`
txazo
  • 浏览: 80597 次
  • 性别: Icon_minigender_1
  • 来自: 武汉
社区版块
存档分类
最新评论

Java开发性能优化

    博客分类:
  • J2SE
阅读更多
1. 不用new关键字创建类的实例
用new关键字创建类的实例时,构造函数会被自动调用。
实现Cloneable接口,就可以调用clone()方法来创建对象,clone()方法不会调用构造函数,可以结合工厂模式一起使用。
public class FruitFactory {

	private static Fruit fruit = new Fruit();

	public static Fruit getFruit() {
		return fruit.clone();
	}

}

2. 慎用异常
避免创建异常,可以抛出异常。

3. 尽量在合适的场合使用单例

4. 尽量避免随意使用静态变量
GC通常是不会回收静态变量所占的内存。

5. 尽量避免频繁的创建对象
应该最大限度的重用对象。

6. 尽量使用final修饰符
带有final修饰符的类是不可派生的,可以显著提高性能。

7. 尽量使用局部变量
局部变量存放在Stack中,速度较快。
静态变量和实例变量存放在Heap中,速度较慢。

8. 尽量处理好包装类型和基本类型两者的使用场所
基本类型数据产生和处理都在Stack中。
包装类型是对象,在Heap中产生实例。
在集合类对象中,有对象方面需要的处理适用包装类型,其他的处理提倡使用基本类型。

9. 慎用synchronized,尽量减小synchronize的方法
实现同步需要很大的系统开销,甚至可能造成死锁,尽量避免无谓的同步控制。
synchronize方法被调用时,当前对象被锁定,当前对象的其它方法无法被其它线程调用。
尽量使用代码块同步代替方法同步。

10.尽量使用StringBuilder和StringBuffer进行字符串连接

11.单线程应尽量使用HashMap、ArrayList
HashTable、Vector等使用了同步机制,降低了性能。

12.尽量合理的创建HashMap
当创建比较大的HashMap时,充分利用构造函数
public HashMap(int initialCapacity, float loadFactor) {

}

默认initialCapacity只有16,避免HashMap多次进行hash重构,扩容是一件很耗费性能的事。

13.尽量减少对变量的重复计算
for (int i = 0; i < list.size(); i++) {
}

改为
int length = list.size();
for (int i = 0; i < length; i++) {
}

14.尽量避免不必要的创建
Object object = null;
if (flag == true) {
    object = new Object();
}

15.尽量在finally块中释放资源
程序中使用到的资源应当被释放,以避免资源泄漏。
I/O流,Socket连接,JDBC连接。

16.尽量确定StringBuffer的容量
StringBuffer的构造器会创建一个默认大小16的字符数组。
使用中,如果超出这个大小,就会重新分配内存,创建一个更大的数组,并将原先的数组复制过来,再丢弃旧的数组。
在大多数情况下,你可以在创建StringBuffer的时候指定大小。

17.尽量早释放无用对象的引用
无耗时操作时,不用手动释放
public void operation() {
    Object object = new Object();
}

有耗时操作时,应尽早释放
public void operation() {
    Object object = new Object();
    // 执行操作
    object = null; // 尽早释放
    // 执行耗时操作
}

18.尽量避免使用split()
split()由于支持正则表达式,所以效率比较低。
如果是频繁的调用将会耗费大量资源,可以考虑使用Apache的StringUtils.split(),频繁的调用split()的可以缓存结果。

19.尽量缓存经常使用的对象







分享到:
评论

相关推荐

    强化学习——电网运营和维护的强化学习,用于电网优化运营和维护Matlab代码.rar

    1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    cmd-bat-批处理-脚本-MakeToolWindow.zip

    cmd-bat-批处理-脚本-MakeToolWindow.zip

    “华为杯”第十八届中国研究生数学建模竞赛参赛论文

    “华为杯”第十八届中国研究生数学建模竞赛是一项全国性赛事,致力于提升研究生的数学建模与创新实践能力。数学建模是将实际问题转化为数学模型,并运用数学方法求解以解决实际问题的科学方法。该竞赛为参赛者提供了展示学术水平和团队协作精神的平台。 论文模板通常包含以下内容:封面需涵盖比赛名称、学校参赛队号、队员姓名以及“华为杯”和中国研究生创新实践系列大赛的标志;摘要部分应简洁明了地概括研究工作,包括研究问题、方法、主要结果和结论,使读者无需阅读全文即可了解核心内容;目录则列出各章节标题,便于读者快速查找;问题重述部分需详细重新阐述比赛中的实际问题,涵盖背景、原因及重要性;问题分析部分要深入探讨每个问题的内在联系与解决思路,分析各个子问题的特点、难点及可能的解决方案;模型假设与符号说明部分需列出合理假设以简化问题,并清晰定义模型中的变量和符号;模型建立与求解部分是核心,详细阐述将实际问题转化为数学模型的过程,以及采用的数学工具和求解步骤;结果验证与讨论部分展示模型求解结果,评估模型的有效性和局限性,并对结果进行解释;结论部分总结研究工作,强调模型的意义和对未来研究的建议;参考文献部分列出引用文献,遵循规范格式。 在准备竞赛论文时,参赛者需注重逻辑清晰、论述严谨,确保模型科学实用。良好的团队协作和时间管理也是成功的关键。通过竞赛,研究生们不仅锻炼了数学应用能力,还提升了团队合作、问题解决和科研写作能力。

    一个检测俯卧撑和下蹲的检测系统

    希望这会对大家有用,共同发挥互联网精神!

