Caffeine本地緩存示例詳解
更新時(shí)間：2023年07月14日 14:37:19 作者：2021不再有雨
Caffeine是一種高性能的緩存庫(kù)，是基于Java 8的最佳（最優(yōu)）緩存框架，這篇文章主要介紹了Caffeine本地緩存相關(guān)知識(shí),需要的朋友可以參考下
一. 概述
Caffeine是一種高性能的緩存庫(kù)，是基于Java 8的最佳（最優(yōu)）緩存框架。
基于Google的Guava Cache，Caffeine提供一個(gè)性能卓越的本地緩存(local cache) 實(shí)現(xiàn), 也是SpringBoot內(nèi)置的本地緩存實(shí)現(xiàn)。(Caffeine性能是Guava Cache的6倍)
Caffeine提供了靈活的結(jié)構(gòu)來創(chuàng)建緩存，并且有以下特性：
- 自動(dòng)加載條目到緩存中，可選異步方式
- 可以基于大小剔除
- 可以設(shè)置過期時(shí)間，時(shí)間可以從上次訪問或上次寫入開始計(jì)算
- 異步刷新
- keys自動(dòng)包裝在弱引用中
- values自動(dòng)包裝在弱引用或軟引用中
- 條目剔除通知
- 緩存訪問統(tǒng)計(jì)
二. 數(shù)據(jù)加載
Caffeine提供以下四種類型的加載策略：
1. Manual手動(dòng)
public static void demo(){
Cache<String,String> cache = Caffeine.newBuilder()
.expireAfterWrite(20, TimeUnit.SECONDS)
.maximumSize(5000)
.build();
// 1.Insert or update an entry
cache.put("hello","world");
// 2. Lookup an entry, or null if not found
String val1 = cache.getIfPresent("hello");
// 3. Lookup and compute an entry if absent, or null if not computable
cache.get("msg", k -> createExpensiveGraph(k));
// 4. Remove an entry
cache.invalidate("hello");
}
private static String createExpensiveGraph(String key){
System.out.println("begin to query db..."+Thread.currentThread().getName());
try {
Thread.sleep(2000);
} catch (InterruptedException e) {
}
System.out.println("success to query db...");
return UUID.randomUUID().toString();
}Cache接口可以顯式地控制檢索、更新和刪除Entry
2. Loading自動(dòng)
private static void demo() {
LoadingCache<String, String> cache = Caffeine.newBuilder()
.expireAfterWrite(5, TimeUnit.SECONDS)
.maximumSize(500)
.build(new CacheLoader<String, String>() {
@Override
public String load(String key) throws Exception {
return createExpensiveGraph(key);
}
@Override
public Map<String, String> loadAll(Iterable<? extends String> keys) {
System.out.println("build keys");
Map<String,String> map = new HashMap<>();
for(String k : keys){
map.put(k,k+"-val");
}
return map;
}
});
String val1 = cache.get("hello");
Map<String,String> values = cache.getAll(Lists.newArrayList("key1", "key2"));
}
private static String createExpensiveGraph(String key){
System.out.println("begin to query db..."+Thread.currentThread().getName());
try {
Thread.sleep(2000);
} catch (InterruptedException e) {
}
System.out.println("success to query db...");
return UUID.randomUUID().toString();
}LoadingCache通過關(guān)聯(lián)一個(gè)CacheLoader來構(gòu)建Cache, 當(dāng)緩存未命中會(huì)調(diào)用CacheLoader的load方法生成V
還可以通過LoadingCache的getAll方法批量查詢, 當(dāng)CacheLoader未實(shí)現(xiàn)loadAll方法時(shí), 會(huì)批量調(diào)用load方法聚合會(huì)返回.
