Создайте собственного чат-бота с Spring Boot и WebSocket! 🤖💬

Хотите сделать свой Telegram-чат более интерактивным?  Spring Boot и WebSocket - идеальное сочетание для создания мощных и гибких чат-ботов!

Что вы получите?

🚀 Быстрая разработка: Используйте Spring Boot для создания серверной части чат-бота с минимальным количеством кода.
⚡ Реальное время:  WebSocket обеспечивает мгновенное взаимодействие с пользователями, делая чат-бота живым и реактивным.
⚙️ Гибкость: Настройте логику чат-бота по своему желанию, используя возможности Spring Boot и Java.

Примеры:

💬 Информационный бот:  Предоставьте пользователям доступ к базе данных, новостям, погоде и другим данным в режиме реального времени.
🎮 Игровой бот:  Создайте простой текстовый квест или игру, которая будет развлекать пользователей.
🧰 Утилитарный бот:  Автоматизируйте задачи, такие как напоминания, планирование задач или отправка уведомлений.

Попробуйте сами!

1.  Загрузите стартовый проект:  Найдите готовый проект на GitHub, который поможет вам начать (например, https://github.com/spring-projects/spring-boot/tree/main/spring-boot-samples/spring-boot-sample-websocket).
2.  Настройте бота в Telegram:  Создайте бота в Telegram и получите его токен.
3.  Подключите WebSocket:  Встройте WebSocket-соединение для взаимодействия с ботом.
4.  Разработайте логику:  Напишите код для обработки сообщений и ответов.

Следите за обновлениями!

Мы опубликуем больше материалов о разработке чат-ботов с Spring Boot и WebSocket!

#Springboot #WebSocket #Chatbot #Telegram #Java #Programming

🔧 Weka: Технический Обзор для Java Разработчиков 📊

Weka — это сборник мощных инструментов для машинного обучения, написанный на Java, который идеально подходит для анализа данных и построения моделей. Вот основные технические особенности и возможности Weka.

### 🛠️ Что такое Weka?
Weka (Waikato Environment for Knowledge Analysis) предоставляет интегрированную среду для разработки приложений в области машинного обучения. Она включает в себя множество алгоритмов и инструментов для предобработки данных.

### 🔗 Интеграция с Java
Weka полностью совместима с Java, что позволяет разработчикам легко интегрировать инструменты машинного обучения в свои приложения:

- Зависимости: Для использования Weka добавьте в ваш pom.xml (если вы используете Maven):
<dependency>
    <groupId>nz.co.jthawkes</groupId>
    <artifactId>weka</artifactId>
    <version>3.x.x</version> <!-- Используйте последнюю стабильную версию -->
</dependency>


### 📈 Основные возможности:
1. Алгоритмы: Weka поддерживает более 70 алгоритмов для классификации (например, деревья решений, SVM), регрессии и кластеризации.
2. Обработка данных: Возможности предобработки включают нормализацию, отбор признаков и заполнение пропусков.
3. Визуализация: Графическая визуализация данных и результатов помогает быстрее понять структуру данных и качество моделей.

### 🚀 Пример использования:
Простой пример классификации с использованием Weka:

import weka.classifiers.Classifier;
import weka.classifiers.trees.J48;
import weka.core.Instances;
import weka.core.converters.ConverterUtils.DataSource;

public class WekaExample {
    public static void main(String[] args) throws Exception {
        DataSource source = new DataSource("data.arff");
        Instances data = source.getDataSet();
        data.setClassIndex(data.numAttributes() - 1); // Установка класса

        Classifier cls = new J48(); // Выбор алгоритма
        cls.buildClassifier(data); // Обучение модели

        // Прогнозирование и дальнейшая работа с моделью...
    }
}


### 🌍 Применение Weka:
- Научные исследования и исследования в области поведения данных.
- Прототипирование и моделирование для разработки более сложных приложений.

### Заключение
Weka — это мощный инструмент для Java-разработчиков, который упрощает процесс работы с данными и машинным обучением. Освоив Weka, вы сможете создавать эффективные модели и анализировать данные с меньшими усилиями! 🚀

Присоединяйтесь к сообществу Weka и откройте для себя мир машинного обучения! 🌟

#Weka 
#Java 
#МашинноеОбучение 
#DataScience 

# DJL: Библиотека Java для Машинного Обучения и Глубокого Обучения

Deep Java Library (DJL) — это мощная open-source библиотека для языка Java, предназначенная для работы с машинным обучением и глубоким обучением. DJL предоставляет удобные инструменты для работы с моделями машинного обучения и интеграции их в Java-приложения.

