One Trick Per Day

简介: 初始化Map应避免直接指定大小,建议用Guava或手动计算容量;禁用Executors创建线程池,防止OOM,推荐自定义ThreadPoolExecutor;Arrays.asList返回不可变集合,禁止修改操作;遍历Map使用entrySet或forEach提升性能;SimpleDateFormat非线程安全,建议用ThreadLocal或Java8新时间类;并发更新记录需加锁,优先使用乐观锁。

1.初始化Map大小并非用多少指定多少
初始化Map并非用多少初始化Size是多少,建议使用Guava,避免扩容引起的动荡()
说明
如:Map map = new HashMap<>(1); 在具体使用时,并非size=1,而是最近的2的幂等,如1实际是2,3实际是4,9实际是16
使用方法
依赖gvaua:Map map = Maps.newHashMapWithExpectedSize(7);
手动声明:Map map = new HashMap<>(实际存储个数 / 0.75 + 1);
2.线程池初始化严禁使用Executors
使用线程池时候,我们可能会使用下面四个场景,这在alibaba代码规范中都是明令禁止的
我们先来一个简单的例子,模拟一下使用 Executors 导致 OOM 的情况。
通过指定 JVM 参数:-Xmx8m -Xms8m 运行以上代码,会抛出 OOM:
以上代码指出,ExecutorsDemo.java 的第 16 行,就是代码中的 executor.execute(new SubThread());。
通过上面的例子,我们知道了 Executors 创建的线程池存在 OOM 的风险,那么到底是什么原因导致的呢?我们需要深入 Executors 的源码来分析一下。其实,在上面的报错信息中,我们是可以看出蛛丝马迹的,在以上的代码中其实已经说了,真正的导致 OOM 的其实是 LinkedBlockingQueue.offer 方法。
如果读者翻看代码的话,也可以发现,其实底层确实是通过 LinkedBlockingQueue 实现的:
如果读者对 Java 中的阻塞队列有所了解的话,看到这里或许就能够明白原因了。Java 中 的 BlockingQueue 主 要 有 两 种 实 现, 分 别 是 ArrayBlockingQueue 和 LinkedBlockingQueue。ArrayBlockingQueue 是一个用数组实现的有界阻塞队列,必须设置容量。LinkedBlockingQueue 是一个用链表实现的有界阻塞队列,容量可以选择进行设置,不设置的话,将是一个无边界的阻塞队列,最大长度为 Integer.MAX_VALUE。这里的问题就出在:不设置的话,将是一个无边界的阻塞队列,最大长度为Integer.MAX_VALUE。也就是说,如果我们不设置 LinkedBlockingQueue 的容量的话,其默认容量将会是 Integer.MAX_VALUE。 而 newFixedThreadPool 中创建 LinkedBlockingQueue 时,并未指定容量。此时,LinkedBlockingQueue 就是一个无边界队列,对于一个无边界队列来说,是可以不断的向队列中加入任务的,这种情况下就有可能因为任务过多而导致内存溢出问题。上面提到的问题主要体现在 newFixedThreadPool 和 newSingleThreadExecutor 两个工厂方法上,并不是说newCachedThreadPool 和 newScheduledThreadPool 这两个方法就安全了,这两种方式创建的最大线程数可能是Integer.MAX_VALUE,而创建这么多线程,必然就有可能导致 OOM
正确使用:
这种情况下,一旦提交的线程数超过当前可用线程数时,就会抛出java.util.concurrent.RejectedExecutionException,这是因为当前线程池使用的队列是有边界队列,队列已经满了便无法继续处理新的请求。但是异常(Exception)总比发生错误(Error)要好。
但是部分alibaba作者更推荐使用guava创建对应的线程池,示例如下:
通过上述方式创建线程时,不仅可以避免 OOM 的问题,还可以自定义线程名称,更加方便的出错的时候溯源。
3.Arrays.asList之后不要调用修改操作
因为asList返回的实际是一个Arrays内部类,并没有实现集合的修改方法(add/remove/clear)// 当操作修改方法时,会报UnsupportedOperationException。
第一种情况:list.add("yangguanbao"); 运行时异常。
第二种情况:str[0] = "gujin"; 那么 list.get(0)也会随之修改。[涉及栈堆指针操作,修改数组的数据,导致同样引用该数据的list值被改变]
4.使用 entrySet 遍历 Map 类集合 KV
说明:keySet 其实是遍历了 2 次,一次是转为 Iterator 对象,另一次是从 hashMap 中取出key 所对应的 value。而 entrySet 只是遍历了一次就把 key 和 value 都放到了 entry 中,效率更高。
如果是 JDK8,使用 Map.foreach 方法。
正例:values()返回的是 V 值集合,是一个 list 集合对象;keySet()返回的是 K 值集合,是一个 Set 集合对象;entrySet()返回的是 K-V 值组合集合。
5.SimpleDateFormat不要定义为static
SimpleDateFormat 是线程不安全的类,一般不要定义为 static 变量,如果定义为static,必须加锁,或者使用 DateUtils 工具类。
正例:注意线程安全,使用 DateUtils。亦推荐如下处理:
Java
运行代码
复制代码
1
2
3
4
5
6
private static final ThreadLocal df = new ThreadLocal() {
@Override
protected DateFormat initialValue() {
return new SimpleDateFormat("yyyy-MM-dd");
}
};
说明:如果是 JDK8 的应用,可以使用 Instant 代替 Date,LocalDateTime 代替 Calendar,DateTimeFormatter 代替 SimpleDateFormat,官方给出的解释:simple beautiful strong immutable thread-safe。
6.并发修改同一记录时需要加锁
要么在应用层加锁,要么在缓存加锁,要么在数据库层使用乐观锁,使用 version 作为更新依据。
说明:如果每次访问冲突概率小于 20%,推荐使用乐观锁,否则使用悲观锁。乐观锁的重试次数不得小于 3 次