當(dāng)CacheLoader實(shí)現(xiàn)loadAll方法時(shí), 則直接調(diào)用loadAll返回.
public interface CacheLoader<K, V>{
V load(@NonNull K var1) throws Exception;
Map<K, V> loadAll(@NonNull Iterable<? extends K> keys);
} 3. Asynchronous Manual異步手動(dòng)
private static void demo() throws ExecutionException, InterruptedException {
AsyncCache<String,String> cache = Caffeine.newBuilder()
.maximumSize(500)
.expireAfterWrite(10, TimeUnit.SECONDS)
.buildAsync();
// Lookup and asynchronously compute an entry if absent
CompletableFuture<String> future = cache.get("hello", k -> createExpensiveGraph(k));
System.out.println(future.get());
}
private static String createExpensiveGraph(String key){
System.out.println("begin to query db..."+Thread.currentThread().getName());
try {
Thread.sleep(2000);
} catch (InterruptedException e) {
}
System.out.println("success to query db...");
return UUID.randomUUID().toString();
}AsyncCache是另一種Cache，它基于Executor計(jì)算Entry，并返回一個(gè)CompletableFuture
和Cache的區(qū)別是, AsyncCache計(jì)算Entry的線程是ForkJoinPool線程池. 手動(dòng)Cache緩存是調(diào)用線程進(jìn)行計(jì)算
4. Asynchronously Loading異步自動(dòng)
public static void demo() throws ExecutionException, InterruptedException {
AsyncLoadingCache<String,String> cache = Caffeine.newBuilder()
.expireAfterWrite(10, TimeUnit.SECONDS)
.maximumSize(500)
.buildAsync(k -> createExpensiveGraph(k));
CompletableFuture<String> future = cache.get("hello");
System.out.println(future.get());
}
private static String createExpensiveGraph(String key){
System.out.println("begin to query db..."+Thread.currentThread().getName());
try {
Thread.sleep(2000);
} catch (InterruptedException e) {
}
System.out.println("success to query db...");
return UUID.randomUUID().toString();
}AsyncLoadingCache 是關(guān)聯(lián)了 AsyncCacheLoader 的 AsyncCache
三. 數(shù)據(jù)驅(qū)逐
Caffeine提供以下幾種剔除方式：基于大小、基于權(quán)重、基于時(shí)間、基于引用
1. 基于容量
又包含兩種, 基于size和基于weight權(quán)重
基于size
LoadingCache<String,String> cache = Caffeine.newBuilder()
.maximumSize(500)
.recordStats()
.build( k -> UUID.randomUUID().toString());
for (int i = 0; i < 600; i++) {
cache.get(String.valueOf(i));
if(i> 500){
CacheStats stats = cache.stats();
System.out.println("evictionCount:"+stats.evictionCount());
System.out.println("stats:"+stats.toString());
}
}如果緩存的條目數(shù)量不應(yīng)該超過某個(gè)值，那么可以使用Caffeine.maximumSize(long)。如果超過這個(gè)值，則會(huì)剔除很久沒有被訪問過或者不經(jīng)常使用的那個(gè)條目。
上述測(cè)試并不是i=500時(shí), 而是稍微延遲于i的增加, 說明驅(qū)逐是另外一個(gè)線程異步進(jìn)行的
基于權(quán)重
LoadingCache<Integer,String> cache = Caffeine.newBuilder()
.maximumWeight(300)
.recordStats()
.weigher((Weigher<Integer, String>) (key, value) -> {
if(key % 2 == 0){
return 2;
}
return 1;
})
.build( k -> UUID.randomUUID().toString());
for (int i = 0; i < 300; i++) {
cache.get(i);
if(i> 200){
System.out.println(cache.stats().toString());
}