### Основные особенности DJL

- Зоопарк Моделей (Model Zoo): DJL предлагает обширный выбор предобученных моделей, которые можно легко использовать в своих проектах. Эти модели охватывают широкий спектр задач, включая классификацию изображений, обработку текста и генерацию данных.

- Удобная Интеграция: DJL интегрируется с различными бэкендами для машинного обучения, такими как TensorFlow, PyTorch и MXNet. Это позволяет разработчикам использовать одну библиотеку для работы с различными моделями.

- Создание и Обучение Моделей: DJL предоставляет инструменты для создания и обучения собственных моделей. Вы можете разрабатывать модели, сохранять их на диск и загружать для дальнейшего использования, что упрощает процесс развертывания и интеграции.

- Простота Использования: Библиотека ориентирована на упрощение процесса работы с машинным обучением в Java, предлагая удобный API и документацию для быстрого старта.

### Как DJL может помочь в ваших проектах

DJL подходит для разработчиков, которые хотят интегрировать машинное обучение в свои Java-приложения без необходимости глубоких знаний в области AI и ML. Библиотека позволяет легко экспериментировать с различными моделями и адаптировать их под специфические требования проекта.

Для начала работы с DJL вам потребуется:

1. Установка библиотеки: Добавьте зависимость DJL в ваш проект через Maven или Gradle.
2. Выбор модели: Изучите доступные модели в Model Zoo и выберите подходящую для вашей задачи.
3. Интеграция модели: Используйте API DJL для интеграции модели в ваше Java-приложение.

DJL — это идеальное решение для разработчиков, стремящихся использовать возможности машинного обучения в Java без необходимости погружения.

8 архитектурных подходов

- REST: Каждый ресурс системы представлен уникальным URL и взаимодействие с ними осуществляется через стандартные HTTP-методы.
- SOAP: Обмен сообщениями между сервисами происходит через строго структурированные XML-запросы и ответы.
- GraphQL: Позволяет клиентам формировать запросы к API, точно определяя необходимые данные, минимизируя избыточность.
- gRPC: Использует протоколы буферов и HTTP/2 для создания высокопроизводительных и масштабируемых сервисов с двусторонней связью.
- WebSockets: Создаёт постоянное соединение между клиентом и сервером, и обеспечивает двусторонний обмен данными в реальном времени.
- Webhooks: Асинхронное взаимодействие, где сервер уведомляет клиента о событиях через HTTP-запросы, инициированные самим сервером.
- MQTT: Оптимизирован для IoT-устройств, поддерживает легковесный обмен сообщениями с низким потреблением ресурсов.
- AMQP: Для высоконадёжных систем, ориентирован на очереди сообщений и гарантированную доставку данных между сервисами

### Java: Классы-обертки

Классы-обертки (Wrapper Classes) в Java используются для представления примитивных типов данных в виде объектов. Каждый примитивный тип имеет соответствующий класс-обертку.

#### Основные классы-обертки:

- int -> Integer
- boolean -> Boolean
- char -> Character
- byte -> Byte
- short -> Short
- long -> Long
- float -> Float
- double -> Double

#### Преимущества:

1. Использование в коллекциях: Можно хранить примитивные данные в коллекциях (например, ArrayList).
2. Работа с методами: Позволяют передавать примитивы в методы, ожидающие объектов.
3. Дополнительные методы: Классы-обертки содержат методы для преобразования и работы с данными. Например:
   - Integer.parseInt("123") — преобразует строку в целое число.
   - Boolean.valueOf("true") — преобразует строку в булевый тип

### 📄 Извлечение ФИО из отсканированных документов с помощью Tesseract OCR на Java

✅ Что такое Tesseract OCR?
Tesseract — это бесплатная и открытая библиотека для оптического распознавания текста (OCR). Она позволяет извлекать текст из изображений, включая отсканированные документы.

👨‍💻 Какие библиотеки потребуются?
Для работы с Tesseract на Java понадобится библиотека Tess4J.

### 🛠️ Шаги по созданию программы

1. Установка Tesseract
   - Загрузите и установите Tesseract с официального сайта.
 
