在处理复杂的依赖关系和需要灵活配置的场景下,通过结合 @Qualifier 注解,可以实现精准的依赖注入。

当然,本人也更喜欢使用@Autowired。

相关推荐
Miraitowa_cheems几秒前
LeetCode算法日记 - Day 11: 寻找峰值、山脉数组的峰顶索引
java·算法·leetcode
海梨花6 分钟前
【从零开始学习Redis】项目实战-黑马点评D2
java·数据库·redis·后端·缓存
共享家95276 分钟前
linux-高级IO(上)
java·linux·服务器
bug菌10 分钟前
零基础也能做出AI应用?Trae是如何打破编程"高墙"的?
后端·ai编程·trae
橘子郡12313 分钟前
观察者模式和发布订阅模式对比,Java示例
java
指针满天飞14 分钟前
Collections.synchronizedList是如何将List变为线程安全的
java·数据结构·list
Java技术小馆15 分钟前
重构 Controller 的 7 个黄金法则
java·后端·面试
用户40993225021226 分钟前
容器化部署FastAPI应用:如何让你的任务系统代码在云端跳舞?
后端·ai编程·trae
Java水解27 分钟前
MySQL 亿级数据表平滑分表实践:基于时间分片的架构演进
后端·mysql