热门标签 | HotTags
当前位置:  开发笔记 > 人工智能 > 正文

Java编程代码性能优化

本文介绍了Java代码优化的过程,总结了优化Java程序的一些最佳实践,分析了进行优化的方法,并解释了性能提升的原因,需要的朋友可以参考下

一、咱们之所以这么干的目的:  

  1.效率(最重要)

  2.可读性,便于后期维护。(同样很重要)

二、代码优化的要求:

  1.减小代码的体积。

  2.提高代码的运行效率。

三、常用的代码的优化:

  1、尽量重用对象 :

    特别是String对象的重用。最常用的就是字符串的拼接:

        当遇到频繁擦拼接String时。记住一定用StringBuilder/StringBuffer

    例如:

  ArrayList list;
  //省去list初始化。
  StringBuilder builder = new StringBuilder(); 
  for (String s : list) {
    builder.append(s);
  }
  String result = builder.toString();

    原因:Java虚拟机不仅要花时间生成对象,而且还要花时间处理和回收对象,生成过多对象必定会给程序性能带来影响。

  2. 尽可能使用局部变量 :

    局部变量在栈中创建,创建速度快,用完即自动消失,不需要额外的垃圾回收。

    而静态变量、实例变量等在堆中创建,创建速度慢,同时还依赖Java垃圾回收机制处理。

  3. 及时关闭流 :

    Java程序开发中,在对I/O,数据库操作结束后,一定要记住关闭流。

    原因:未关闭流会对系统造成很大的开销,甚至会对数据造成严重的后果。

  4. 使用懒加载

    懒加载 : 当要用的时候才创建该对象。

    例如:

  String prefix = "gebi";
  if ("laowang".equals(name)) {
    list.add(prefix + name);
  }

           替换为:

  if("laowang".equals(name)) {
    String prefix = "gebi";
    list.add(prefix + name);
  }

  5.避免在循环中使用try...catch,在循环外层使用try...catch

  6.try...catch不宜太大。

    不要将无用代码,即不会抛出异常的代码统统放入try...catch块中,减小try...catch代码块的大小。

    保证代码的可读性,易维护性,健壮性。

  7.循环内尽量避免创建对象的引用。

    尤其是循环量大的时候。

  while (i<1000) {
    Object object = new Object();
  }

            建议修改为:

  Object object = null;
  while (i<1000) {
    object = new Object();

    每次new Object()的时候,Object对象引用指向Object对象。

    当循环次数多的时候,如第一种,JVM会创建1000个对象的引用,而第二种内存中只有一份Object对象引用。这样就大大节省了内存空间了。

  8.不要随意使用static变量。

    当对象被声明为static的变量所引用时,此时,Java垃圾回收器不会清理这个对象所占用的堆内存。

    静态变量所占用的堆内存直到该变量所在类所在程序结束才被释放。 即静态变量生命周期=类生命周期。

  9.不要创建一些不使用的对象,不要导入一些不使用的类。

  10.使用带缓冲的I/O流:

    带缓冲的I/O流可以极大提高I/O效率。BufferedWriter, BufferedReader, BufferedInputStream, BufferedOutputStream。

  11.包装类数据转换为字符串使用: toString  

    Integer i = 1;

     包装类数据转换为字符串方法速度排名 :

       i.toString > String.valueOf(i) > "" + i 

  12.Map遍历效率 : entrySet > keySet

  //entrySet()
  for (Entry entry : map.entrySet()) {
    String key = entry.getKey();
    String value = entry.getValue();
    System.out.println(key + " : " + value);
  }
  
  //上下对比
  
  //keySet()
  for (String key : map.keySet()) {
  String value = map.get(key);
  System.out.println(key + " : " + value);
  } 

  13.关于Iterator与forEach()的集合遍历舍取。

    算法导论上说:算法是为了提高空间效率和时间效率。但往往时间和空间不能并存。

    时间效率:Iterator > forEach()

    代码可读性 : forEach() > Iterator

  //Iterator
  Set> entrySet = map.entrySet();
  Iterator> iter = entrySet.iterator();
   
  while (iter.hasNext()) {
    Entry entry = iter.next();
    String key = entry.getKey();
    String value = entry.getValue();
    System.out.println(key + " : " + value);
   } 

    对比:

  //forEach()
  for (Entry entry : map.entrySet()) {
    String key = entry.getKey();
    String value = entry.getValue();
    System.out.println(key + " : " + value);
  }