相关文章
|
11月前
|
传感器 网络协议 算法
《多账号同源识别核心技术拆解:从行为指纹到身份锚定的实操逻辑》
本文聚焦同一用户多账号同源识别的核心技术路径,跳出传统单一标识校验思维,深度拆解行为、设备、网络、数据等多维度识别手段的实操逻辑。从行为基因图谱构建、硬件隐性特征聚合,到网络轨迹指纹链打造、交互惯性图谱搭建,再到跨账号数据锚点联动,系统梳理各层级核心技术的落地思路,重点提炼隐性特征萃取、多维度协同校准等关键方法,规避标识篡改、IP切换、行为伪装等识别痛点。通过构建多维度特征融合校准体系,平衡识别精度与隐私合规,形成“全链路特征协同-置信度分级决策-误判动态修正”的闭环逻辑,为复杂场景下多账号精准识别提供兼具深度与实操性的技术参考,助力搭建抗干扰、高精准的同源账号识别体系。
875 11
|
11月前
|
人工智能 自然语言处理 达摩院
2025年12月,中国数字人平台介绍与全栈技术驱动及技术指南
2025年,数字人迈向“能力拟人”新阶段,从形象展示进化为具备感知与决策的智能体。选型需超越外观,聚焦交互效率、安全合规、行业适配与持续运营,打造真正可落地的数字化生产力。
|
9月前
|
人工智能 安全 BI
以1挡100:一人公司终极效率工具,OpenClaw/Clawdbot 实用Skills 阿里云部署及优化实战指南
2026年,AI智能体的核心价值已从“能说会道”转向“落地执行”。OpenClaw(原名Clawdbot/Moltbot)作为开源AI助手的标杆,凭借“技能扩展+流程自动化”的核心优势,成为一人公司的效率革命利器——它不仅能替代重复劳动,更能通过技能组合搭建完整业务闭环,让单人效率媲美数十人团队。
1621 3
|
9月前
|
存储 机器学习/深度学习 人工智能
大模型应用:不减性能只减负担:大模型稀疏化技术全景与实践.36
大模型稀疏化是通过参数剪枝(静态精简)与激活调度(动态休眠),使70%以上参数为零或不参与计算,在精度基本无损前提下,显著降低存储、算力与能耗。它是大模型轻量化落地的核心技术。
565 25
|
11月前
|
人工智能 自然语言处理 API
全面认识MCP:大模型连接真实世界的“USB-C接口”
MCP(模型上下文协议)是AI时代的“万能接口”,由Anthropic提出,旨在统一大模型与工具、数据源的连接标准。它简化集成、提升任务处理能力,推动AI智能体从对话走向行动,重塑AI应用生态。
|
12月前
|
人工智能 前端开发 算法
大厂CIO独家分享:AI如何重塑开发者未来十年
在 AI 时代,若你还在紧盯代码量、执着于全栈工程师的招聘,或者仅凭技术贡献率来评判价值,执着于业务提效的比例而忽略产研价值,你很可能已经被所谓的“常识”困住了脚步。
6148 92
大厂CIO独家分享:AI如何重塑开发者未来十年
|
11月前
|
存储 自然语言处理 测试技术
一行代码,让 Elasticsearch 集群瞬间雪崩——5000W 数据压测下的性能避坑全攻略
本文深入剖析 Elasticsearch 中模糊查询的三大陷阱及性能优化方案。通过5000 万级数据量下做了高压测试,用真实数据复刻事故现场,助力开发者规避“查询雪崩”,为您的业务保驾护航。
2861 89
|
9月前
|
人工智能 API 机器人
OpenClaw 用户部署和使用指南汇总
本文档为OpenClaw(原MoltBot)官方使用指南,涵盖一键部署(阿里云轻量服务器年仅68元)、钉钉/飞书/企微等多平台AI员工搭建、典型场景实践及高频问题FAQ。同步更新产品化修复进展,助力用户高效落地7×24小时主动执行AI助手。
31101 253
|
12月前
|
前端开发 JavaScript API
什么是 Headless UI?
什么是 Headless UI?
989 115
|
11月前
|
人工智能 JSON 数据挖掘
大模型应用开发中MCP与Function Call的关系与区别
MCP与Function Call是大模型应用中的关键技术。前者是跨模型的通用协议,实现多工具标准化连接;后者是模型调用外部功能的机制。MCP如“桥梁”,支持多系统协同;Function Call似“工具手”,执行具体任务。二者互补,推动AI应用向更高效、开放的方向发展。