java教程技术文章
-
- 使用 Collections.binarySearch() 实现对数查找方法
- Collections.binarySearch()是Java中专为已排序List设计的O(logn)查找方法，要求列表严格升序或按指定Comparator有序，否则结果未定义；返回≥0为找到元素的索引，＜0则表示未找到且可推导插入位置。
- 文章 · java教程 | 5个月前 | 182浏览 收藏
-
- Java动态代理与静态代理区别解析
- 代理模式通过代理对象为原对象提供额外功能。静态代理需手动编写代理类，编译期确定，每个目标类对应一个代理类，代码重复；动态代理在运行时生成代理类，JDK动态代理基于接口，通过Proxy和InvocationHandler实现，CGLIB基于继承，使用ASM生成子类，适用于无接口类。两者核心区别在于代理类生成时机与灵活性，动态代理更利于解耦和扩展。
- 文章 · java教程 | 5个月前 | 417浏览 收藏
-
- Java 中的 WeakHashMap 是一个基于弱引用（WeakReference）实现的哈希表。它的特点是：当 Key 对象被垃圾回收器（GC）回收后，对应的 Entry 会自动从 WeakHashMap 中被清除，无需手动操作。实现原理WeakHashMap 的核心在于它使用了 弱引用 来包装 Key。具体来说：WeakHashMap 内部使用了一个 ReferenceQueue。每个 Ke
- WeakHashMap的Key被GC回收后自动失效，因其Key被WeakReference包装，无强引用时GC可回收Key，Entry变为key==null的失效状态；后续get/put等操作触发expungeStaleEntries()扫描并移除失效Entry。
- 文章 · java教程 | 5个月前 | 300浏览 收藏
-
- 双堆结构实现滑动窗口中位数维护
- 滑动窗口中位数的核心难点是窗口滑动时高效删旧加新；主流解法为双堆（大根堆+小根堆），关键在动态平衡规则与延迟删除的精准实现：左堆存较小一半、右堆存较大一半，按k奇偶控制dif=len(左)-len(右)为1或0，中位数由堆顶直接得出；插入删除联动更新dif，仅当dif=±2时调整堆顶；延迟删除须先清左堆再清右堆，避免逻辑错位；边界需处理Python无大根堆、k=1空右堆、初始化平分等细节。
- 文章 · java教程 | 5个月前 | 329浏览 收藏
-
- WeakHashMap内存优化优势解析
- WeakHashMap用于变量元数据缓存的核心优势是自动解耦生命周期，避免内存泄漏：键对象失去强引用后条目自动失效，值需自主管理，不适用于长期配置场景。
- 文章 · java教程 | 5个月前 | 426浏览 收藏
-
- @FunctionalInterface多方法冲突怎么处理
- @FunctionalInterface注解触发编译期静态检查，确保接口有且仅有一个抽象方法；编译器合并继承链中未被default覆盖的抽象方法，并排除Object方法重写，违规则报错且不生成class文件。
- 文章 · java教程 | 5个月前 | 243浏览 收藏
-
- Java获取当前时间：Date与LocalDateTime使用详解
- 应优先使用LocalDateTime.now()获取本地时间，避免使用线程不安全、API陈旧的Date；跨时区场景用Instant或ZonedDateTime，转换需经ZoneId桥接，格式化须注意DateTimeFormatter模式差异。
- 文章 · java教程 | 5个月前 | 450浏览 收藏
-
- Java序列化机制与对象持久化解析
- 序列化是将内存中对象的状态转换为字节流以持久化或传输，反序列化则还原对象；必须实现Serializable接口标记允许序列化，子类继承时建议显式实现，非transient非static字段须可序列化，serialVersionUID需手动维护确保兼容性。
- 文章 · java教程 | 5个月前 | 349浏览 收藏
-
- Java UUID生成唯一标识及性能优化要点
- UUID.randomUUID()慢是因为依赖SecureRandom访问/dev/random或/dev/urandom，引发I/O和熵池延迟，且高并发下存在锁争用；JDK9+优化分段锁但仍比纯内存计算慢10–100倍。
- 文章 · java教程 | 5个月前 | 165浏览 收藏
-
- 字节数组与字符数组构造字符串的编码差异
- 本文深入剖析Java中直接使用字节数组（byte[]）与手动逐字节转为字符数组（char[]）创建字符串时产生乱码的根本原因，重点揭示UTF-8多字节编码机制、Java字符模型及编码解码本质差异。
- 文章 · java教程 | 5个月前 | 196浏览 收藏
-
- Java异常退出流程详解
- Java中不能靠抛异常实现优雅退出，因为异常机制非流程控制工具，会掩盖错误、破坏调用栈、干扰监控；应使用System.exit(int)明确退出意图，或采用分层返回与外部信号协调。
- 文章 · java教程 | 5个月前 | 352浏览 收藏
-
- SynchronousQueue 实现线程直接握手交付方法
- SynchronousQueue不是队列而是“手递手”通道，因它不存储元素，offer()和poll()总失败，仅put()与take()成对阻塞同步；size()恒为0，适用于严格配对的线程间一次性数据传递。
- 文章 · java教程 | 5个月前 | 145浏览 收藏
-
- Java Mockito mock对象使用教程
- 答案：使用Mockito可创建mock对象并验证行为。首先添加依赖，通过@Mock或Mockito.mock()创建mock对象，用when().thenReturn()设定返回值，verify()验证方法调用次数及方式，结合JUnit注解初始化提升效率。
- 文章 · java教程 | 5个月前 | 280浏览 收藏
-
- Java中使用Optional封装JNI返回指针的技巧
- Optional不能直接封装原始指针，因其仅表达值存在性、无生命周期管理、线程不安全且无法校验有效性；应使用自定义NativeHandle类封装指针并实现AutoCloseable/Cleaner，再用Optional<NativeHandle>安全表达可选原生资源。
- 文章 · java教程 | 5个月前 | 419浏览 收藏
-
- 三元运算符误用引发空指针异常排查指南
- 三元运算符中基本类型字面量与可空包装类型混用会触发JVM强制拆箱导致NPE；应改用if-else、显式包装或Optional避免隐式类型转换。
- 文章 · java教程 | 5个月前 | 198浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
-
- Golang深入理解GPM模型
- Golang深入理解GPM调度器模型及全场景分析，希望您看完这套视频有所收获；包括调度器的由来和分析、GMP模型简介、以及11个场景总结。
- 474次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
- 1012次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
- 1017次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
- 1142次使用
-
- HELM
- 深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
- 1115次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
- 959次使用
