java教程技术文章
-
- volatile内存屏障作用与原理解析
- volatile变量的可见性由JVM插入内存屏障实现：写操作插入StoreStore+StoreLoad屏障，强制刷新至主内存并使其他核心缓存失效；读操作插入LoadLoad+LoadStore屏障，强制从主内存加载最新值，二者共同建立happens-before关系。
- 文章 · java教程 | 4个月前 | 272浏览 收藏
-
- 字节转字符流，文本处理更高效
- 不能直接用FileInputStream读文本文件，因为它输出原始字节而无编码信息，如UTF-8中“你好”为6字节，read()返回字节值而非字符，强制转char会导致乱码；InputStreamReader通过CharsetDecoder按指定编码解码字节，但需显式传入Charset（如StandardCharsets.UTF_8），避免依赖平台默认编码或拼写错误（如“UTF8”应为“UTF-8”）；它不带缓冲且不支持按行读，须配合BufferedReader使用；对BOM（如UTF-8的0xEF0xB
- 文章 · java教程 | 4个月前 | 366浏览 收藏
-
- Java多态原理与类引用解析
- Java中多态依赖运行时类型，不是编译时引用类型Java多态的核心是「编译看左边，运行看右边」——变量声明类型（父类）决定可调用哪些方法，实际执行哪个方法体，取决于new出来的对象真实类型（子类）。这背后靠的是JVM的虚方法调用机制：invokevirtual指令在运行时查对象的实际类的vtable（虚函数表），定位到最终方法实现。如果子类重写了父类的public或protected非static、非final方法，该方法就参与多态分派private方法、static方法、构造器不参与多态，它们
- 文章 · java教程 | 4个月前 | 356浏览 收藏
-
- AtomicLongAdder缓存竞争优化解析
- LongAdder通过Cell数组与@Contended注解实现缓存行隔离，天然缓解FalseSharing；其add()分层降级策略将写操作分散至独立缓存行，sum()弱一致性适合写多读少场景。
- 文章 · java教程 | 4个月前 | 360浏览 收藏
-
- 队列保障任务顺序的实战教程
- 真正实现顺序保证需全链路控制：生产端不并发乱发、Broker端不跨队列打散、消费端不并行乱处理；单队列单消费者、QuorumQueue、Stream及消费端幂等与缓冲机制共同保障严格FIFO。
- 文章 · java教程 | 4个月前 | 308浏览 收藏
-
- 内存溢出怎么处理？堆溢出解决方法
- OutOfMemoryError:Javaheapspace是JVM堆内存耗尽的严重告警，需预防为主、快速止血：立即摘除节点、禁用内存敏感操作；配置-Xms/-Xmx相等、-XX:+HeapDumpOnOutOfMemoryError；用MAT分析hprof定位泄漏；压测中监控GC与对象存活。
- 文章 · java教程 | 4个月前 | 329浏览 收藏
-
- ProjectLoom虚拟线程映射机制解析
- CarrierThread是JVM复用的OS平台线程，用于承载多个虚拟线程执行；虚拟线程仅在运行时临时挂载其上，遇I/O等阻塞即卸载并复用该线程，非一对一绑定。
- 文章 · java教程 | 4个月前 | 430浏览 收藏
-
- JavaList去重方法全解析
- 答案：Java中List去重常用方法包括LinkedHashSet保持顺序、StreamAPI便捷去重、自定义对象需重写equals和hashCode、HashSet高效无序去重，应根据顺序需求和性能选择合适方式。
- 文章 · java教程 | 4个月前 | 103浏览 收藏
-
- Java评论区树形结构实现教程
- LEFTJOIN更安全是因为它能保留所有一级评论（parent_idISNULL的根节点），而INNERJOIN会过滤掉无子评论的根节点，导致前端漏渲染；实际需用别名r1/r2避免字段歧义，且无限层级需结合Java递归与深度限制。
- 文章 · java教程 | 4个月前 | 118浏览 收藏
-
- 链式调用防空指针技巧解析
- Optional不能彻底消除空指针，它仅封装判空逻辑且仅对Optional类型生效；误用of(null)会立即抛NPE，应优先使用ofNullable()并让方法签名主动返回Optional。
- 文章 · java教程 | 4个月前 | 358浏览 收藏
-
- Future超时重试与线程池自愈实现
- Future.get超时后任务仍在运行，必须手动调用cancel(true)中断；重试前需确保上轮任务终止，区分TimeoutException、ExecutionException和InterruptedException处理逻辑，并合理配置线程池。
- 文章 · java教程 | 4个月前 | 480浏览 收藏
-
- Java合并两个List的实用方法详解
- 最常用方法是调用目标列表的addAll()，将源列表元素追加到可变目标列表末尾，不改变源列表；需注意目标列表必须可变，否则抛UnsupportedOperationException。
- 文章 · java教程 | 4个月前 | 111浏览 收藏
-
- Java异常处理核心优势详解
- 不该用return-1或null表示失败，因错误码混淆控制流、易被忽略且缺乏上下文；应按场景选受检异常或RuntimeException，并设计含上下文、异常链的自定义异常。
- 文章 · java教程 | 4个月前 | 165浏览 收藏
-
- Java虚拟机编译优化配置详解
- 什么时候该调大-XX:CompileThreshold默认值10000意味着方法被解释执行满一万次才触发C1编译，对高并发短生命周期服务（比如SpringBootWebAPI）来说太保守——热点方法还没来得及编译，请求潮就过去了，C2更是遥遥无期。实操建议：-测试环境可先试-XX:CompileThreshold=1500，观察PrintCompilation日志里方法编译延迟是否明显缩短-生产环境慎用低于3000的值，否则C1编译线程争抢CPU，反而拖慢吞吐
- 文章 · java教程 | 4个月前 | 454浏览 收藏
-
- Java中Thread.interrupted()用法详解
- Thread.interrupted()是静态方法，检查并立即清空中断标志；isInterrupted()是实例方法，只读不改。循环中应每次调用interrupted()检查并清空，避免重复判断；阻塞方法抛InterruptedException时已自动清空中断状态，需在catch块中手动重置。
- 文章 · java教程 | 4个月前 | 470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。
- 297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。
- 352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。
- 353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。
- 318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。
- 137次使用