            个人认为:当处理大数据时推荐使用Iterator遍历集合。

         但处理小数据的话,为了可读性和后期维护还是使用forEach()。

         两者结合使用,都应该掌握。


推荐阅读
  • 本文将介绍如何使用 Go 语言编写和运行一个简单的“Hello, World!”程序。内容涵盖开发环境配置、代码结构解析及执行步骤。 ... [详细]
  • 线性Kalman滤波器在多自由度车辆悬架主动控制中的应用研究
    本文探讨了线性Kalman滤波器(LKF)在不同自由度(2、4、7)的车辆悬架系统中进行主动控制的应用。通过详细的仿真分析,展示了LKF在提升悬架性能方面的潜力,并总结了调参过程中的关键要点。 ... [详细]
  • 深入理解C++中的KMP算法:高效字符串匹配的利器
    本文详细介绍C++中实现KMP算法的方法,探讨其在字符串匹配问题上的优势。通过对比暴力匹配(BF)算法,展示KMP算法如何利用前缀表优化匹配过程,显著提升效率。 ... [详细]
  • 探讨一个显示数字的故障计算器,它支持两种操作:将当前数字乘以2或减去1。本文将详细介绍如何用最少的操作次数将初始值X转换为目标值Y。 ... [详细]
  • 本文详细介绍了Java编程语言中的核心概念和常见面试问题,包括集合类、数据结构、线程处理、Java虚拟机(JVM)、HTTP协议以及Git操作等方面的内容。通过深入分析每个主题,帮助读者更好地理解Java的关键特性和最佳实践。 ... [详细]
  • 本文探讨如何设计一个安全的加密和验证算法,确保生成的密码具有高随机性和低重复率,并提供相应的验证机制。 ... [详细]
  • 深入解析:手把手教你构建决策树算法
    本文详细介绍了机器学习中广泛应用的决策树算法,通过天气数据集的实例演示了ID3和CART算法的手动推导过程。文章长度约2000字,建议阅读时间5分钟。 ... [详细]
  • 在金融和会计领域,准确无误地填写票据和结算凭证至关重要。这些文件不仅是支付结算和现金收付的重要依据,还直接关系到交易的安全性和准确性。本文介绍了一种使用C语言实现小写金额转换为大写金额的方法,确保数据的标准化和规范化。 ... [详细]
  • 在给定的数组中,除了一个数字外,其他所有数字都是相同的。任务是找到这个唯一的不同数字。例如,findUniq([1, 1, 1, 2, 1, 1]) 返回 2,findUniq([0, 0, 0.55, 0, 0]) 返回 0.55。 ... [详细]
  • 本文探讨了卷积神经网络(CNN)中感受野的概念及其与锚框(anchor box)的关系。感受野定义了特征图上每个像素点对应的输入图像区域大小,而锚框则是在每个像素中心生成的多个不同尺寸和宽高比的边界框。两者在目标检测任务中起到关键作用。 ... [详细]
  • 网络攻防实战:从HTTP到HTTPS的演变
    本文通过一系列日记记录了从发现漏洞到逐步加强安全措施的过程,探讨了如何应对网络攻击并最终实现全面的安全防护。 ... [详细]
  • 本文深入探讨了Linux系统中网卡绑定(bonding)的七种工作模式。网卡绑定技术通过将多个物理网卡组合成一个逻辑网卡,实现网络冗余、带宽聚合和负载均衡,在生产环境中广泛应用。文章详细介绍了每种模式的特点、适用场景及配置方法。 ... [详细]
  • 本文探讨了如何在给定整数N的情况下,找到两个不同的整数a和b,使得它们的和最大,并且满足特定的数学条件。 ... [详细]
  • 深度学习理论解析与理解
    梯度方向指示函数值增加的方向,由各轴方向的偏导数综合而成,其模长表示函数值变化的速率。本文详细探讨了导数、偏导数、梯度等概念,并结合Softmax函数、卷积神经网络(CNN)中的卷积计算、权值共享及池化操作进行了深入分析。 ... [详细]
  • 机器学习中的相似度度量与模型优化
    本文探讨了机器学习中常见的相似度度量方法,包括余弦相似度、欧氏距离和马氏距离,并详细介绍了如何通过选择合适的模型复杂度和正则化来提高模型的泛化能力。此外,文章还涵盖了模型评估的各种方法和指标,以及不同分类器的工作原理和应用场景。 ... [详细]
author-avatar
YYYan1023
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有