2. Добавление Tess4J в проект
   - Если вы используете Maven, добавьте в файл pom.xml:
  

   <dependency>
       <groupId>net.sourceforge.tess4j</groupId>
       <artifactId>tess4j</artifactId>
       <version>5.5.0</version>
   </dependency>
   

3. Код для извлечения ФИО
   - Напишите следующий код на Java:
  

   import net.sourceforge.tess4j.*;
   import java.io.File;

   public class OcrFioExtractor {
       public static void main(String[] args) {
           File imageFile = new File("path_to_your_image.jpg");
           Tesseract tesseract = new Tesseract();
           tesseract.setDatapath("C:\\Program Files\\Tesseract-OCR\\tessdata");
           tesseract.setLanguage("rus"); // Для русского языка

           try {
               String result = tesseract.doOCR(imageFile);
               System.out.println("Распознанный текст:\n" + result);
               
               // Регулярное выражение для поиска ФИО
               String[] lines = result.split("\n");
               for (String line : lines) {
                   if (line.matches(".*[А-ЯЁ][а-яё]+\\s+[А-ЯЁ][а-яё]+\\s+[А-ЯЁ][а-яё]+.*")) {
                       System.out.println("ФИО: " + line.trim());
                   }
               }
           } catch (TesseractException e) {
               System.err.println("Ошибка OCR: " + e.getMessage());
           }
       }
   }
   

### 📌 Вывод
Теперь у вас есть простая программа на Java, которая извлекает фамилию, имя и отчество из отсканированных документов. Tesseract OCR — мощный инструмент для работы с текстом, и при правильной настройке он может выдавать отличные результаты!

#Java #Tesseract #OCR #Программирование #ИскусственныйИнтеллект

### 🌟 Введение в Spring AI🌟

Spring AI — это новый проект от Spring, который предоставляет инструменты и фреймворки для интеграции Искуственного Интеллекта (ИИ) в приложения на базе Spring. В версии 1.0.0 M3 (Milestone 3) фокус направлен на упрощение разработки ИИ-приложений, предоставляя удобные API и интеграцию с популярными библиотеками.

#### Основные возможности Spring AI

1. Интеграция с библиотеками ИИ:
   - Spring AI поддерживает интеграцию с популярными библиотеками, такими как TensorFlow, PyTorch и другие. Это делает разработку ИИ-приложений более удобной.

2. Упрощение работы с моделями ИИ:
   - Вы можете легко обучать, тестировать и внедрять модели машинного обучения с помощью аннотаций и конфигураций Spring.

3. Поддержка REST API:
   - Spring AI предлагает встроенные средства для создания RESTful API, что позволяет легко разрабатывать и развертывать ИИ-сервисы.

4. Конфигурация и масштабируемость:
   - Возможности конфигурации позволяют настраивать различные аспекты интеграции ИИ, а также масштабирование приложений для обработки больших объемов данных в реальном времени.

5. Поддержка контейнеризации:
   - Spring AI хорошо интегрируется с Docker и Kubernetes, что упрощает развертывание и управление микросервисами.

#### Пример использования Spring AI

Для демонстрации интеграции Spring AI в проект:

1. Создайте проект Spring Boot и добавьте зависимость Spring AI в pom.xml:

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-core</artifactId>
    <version>1.0.0-M3</version> 
</dependency>

2. Создайте сервис для работы с моделью ИИ:

import org.springframework.ai.core.Model;
import org.springframework.stereotype.Service;

@Service
public class AIModelService {
    
    private final Model model;

    public AIModelService(Model model) {
        this.model = model; // Инициализация модели
    }

    public String predict(String input) {
        // Логика
        return model.predict(input);
    }
}

3. Создайте REST-контроллер:

import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/api/ai")
public class AIController {

    private final AIModelService aiModelService;

    public AIController(AIModelService aiModelService) {
        this.aiModelService = aiModelService;
    }

    @PostMapping("/predict")
    public String predict(@RequestBody String input) {
        return aiModelService.predict(input);
    }
}

### Заключение

Spring AI предоставляет мощные инструменты для разработчиков, желающих интегрировать ИИ в свои приложения. Благодаря простоте и гибкости Spring, этот проект делает разработку ИИ-приложений ещё более доступной.

