为什么你写的代码有时候和预期不一致

简介: 为什么你写的代码有时候和预期不一致

为什么你写的代码有时候和预期不一致

一.友情链接

目录
视频讲解
文字版

二.前端编译

2.1javac编译器

即一般所说的编译,从javac代码的总体结构来看,编译过程大致可以分为1个准备过程和3个处理过程,它们分为
1)准备过程:初始化插入式注解处理器
2)解析与填充符号表过程,构造抽象语法树
3)插入式注解处理器的注解处理过程
4)分析与字节码生成过程:语法检查->控制流分析->解析语法糖->字节码生成

语法糖主要有以下几种:泛型、自动拆装箱遍历循环、条件编译
类型擦除(编译前)

public static void main(String[] args) {
    Map<String,String> map = new HashMap<String,String>(16);
    map.put("name","csx-mg");
    String name = map.get("name");
    System.out.println(name);
}

类型擦除(编译后)

public static void main(String[] args) {
    //类型擦除
    Map map = new HashMap();
    map.put("name", "csx-mg");
    //强制转换
    String name = (String)map.get("name");
    System.out.println(name);
}

例如如下代码不可编译


public static void method(List<String> list){
    }

    public static void method(List<Integer> list){

    }

自动拆装箱

Integer a= 200;
Integer b = 200;
System.out.println(a==b);

输出为false

三.后端编译

3.1即时编译器

首先主流的java虚拟机同时包含解释器与编译器,这样可以保证同时使用两者的优点。
热点代码会被编译成本地代码,主要针对方法和被多次执行的循环体,这里还会触发一个有意思的现象栈上替换
主要有两种热点代码采集方式:基于采样的热点探测、基于计数的热点探测。Hotspot采用了第二种,使用了方法调用计数器(默认10000次)和回边计数器(默认10700)

3.2提前编译器

目的是改善java的启动时间,演变为现在所熟知的JIT
目前也在积极开发更多更优秀的提前编译器,用于匹配新出的一些垃圾回收器

3.3编译优化

1.最重要的优化:方法内联:把目标方法的代码原封不动地“复 制”到发起调用的方法之中,避免发生真实的方法调用。
2.最前沿的优化:逃逸分析:栈上分配(对象往栈上分配)、标量替换(大对象拆成基础数据类型)、同步消除(消除无用的线程同步)
3.最经典的优化:公共子表达式消除(例如 a=1和b=1先后执行顺序并没有区别,可以先执行初始化a,然后所有用到b的地方都替换为a)
4.最显著的优化:无用代码消除
5.java经典优化:数组边界消除检查
1)数组下标是一个常量,如foo[3],只要在编译期根据数据流分析来确定foo.length的值,并判断下标“3”没有越界,执行的时候就无须判断了。
2)数组访问发生在循环之中,并且使用循环变量来进行数组的访问。如果编译器只要通过数据流分析就可以判定循环变量的取值范围永远在区间[0,foo.length)之内,那么在循环中就可以把整个数组的上下界检查消除掉。

if(foo!=null){
    return foo.value;
}else{
    throw new NullPointException
}

3)如果foo几乎不会发生NPE,那么上述方法无疑是浪费了一次判断性能,就会被直接优化成trycatch
其它优化策略:编译器策略、基于性能监控的优化技术、基于证据的优化技术、数据流敏感重写、语言相关的优化技术、内存及代码位置变换、循环变换、全局代码调整、控制流图变换等

相关文章
|
4天前
|
存储 人工智能 安全
AI 越智能,数据越危险?
阿里云提供AI全栈安全能力,为客户构建全链路数据保护体系,让企业敢用、能用、放心用
|
7天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
6天前
|
数据采集 人工智能 自然语言处理
3分钟采集134篇AI文章!深度解析如何通过云无影AgentBay实现25倍并发 + LlamaIndex智能推荐
结合阿里云无影 AgentBay 云端并发采集与 LlamaIndex 智能分析,3分钟高效抓取134篇 AI Agent 文章,实现 AI 推荐、智能问答与知识沉淀,打造从数据获取到价值提炼的完整闭环。
412 93
|
7天前
|
SQL 人工智能 自然语言处理
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
随着生成式AI的普及,Geo优化(Generative Engine Optimization)已成为企业获客的新战场。然而,缺乏标准化流程(Geo优化sop)导致优化效果参差不齐。本文将深入探讨Geo专家于磊老师提出的“人性化Geo”优化体系,并展示Geo优化sop标准化如何帮助企业实现获客效率提升46%的惊人效果,为企业在AI时代构建稳定的流量护城河。
403 156
Geo优化SOP标准化:于磊老师的“人性化Geo”体系如何助力企业获客提效46%
|
6天前
|
数据采集 缓存 数据可视化
Android 无侵入式数据采集:从手动埋点到字节码插桩的演进之路
本文深入探讨Android无侵入式埋点技术,通过AOP与字节码插桩(如ASM)实现数据采集自动化,彻底解耦业务代码与埋点逻辑。涵盖页面浏览、点击事件自动追踪及注解驱动的半自动化方案,提升数据质量与研发效率,助力团队迈向高效、稳定的智能化埋点体系。(238字)
296 158
|
14天前
|
机器人 API 调度
基于 DMS Dify+Notebook+Airflow 实现 Agent 的一站式开发
本文提出“DMS Dify + Notebook + Airflow”三位一体架构,解决 Dify 在代码执行与定时调度上的局限。通过 Notebook 扩展 Python 环境,Airflow实现任务调度,构建可扩展、可运维的企业级智能 Agent 系统,提升大模型应用的工程化能力。