java教程技术文章
-
- Java集合排序方法全解析
- Java集合排序依赖Comparable（自然排序）和Comparator（定制排序）接口，配合Collections或StreamAPI实现；需注意null处理、不可变集合限制及线程安全。
- 文章 · java教程 | 5个月前 | 498浏览 收藏
-
- IDE热加载配置教程：代码改动无需重启
- Java热加载依赖JVM的HotSwap能力及IDE调用JDWP和Instrumentation.redefineClasses实现，但仅支持方法体修改；字段、方法签名或类结构变更需重启或借助SpringBootDevTools。
- 文章 · java教程 | 5个月前 | 120浏览 收藏
-
- Spring事件模型实现业务解耦详解
- Spring事件默认同步执行，@EventListener不加@Async仍运行在主线程和同一事务中，导致阻塞、事务回滚、异常传播；真解耦需显式配置带线程池的ApplicationEventMulticaster并确保@Async方法满足Bean代理、非private/static、非this调用等条件。
- 文章 · java教程 | 5个月前 | 116浏览 收藏
-
- Java面向对象核心思想解析
- Java面向对象本质是建模现实世界的思维方式：类为模板定义属性与行为，对象为实例封装独立状态与共享逻辑；封装通过private+getter/setter控制访问并校验数据；继承支持单继承复用与分层；多态依托父类引用指向子类对象实现运行时动态绑定。
- 文章 · java教程 | 5个月前 | 134浏览 收藏
-
- public/private/protected区别详解
- public、private、protected在类成员上的可见性差异Java的访问修饰符本质是编译期的“门禁规则”，不是运行时检查——它只决定谁能在源码里合法写obj.field或obj.method()，不阻止反射绕过。关键区别不在“能不能用”，而在“从哪能用”：public：任何地方都能访问，只要类型可见（比如publicclassA被import了）private：仅限本类内部，连子类都不行；注意：同一个类的不同实例之间可以互访private字段（比如othe
- 文章 · java教程 | 5个月前 | 243浏览 收藏
-
- Iterator与for循环遍历效率对比分析
- Iterator遍历不一定比for循环慢，性能取决于集合类型和JVM优化：ArrayList上for快10%~20%，LinkedList上Iterator更优；HashMap遍历时entrySet()比keySet()+get()快2.3倍；Stream.forEach()纯遍历更慢，仅适合链式操作或并行。
- 文章 · java教程 | 5个月前 | 423浏览 收藏
-
- ConcurrentHashMapTransferIndex作用与扩容解析
- TransferIndex是volatileint变量，用于记录待迁移桶的起始索引，线程通过CAS原子递减它来领取互斥的迁移区间（如[nextBound,nextIndex)），避免重复或遗漏迁移，与sizeCtl协同实现无锁、可扩展、可中断的并发扩容。
- 文章 · java教程 | 5个月前 | 319浏览 收藏
-
- Java中使用Character.digit()转换码点
- Character.digit()将数字字符按指定进制解析为整数，参数为码点和进制（2–36），非有效数字或超范围时返回-1；需校验结果，不适用于整串转换。
- 文章 · java教程 | 5个月前 | 341浏览 收藏
-
- volatile为何需要刷新缓存到主内存？深度解析硬件缓存一致性
- volatile写操作通过MESI协议将本核缓存行置为Modified状态并广播Invalid消息，使其他核缓存失效；读操作因缓存缺失被迫从主内存或修改核重新加载最新值，从而保证可见性。
- 文章 · java教程 | 5个月前 | 209浏览 收藏
-
- Java字符串+运算符底层机制解析
- Java字符串+运算符由编译器优化：编译期常量折叠为单个字符串，运行时自动生成StringBuilder.append()链式调用并转toString；循环中滥用会导致O(n²)性能问题。
- 文章 · java教程 | 5个月前 | 434浏览 收藏
-
- CyclicBarrier重置方法与任务优化技巧
- CyclicBarrier的reset()会强制中断所有等待线程并抛出BrokenBarrierException，无法安全用于阶段性失败后的重置；应改用新建屏障、volatile阶段标识或升级为Phaser实现可靠分阶段同步。
- 文章 · java教程 | 5个月前 | 203浏览 收藏
-
- CheckedException强制处理风险的方式主要通过编译器检查来实现。在Java等编程语言中，CheckedException（检查型异常）是那些在编译时会被编译器检查的异常类型。它们必须在代码中显式地处理，否则程序无法通过编译。以下是CheckedException如何强制处理风险的几种方式：1.使用try-catch块捕获异常这是最常见的方式。你可以在try块中编写可能抛出Checked
- CheckedException仅强制编译期检查，实际风控效果弱；真正有效的风险控制在于异常可恢复性判断、上下文决策能力及拦截点前移（如Optional、Builder校验、熔断重试等）。
- 文章 · java教程 | 5个月前 | 422浏览 收藏
-
- JavaFileTime时间戳操作技巧
- Java中FileTime类以纳秒精度统一处理文件时间戳，基于纪元时间且平台无关；通过from(Instant)等静态方法创建，用Files读写属性，跨平台建议优先比较和使用lastModifiedTime。
- 文章 · java教程 | 5个月前 | 183浏览 收藏
-
- 系统日志重定向设置与规范详解
- 必须在main方法第一行调用System.setOut()，早于SpringApplication.run()，否则Banner、Actuator等组件及静态块中的System.out::println已固化输出流，重定向失效。
- 文章 · java教程 | 5个月前 | 476浏览 收藏
-
- HashMap扰动函数如何减少哈希冲突？
- 扰动函数不解决哈希冲突，仅通过h^(h>>>16)将高位信息混入低位，缓解因桶索引仅用低k位导致的聚集性冲突；它非银弹，需配合合理容量、高质量hashCode等措施。
- 文章 · java教程 | 5个月前 | 388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。
- 338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。
- 395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。
- 389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。
- 354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。
- 178次使用