Не забудьте подписаться на обновления в нашем канале для получения свежих новостей и руководств! 🚀

Apache Mahout:  Раскройте потенциал ваших данных!

Apache Mahout — мощная библиотека машинного обучения на Java, которая позволяет создавать интеллектуальные приложения, работающие с большими данными.  Забудьте о рутинных задачах — Mahout поможет автоматизировать анализ и извлечь ценную информацию из ваших данных.

Что вы можете сделать с Mahout?

Рекомендательные системы: Создайте персонализированные рекомендации для пользователей.  Представьте: ваш онлайн-магазин предлагает товары, идеально подходящие каждому клиенту, или музыкальный сервис подбирает треки, которые точно понравятся слушателю.  Mahout упрощает создание таких систем, используя алгоритмы Collaborative Filtering и Content-Based Filtering.

Анализ настроений:  Узнайте, что думают ваши клиенты о вашем продукте или услуге. Mahout способен анализировать текстовую информацию (отзывы, комментарии, сообщения) и определять общий тон: позитивный, негативный или нейтральный.  Эта информация бесценна для улучшения качества продукта и повышения лояльности клиентов.

Кластеризация:  Разделите большие объемы данных на группы, объединенные общими характеристиками.  Это полезно для сегментации клиентов, анализа рынка, обнаружения аномалий и многих других задач.  Mahout поддерживает различные алгоритмы кластеризации, такие как K-Means.

Предсказания: Используйте исторические данные для прогнозирования будущих событий.  Например, предскажите спрос на товары, оптимизируйте ресурсы или выявите потенциальные риски.

Примеры использования:

E-commerce: Персонализированные рекомендации товаров, прогнозирование продаж.
Социальные сети:  Анализ настроений пользователей, сегментация аудитории.
Финансовый сектор:  Выявление мошеннических операций, прогнозирование рисков.
Здравоохранение:  Анализ медицинских данных,  предсказание заболеваний.


Apache Mahout – это не просто библиотека, это инструмент для раскрытия потенциала ваших данных и создания умных, инновационных приложений.

Apache Zeppelin: Инструмент, который прокачает ваши Java-навыки
Если вы Java-разработчик и хотите работать с данными, визуализировать результаты анализа или создавать интерактивные отчеты, Apache Zeppelin — ваш новый лучший друг. Этот инструмент не только упрощает работу с Big Data, но и идеально вписывается в Java-экосистему. Давайте разберемся, почему он так полезен и как его использовать.

### 1. Зачем Java-программисту Zeppelin?
- Интерактивные блокноты на Java
В отличие от Jupyter, Zeppelin поддерживает Java "из коробки". Вы можете писать код прямо в браузере, выполнять его по параграфам и сразу видеть результат — таблицы, графики или текстовые выводы. Например, вот простой пример подсчета слов:

  %java
  import java.util.HashMap;
  import java.util.Map;
  import org.apache.zeppelin.java.JavaInterpreterUtils;
  
  public class WordCount {
      public static void main(String[] args) {
          Map<String, Long> counts = new HashMap<>();
          counts.put("Java", 10L);
          counts.put("Zeppelin", 5L);
          System.out.println(JavaInterpreterUtils.displayTableFromSimpleMap("Слово", "Количество", counts));
      }
  }
  

Этот код создаст таблицу с результатами прямо в блокноте .

- Интеграция с экосистемой Big Data
Zeppelin работает с Apache Spark, Hadoop, Hive и другими инструментами, которые часто используются в Java-проектах для обработки больших данных. Например, вы можете подключиться к Spark через Java API и анализировать данные без переключения между средами .

- Совместная работа и безопасность
Zeppelin поддерживает LDAP-авторизацию и настройки доступа, что критично для корпоративных проектов. Вы можете делиться блокнотами с коллегами, скрывая код и оставляя только визуализации .

### 2. Пример пользы: Быстрый анализ данных без лишних движений
Представьте, что вам нужно проанализировать логи сервера. С Zeppelin вы:
1. Подключаетесь к Hadoop-кластеру через Java-код.
2. Фильтруете данные с помощью Spark SQL.
3. Строите графики через Matplotlib или встроенные визуализации.
4. Экспортируете отчет в PDF или делитесь ссылкой с командой.

Всё это — без переключения между IDE и внешними инструментами. Например, интеграция с Spring Framework позволяет использовать готовые бины и сервисы, ускоряя разработку .