    用于分析和表示神经动脉血流的MATLAB模型.rar

    1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

    cmd-bat-批处理-脚本-Run python script.zip

    cmd-bat-批处理-脚本-Run python script.zip

    基于MatlabSimulink的UKFEKF路面附着系数估计及仿真分析 MatlabSimulink

    内容概要:本文详细介绍了利用Matlab/Simulink平台,通过无迹扩展卡尔曼滤波(UKF/EKF)进行路面附着系数估计的方法及其仿真功能。文中首先阐述了Dugoff轮胎模型的构建方法,强调了避免代数环的重要性,并提供了具体的模块连接方式。接着,描述了7自由度整车模型的搭建步骤,特别是质心加速度和轮速之间的耦合关系。最后,深入探讨了UKF和EKF滤波器的配置细节,包括状态变量选择、观测值设定以及协方差矩阵的初始化等关键参数调整。仿真结果显示,在80km/h的速度下,UKF相比EKF的均方误差降低了18%,但CPU耗时增加了40%。 适合人群:从事车辆控制系统研究的专业人士,尤其是对卡尔曼滤波有一定了解的研究人员和技术人员。 使用场景及目标:适用于需要精确估计路面附着系数的应用场合,如汽车电子稳定程序(ESP)的设计与优化。通过提高附着系数估计的准确性,可以有效提升车辆行驶的安全性和稳定性。 其他说明:文章不仅提供了理论指导,还给出了实际操作的具体步骤和注意事项,帮助读者更好地理解和应用相关技术。

    实体建模技术研究进展.zip

    实体建模技术研究进展.zip

    基于4G通信的高负载电动汽车远程监控平台软件设计与开发.zip

    基于4G通信的高负载电动汽车远程监控平台软件设计与开发.zip

    IMG_20250521_201207.jpg

    IMG_20250521_201207.jpg

    cmd-bat-批处理-脚本-数学-isInteger.zip

    cmd-bat-批处理-脚本-数学-isInteger.zip

    基于改进DeepLabv3+的高分辨率遥感影像屋顶提取方法.pdf

    基于改进DeepLabv3+的高分辨率遥感影像屋顶提取方法.pdf

    cmd-bat-批处理-脚本-post-install.zip

    cmd-bat-批处理-脚本-post-install.zip

    基于遗传算法优化的BP神经网络预测模型代码及注释

    遗传算法优化BP神经网络(GABP)是一种结合了遗传算法(GA)和BP神经网络的优化预测方法。BP神经网络是一种多层前馈神经网络,常用于模式识别和预测问题,但其容易陷入局部最优。而遗传算法是一种模拟自然选择和遗传机制的全局优化方法,能够有效避免局部最优 。GABP算法通过遗传算法优化BP神经网络的权重和阈值,从而提高网络的学习效率和预测精度 。 种群:遗传算法中个体的集合,每个个体代表一种可能的解决方案。 编码:将解决方案转化为适合遗传操作的形式,如二进制编码。 适应度函数:用于评估个体解的质量,通常与目标函数相反,目标函数值越小,适应度越高。 选择:根据适应度保留优秀个体,常见方法有轮盘赌选择、锦标赛选择等。 交叉:两个父代个体交换部分基因生成子代。 变异:随机改变个体的部分基因,增加种群多样性。 终止条件:当迭代次数或适应度阈值达到预设值时停止算法 。 初始化种群:随机生成一组神经网络参数(权重和阈值)作为初始种群 。 计算适应度:使用神经网络模型进行训练和预测,根据预测误差计算适应度 。 选择操作:根据适应度选择优秀个体 。 交叉操作:对选择的个体进行交叉,生成新的子代个体 。 变异操作:对子代进行随机变异 。 替换操作:用新生成的子代替换掉一部分旧种群 。 重复步骤2-6,直到满足终止条件 。 适应度函数通常以预测误差为基础,误差越小,适应度越高。常用的误差指标包括均方根误差(RMSE)或平均绝对误差(MAE)等 。 GABP代码中包含了适应度函数的定义、种群的生成、选择、交叉、变异以及训练过程。代码注释详尽,便于理解每个步骤的作用 。 GABP算法适用于多种领域,如时间序列预测、经济预测、工程问题的优化等。它特别适合解决多峰优化问题,能够有效提高预测的准确性和稳定性 。

    太阳高度角和方位角建模及核桃树阴影变化分析.pdf

    太阳高度角和方位角建模及核桃树阴影变化分析.pdf

    cmd-bat-批处理-脚本-param2.zip

    cmd-bat-批处理-脚本-param2.zip

    前端开发Uniapp日期时间选择器:实现分钟动态步长设置

    Uniapp原生适配日期时间选择器,可动态设置分钟显示间隔

    cmd-bat-批处理-脚本-日期-W32DOW.zip

    cmd-bat-批处理-脚本-日期-W32DOW.zip

    logo ant design 的

    logo ant design 的

    2025年自动化X光检查机项目大数据研究报告.docx

    2025年自动化X光检查机项目大数据研究报告.docx

Global site tag (gtag.js) - Google Analytics