}如果，不同的條目有不同的權(quán)重值的話(不同的實(shí)例占用空間大小不一樣)，那么你可以用Caffeine.weigher(Weigher)來指定一個(gè)權(quán)重函數(shù)，并且使用Caffeine.maximumWeight(long)來設(shè)定最大的權(quán)重值。
上述測(cè)試并不是i=200時(shí), 而是稍微延遲于i的增加, 說明驅(qū)逐是另外一個(gè)線程異步進(jìn)行的
簡(jiǎn)單的來說，要么限制緩存條目的數(shù)量，要么限制緩存條目的權(quán)重值，二者取其一。
2. 基于時(shí)間
基于時(shí)間又分為四種: expireAfterAccess、expireAfterWrite、refreshAfterWrite、expireAfter
expireAfterAccess
超時(shí)未訪問則失效: 訪問包括讀和寫
private static LoadingCache<String,String> cache = Caffeine.newBuilder() .expireAfterAccess(1, TimeUnit.SECONDS) .build(key -> UUID.randomUUID().toString());
特征:
- 訪問包括讀和寫入
- 數(shù)據(jù)失效后不會(huì)主動(dòng)重新加載, 必須依賴下一次訪問. (言外之意: 失效和回源是兩個(gè)動(dòng)作)
- key超時(shí)失效或不存在，若多個(gè)線程并發(fā)訪問, 只有1個(gè)線程回源數(shù)據(jù)，其他線程阻塞等待數(shù)據(jù)返回
- 對(duì)同一數(shù)據(jù)一直訪問, 且間隔小于失效時(shí)間, 則不會(huì)去load數(shù)據(jù), 一直讀到的是臟數(shù)據(jù)
expireAfterWrite
寫后超時(shí)失效
private static LoadingCache<String,String> cache = Caffeine.newBuilder() .expireAfterWrite(1, TimeUnit.SECONDS) .build(key -> UUID.randomUUID().toString());
特征:
數(shù)據(jù)失效后不會(huì)主動(dòng)重新加載, 必須依賴下一次訪問. (言外之意: 失效和回源是兩個(gè)動(dòng)作)
key超時(shí)失效或不存在，若多個(gè)線程并發(fā)訪問, 只有1個(gè)線程回源數(shù)據(jù)，其他線程阻塞等待數(shù)據(jù)返回
expire后來訪問一定能保證拿到最新的數(shù)據(jù)
refreshAfterWrite
private static LoadingCache<String,String> cache = Caffeine.newBuilder() .refreshAfterWrite(1, TimeUnit.SECONDS) .build(key -> UUID.randomUUID().toString());
和expireAfterWrite類似基于寫后超時(shí)驅(qū)逐, 區(qū)別是重新load的操作不一樣.
特征:
- 數(shù)據(jù)失效后不會(huì)主動(dòng)重新加載, 必須依賴下一次訪問. (言外之意: 失效和回源是兩個(gè)動(dòng)作)
- 當(dāng)cache命中未命中時(shí), 若多個(gè)線程并發(fā)訪問時(shí), 只有1個(gè)線程回源數(shù)據(jù)，其他線程阻塞等待數(shù)據(jù)返回
- 當(dāng)cache命中失效數(shù)據(jù)時(shí), 若多個(gè)線程并發(fā)訪問時(shí), 第一個(gè)訪問的線程提交一個(gè)load數(shù)據(jù)的任務(wù)到公共線程池，然后和所有其他訪問線程一樣直接返回舊值
實(shí)際通過LoadingCache.refresh(K)進(jìn)行異步刷新, 如果想覆蓋默認(rèn)的刷新行為, 可以實(shí)現(xiàn)CacheLoader.reload(K, V)方法
expireAfter
比較少用
public static void demo(){
MyTicker ticker = new MyTicker();
LoadingCache<String,String> cache = Caffeine.newBuilder()
.maximumSize(500)
.ticker(ticker)
//此時(shí)的效果為expireAfterWrite(5,TimeUnit.SECONDS)
.expireAfter(new Expiry<String, String>() {
//1.如果寫入key時(shí)是第一次創(chuàng)建，則調(diào)用該方法返回key剩余的超時(shí)時(shí)間, 單位納秒ns
//currentTime為當(dāng)前put時(shí)Ticket的時(shí)間，單位ns
@Override
public long expireAfterCreate(String key,String value, long currentTime) {
System.out.println("write first currentTime:"+currentTime/1_000_000_000L);
return 5_000_000_000L;//5s
}
//2.如果寫入key時(shí)已經(jīng)存在即更新key時(shí)，則調(diào)用該方法返回key剩余的超時(shí)時(shí)間, 單位納秒ns
//currentTime為當(dāng)前put時(shí)Ticket的時(shí)間，單位ns，durationTime為舊值(上次設(shè)置)剩余的存活時(shí)間，單位是ns
@Override
public long expireAfterUpdate(String key,String value, long currentTime,long durationTime) {
System.out.println("update currentTime:"+currentTime/1_000_000_000L+",leftTime:"+durationTime/1_000_000_000L);
return 5_000_000_000L;//5s
}
//3.如果key被訪問時(shí),則調(diào)用該方法返回key剩余的超時(shí)時(shí)間, 單位納秒ns