### 3. Zeppelin vs Jupyter: Почему Java-разработчикам стоит выбрать первый?
- Глубокая интеграция с Java-инструментами: Spring, Hibernate, Apache-проекты .
- Меньше накладных расходов: Не нужно настраивать Python-окружение для анализа данных.
- Поддержка корпоративных стандартов: Безопасность, многопользовательский режим, работа в кластере .

### 4. Как начать?
1. Установите Zeppelin с официального сайта.
2. Добавьте Java-интерпретатор в настройках.
3. Импортируйте зависимости через Maven/Gradle (например, для работы со Spark).
4. Создайте блокнот и начните писать код!


Итог
Apache Zeppelin — это не просто блокнот для Data Scientist’ов. Для Java-разработчиков он становится мостом между кодом и данными, позволяя быстро тестировать идеи, визуализировать результаты и делиться ими. Попробуйте — и вы удивитесь, насколько это удобно!

Как интегрировать Keycloak с Spring Boot приложением

В последние годы управление аутентификацией и авторизацией стало важной частью разработки приложений. Одним из популярных решений для этой задачи является Keycloak — мощный инструмент для управления пользователями и безопасностью. В этой статье мы рассмотрим, как интегрировать Keycloak с приложением на Spring Boot.

### Шаг 1: Установка Keycloak

Первым делом, вам нужно установить Keycloak. Вы можете скачать его с официального сайта или использовать Docker. Для простоты, давайте воспользуемся Docker:

docker run -p 8080:8080 -e KEYCLOAK_USER=admin -e KEYCLOAK_PASSWORD=admin jboss/keycloak


После запуска Keycloak, вы сможете получить доступ к админке по адресу http://localhost:8080/auth. Войдите с учетными данными admin/admin.

### Шаг 2: Настройка Realm и Client

1. Создайте новый Realm:
- В админке Keycloak выберите "Add Realm" и дайте ему имя, например, myrealm.

2. Создайте Client:
- Перейдите в раздел "Clients" и нажмите "Create".
- Укажите имя клиента, например, myapp, и выберите тип openid-connect.
- Установите Valid Redirect URIs на http://localhost:8081/* (если ваше приложение будет работать на порту 8081).

3. Настройте роли:
- Перейдите в раздел "Roles" и создайте роль, например, user.

### Шаг 3: Создание Spring Boot приложения

Теперь создадим простое Spring Boot приложение. Для этого создайте новый проект с помощью Spring Initializr (https://start.spring.io/) и добавьте зависимости:

- Spring Web
- Spring Security
- Spring Boot Starter Keycloak

### Шаг 4: Настройка приложения

Добавьте следующие зависимости в ваш pom.xml:

<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-security</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-oauth2-client</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.security</groupId>
<artifactId>spring-security-oauth2-client</artifactId>
</dependency>
<dependency>
<groupId>org.keycloak</groupId>
<artifactId>keycloak-spring-boot-starter</artifactId>
</dependency>


### Шаг 5: Конфигурация Keycloak

Создайте файл application.properties и добавьте следующие настройки:

keycloak.realm=myrealm
keycloak.auth-server-url=http://localhost:8080/auth
keycloak.resource=myapp
keycloak.public-client=true
keycloak.security-constraints[0].authRoles[0]=user
keycloak.security-constraints[0].securityCollections[0].patterns[0]=/*


### Шаг 6: Создание контроллера

Создайте простой контроллер, который будет защищен аутентификацией:

import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class HelloController {

@GetMapping("/hello")
public String hello() {
return "Hello, authenticated user!";
}
}


### Шаг 7: Запуск приложения

Теперь вы можете запустить ваше Spring Boot приложение. Убедитесь, что оно работает на порту 8081. После этого, если вы попытаетесь получить доступ к http://localhost:8081/hello, вы будете перенаправлены на страницу входа Keycloak.

### Заключение

Интеграция Keycloak с Spring Boot приложением позволяет легко управлять аутентификацией и авторизацией пользователей. Вы можете расширять функциональность, добавляя больше ролей, настраивая политики доступа и интегрируя другие сервисы. Надеюсь, эта статья была полезной и поможет вам в ваших проектах!

Почему Keycloak лучше аналогов?

