我的java夜未眠

简介:
前几天的某一天晚上突然想到java的一个问题,于是想来想去觉得越想越不对劲,越想越睡不着,第二天醒来的时候,一愣,我昨晚睡了吗?
 
前段时间闲来无事,用自学的一点微薄的知识作了一个图片大小转换器,在自己和同学电脑上运行一切正常,就以谁用版权归谁的方式发布了,后来有人说运行不起 来。突然想起java虚拟机的问题,一直以为java虚拟机也就几十k大小,可是一研究用java做的桌面程序要运行必须有jre(java 运行时环境)大哥,大姐,大叔,大嫂........阿~~~,有人会为了一个几十k的程序去安装40多m的jdk吗?而且现在用java web start的人也不多.这不是宣判java桌面应用的死刑吗?越想越睡不着。睡不着?继续想,继续睡不着。
 
把jre精简了怎么样?sun开发的一款播放器不就带了一个精简的jre吗?不成人家可都是专家,我等平民百姓又岂能通晓JVM的奥妙?除非有高人指点否则又如何精简?放弃.
 
要不在java开发的软件上标明" 想用此软件,请装JDK"结果一个10M的软件,人家好不容易下了一个40多M的JDK,一安装又多了100多m,这和"想要过此路,留下买路钱"有什么区别?suck idea,abanden!
 
放弃j2SE,专攻J2EE?哎!这么好的语言不开发一些好用的软件实在太浪费了,再说Swing的东西那么有个性,又PP,还可以扩展,而且跨平台,不能放弃,坚决不同意,J2SE VS J2EE?no 要J2SE & J2EE,或者干脆来个J2EE&J2EE&J2ME通吃。
 
算了作企业应用吧,人家花了多多的money要你做一个应用,装一个jdk算得了什么?就算让他装他十个八个的,估计也么什么意见,ok就这么定了。再说 了现在哪个软件没有盗版破解版本的?所谓道高一尺,魔高一丈。我干脆退出战场,不跟你们一般见识,我做一个大家用不着,但是又有人必须得用的软件,哈哈, 盗版吧,盗了也没利润。这主意不错。
 
我做J2EE,这东西java实在做得太漂亮了。好东西,要坚持。
 
后来估计越想越光明,也就不知不觉睡着了。第二天又从郁闷的深渊里跳了出来。
 
在把java学通之前不敢碰C#或者其他什么东西了,暑假自学的flex估计也忘得差不多了。不知什么时候再来个flex夜未眠......来夜方长,不急,不急。



本文转自 xhinkerx 51CTO博客,原文链接:http://blog.51cto.com/xhinker/134133,如需转载请自行联系原作者
目录
相关文章
|
1天前
|
云安全 人工智能 算法
以“AI对抗AI”,阿里云验证码进入2.0时代
三层立体防护,用大模型打赢人机攻防战
1277 1
|
8天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
669 4
|
1天前
|
机器学习/深度学习 安全 API
MAI-UI 开源:通用 GUI 智能体基座登顶 SOTA!
MAI-UI是通义实验室推出的全尺寸GUI智能体基座模型,原生集成用户交互、MCP工具调用与端云协同能力。支持跨App操作、模糊语义理解与主动提问澄清,通过大规模在线强化学习实现复杂任务自动化,在出行、办公等高频场景中表现卓越,已登顶ScreenSpot-Pro、MobileWorld等多项SOTA评测。
430 2
|
2天前
|
人工智能 Rust 运维
这个神器让你白嫖ClaudeOpus 4.5,Gemini 3!还能接Claude Code等任意平台
加我进AI讨论学习群,公众号右下角“联系方式”文末有老金的 开源知识库地址·全免费
|
1天前
|
存储 弹性计算 安全
阿里云服务器4核8G收费标准和活动价格参考:u2a实例898.20元起,计算型c9a3459.05元起
现在租用阿里云服务器4核8G价格是多少?具体价格及配置详情如下:云服务器ECS通用算力型u2a实例,配备4核8G配置、1M带宽及40G ESSD云盘(作为系统盘),其活动价格为898.20元/1年起;此外,ECS计算型c9a实例4核8G配置搭配20G ESSD云盘,活动价格为3459.05元/1年起。在阿里云的当前活动中,4核8G云服务器提供了多种实例规格供用户选择,不同实例规格及带宽的组合将带来不同的优惠价格。本文为大家解析阿里云服务器4核8G配置的实例规格收费标准与最新活动价格情况,以供参考。
219 150
|
9天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
350 164