//currentTime為read時(shí)Ticket的時(shí)間，單位ns，durationTime為舊值(上次設(shè)置)剩余的存活時(shí)間，單位是ns
@Override
public long expireAfterRead(String key,String value, long currentTime,long durationTime) {
System.out.println("read currentTime:"+currentTime/1_000_000_000L+",leftTime:"+durationTime/1_000_000_000L);
return durationTime;
}
})
.build(k -> UUID.randomUUID().toString());
cache.get("key1");//觸發(fā)expireAfterCreate
ticker.advance(1, TimeUnit.SECONDS);//模擬時(shí)間消逝
cache.get("key1");//觸發(fā)expireAfterRead,剩余生存時(shí)間4s
ticker.advance(2, TimeUnit.SECONDS);//模擬時(shí)間消逝
cache.put("key1","value1");//觸發(fā)expireAfterUpdate,重置生存時(shí)間為5s
ticker.advance(3, TimeUnit.SECONDS);//模擬時(shí)間消逝
cache.get("key1");//觸發(fā)expireAfterCreate,剩余生存時(shí)間為2s
}
public class MyTicker implements Ticker {
private final AtomicLong nanos = new AtomicLong();
//模擬時(shí)間消逝
public void advance(long time, TimeUnit unit) {
this.nanos.getAndAdd(unit.toNanos(time));
}
@Override
public long read() {
return this.nanos.get();
}
}上述實(shí)現(xiàn)了Expiry接口, 分別重寫了expireAfterCreate、expireAfterUpdate、expireAfterRead方法, 當(dāng)?shù)谝淮螌懭霑r(shí)、更新時(shí)、讀訪問時(shí)會(huì)分別調(diào)用這三個(gè)方法有機(jī)會(huì)重新設(shè)置剩余的失效時(shí)間, 上述案例模擬了expireAfterWrite(5,TimeUnit.SECONDS)的效果.
注意點(diǎn):
- 以上基于時(shí)間驅(qū)逐, 數(shù)據(jù)超時(shí)失效和回源是兩個(gè)動(dòng)作, 必須依賴下一次訪問. 為了避免服務(wù)啟動(dòng)時(shí)大量緩存穿透, 可以通過提前項(xiàng)目啟動(dòng)時(shí)手動(dòng)預(yù)熱
- 一般expireAfterWrite和refreshAfterWrite結(jié)合使用, expire的時(shí)間t1大于refresh的時(shí)間t2, 在t2~t1內(nèi)數(shù)據(jù)更新允許臟數(shù)據(jù), t1之后必須要重新同步加載新數(shù)據(jù)
3. 基于弱/軟引用
/**
* 允許GC時(shí)回收keys或values
*/
public static void demo(){
LoadingCache<String,String> cache = Caffeine.newBuilder()
.maximumSize(500)
.expireAfterWrite(10, TimeUnit.SECONDS)
.weakKeys()
.weakValues()
.build(k -> UUID.randomUUID().toString());
}Caffeine.weakKeys() 使用弱引用存儲(chǔ)key。如果沒有強(qiáng)引用這個(gè)key，則GC時(shí)允許回收該條目
Caffeine.weakValues() 使用弱引用存儲(chǔ)value。如果沒有強(qiáng)引用這個(gè)value，則GC時(shí)允許回收該條目
Caffeine.softValues() 使用軟引用存儲(chǔ)value, 如果沒有強(qiáng)引用這個(gè)value，則GC內(nèi)存不足時(shí)允許回收該條目
public static void demo(){
/**
* 使用軟引用存儲(chǔ)value,GC內(nèi)存不夠時(shí)會(huì)回收
*/
LoadingCache<String,String> cache = Caffeine.newBuilder()
.maximumSize(500)
.expireAfterWrite(10, TimeUnit.SECONDS)
.softValues()//注意沒有softKeys方法
.build(k -> UUID.randomUUID().toString());
}Java4種引用的級(jí)別由高到低依次為：強(qiáng)引用 > 軟引用 > 弱引用 > 虛引用
| 引用類型 | 被垃圾回收時(shí)間 | 用途 | 生存時(shí)間 |
|---|---|---|---|
| 強(qiáng)引用 | 從來不會(huì) | 對(duì)象的一般狀態(tài) | JVM停止運(yùn)行時(shí)終止 |
| 軟引用 | 在內(nèi)存不足時(shí) | 對(duì)象緩存 | 內(nèi)存不足時(shí)終止 |
| 弱引用 | 在垃圾回收時(shí) | 對(duì)象緩存 | gc運(yùn)行后終止 |
| 虛引用 | Unknown | Unknown | Unknown |
四. 驅(qū)逐監(jiān)聽
- eviction 指受策略影響而被刪除
- invalidation 值被調(diào)用者手動(dòng)刪除
- removal 值因eviction或invalidation而發(fā)生的一種行為
1. 手動(dòng)觸發(fā)刪除