Давайте поговорим о Keycloak и почему он — настоящий супергерой среди систем управления идентификацией. Итак, поехали!

1. Java — это не просто язык, это стиль жизни!
Keycloak написан на Java, и это значит, что он может работать на любом сервере, который поддерживает Java. Это как иметь универсальный ключ от всех дверей! Вы можете развернуть его на своем любимом сервере, и он будет работать, как часы.

2. Супергерой с множеством способностей!
Keycloak поддерживает OAuth2, OpenID Connect и SAML. Это как если бы у супергероя было несколько костюмов для разных случаев. Вам нужно аутентифицировать пользователей? Легко! Вам нужно интегрироваться с другими системами? Без проблем!

3. Интуитивно понятный интерфейс
Админ-консоль Keycloak — это не просто набор кнопок. Это как уютный дом, где все на своих местах. Вы можете легко управлять пользователями, ролями и клиентами, не теряясь в сложных меню. Даже ваша бабушка смогла бы разобраться!

4. Сообщество и поддержка
Keycloak — это не просто продукт, это целое сообщество. Если у вас возникли вопросы, вы можете обратиться к сообществу, и вам обязательно помогут. Это как иметь целую армию друзей, готовых прийти на помощь!

5. Гибкость и расширяемость
Keycloak можно настроить под любые нужды. Вам нужно добавить свою логику аутентификации? Пожалуйста! Вам нужно интегрироваться с внешними системами? Легко! Это как конструктор LEGO — собирайте, как хотите!

6. Бесплатно и с открытым исходным кодом
Keycloak — это не только мощный инструмент, но и бесплатный! Вы можете использовать его без каких-либо лицензионных сборов. Это как получить доступ к VIP-залу, не заплатив ни копейки!

7. Поддержка различных протоколов
Keycloak поддерживает множество протоколов аутентификации, что делает его идеальным для работы с различными приложениями. Это как швейцарский нож — всегда под рукой, когда нужно!

В заключение, Keycloak — это не просто инструмент для управления идентификацией, это настоящий супергерой в мире технологий. Он гибкий, мощный и, что самое главное, дружелюбный. Так что, если вы еще не попробовали Keycloak, самое время это сделать!

Паттерны проектирования:

Абстракция - представление класса в виде абстракции без конкретной реализации. Это позволяет скрыть детали реализации и предоставить пользователю только необходимый интерфейс.

Полиморфизм - возможность реализовать наследуемые свойства класса отличающимся способом. Это позволяет одному интерфейсу работать с объектами разных классов.

Наследование - возможность создать новый класс на основе существующего класса. Это позволяет повторно использовать код и создавать более сложные структуры, основанные на уже существующих.

Инкапсуляция - сокрытие полей и методов класса от прямого изменения или получения данных. Это повышает безопасность и устойчивость к изменениям.

SOLID:
1. S - Single Responsibility Principle (Принцип единственной ответственности): класс должен иметь единую обязанность и не заниматься несколькими задачами одновременно.
2. O - Open/Closed Principle (Принцип открытости/закрытости): класс должен быть открыт для расширения, но закрыт для изменения. Это позволяет добавлять новый функционал без изменения существующего кода.
3. L - Liskov Substitution Principle (Принцип подстановки Лисков): наследуемые классы должны быть взаимозаменяемыми с базовыми классами, не нарушая ожидаемое поведение.
4. I - Interface Segregation Principle (Принцип разделения интерфейса): клиенты не должны зависеть от интерфейсов, которые они не используют. Лучше создать несколько специализированных интерфейсов.
5. D - Dependency Inversion Principle (Принцип инверсии зависимостей): модули должны зависеть от абстракций, а не от конкретных реализаций. Это позволяет снизить связанность компонентов.

GRASP:
- Информационный эксперт - методы должны быть реализованы в классе, который имеет наибольшее количество информации, необходимой для их выполнения.
- Создатель - класс B должен создавать экземпляры класса A, если B содержит или агрегирует A, использует A, имеет данные для инициализации A.
- Контроллер - класс, который обрабатывает входящие запросы и делегирует их другим объектам.
- Слабая связанность - связь между классами должна быть основана на абстракциях, а не на конкретной реализации, чтобы минимизировать взаимозависимости.
- Сильная связанность - стремитесь к минимизации неспецифического функционала; такой подход помогает увеличить гибкость и удобство работы с классами.