// individual key cache.invalidate(key) // bulk keys cache.invalidateAll(keys) // all keys cache.invalidateAll()
2. 被驅(qū)逐的原因
- EXPLICIT：如果原因是這個(gè)，那么意味著數(shù)據(jù)被我們手動(dòng)的remove掉了
- REPLACED：就是替換了，也就是put數(shù)據(jù)的時(shí)候舊的數(shù)據(jù)被覆蓋導(dǎo)致的移除
- COLLECTED：這個(gè)有歧義點(diǎn)，其實(shí)就是收集，也就是垃圾回收導(dǎo)致的，一般是用弱引用或者軟引用會(huì)導(dǎo)致這個(gè)情況
- EXPIRED：數(shù)據(jù)過期，無需解釋的原因。
- SIZE：個(gè)數(shù)超過限制導(dǎo)致的移除
3. 監(jiān)聽器
public static void demo(){
LoadingCache<String,String> cache = Caffeine.newBuilder()
.maximumSize(5)
.recordStats()
.expireAfterWrite(2, TimeUnit.SECONDS)
.removalListener((String key, String value, RemovalCause cause) -> {
System.out.printf("Key %s was removed (%s)%n", key, cause);
})
.build(key -> UUID.randomUUID().toString());
for (int i = 0; i < 15; i++) {
cache.get(i+"");
try {
Thread.sleep(200);
} catch (InterruptedException e) {
}
}
//因?yàn)閑vict是異步線程去執(zhí)行，為了看到效果稍微停頓一下
try {
Thread.sleep(2000);
} catch (InterruptedException e) {
}
}日志打印如下:
Key 0 was removed (SIZE)
Key 1 was removed (SIZE)
Key 6 was removed (SIZE)
Key 7 was removed (SIZE)
Key 8 was removed (SIZE)
Key 9 was removed (SIZE)
Key 10 was removed (SIZE)
Key 2 was removed (EXPIRED)
Key 3 was removed (EXPIRED)
Key 4 was removed (EXPIRED)
五. 統(tǒng)計(jì)
public static void demo(){
LoadingCache<Integer,String> cache = Caffeine.newBuilder()
.maximumSize(10)
.expireAfterWrite(10, TimeUnit.SECONDS)
.recordStats()
.build(key -> {
if(key % 6 == 0 ){
return null;
}
return UUID.randomUUID().toString();
});
for (int i = 0; i < 20; i++) {
cache.get(i);
printStats(cache.stats());
}
for (int i = 0; i < 10; i++) {
cache.get(i);
printStats(cache.stats());
}
}
private static void printStats(CacheStats stats){
System.out.println("---------------------");
System.out.println("stats.hitCount():"+stats.hitCount());//命中次數(shù)
System.out.println("stats.hitRate():"+stats.hitRate());//緩存命中率
System.out.println("stats.missCount():"+stats.missCount());//未命中次數(shù)
System.out.println("stats.missRate():"+stats.missRate());//未命中率
System.out.println("stats.loadSuccessCount():"+stats.loadSuccessCount());//加載成功的次數(shù)
System.out.println("stats.loadFailureCount():"+stats.loadFailureCount());//加載失敗的次數(shù),返回null
System.out.println("stats.loadFailureRate():"+stats.loadFailureRate());//加載失敗的百分比
System.out.println("stats.totalLoadTime():"+stats.totalLoadTime());//總加載時(shí)間,單位ns
System.out.println("stats.evictionCount():"+stats.evictionCount());//驅(qū)逐次數(shù)
System.out.println("stats.evictionWeight():"+stats.evictionWeight());//驅(qū)逐的weight值總和
System.out.println("stats.requestCount():"+stats.requestCount());//請(qǐng)求次數(shù)
System.out.println("stats.averageLoadPenalty():"+stats.averageLoadPenalty());//單次load平均耗時(shí)
}六. 其他
1. Ticker
時(shí)鐘, 方便測(cè)試模擬時(shí)間流逝
public static void demo(){
MyTicker ticker = new MyTicker();
LoadingCache<String,String> cache = Caffeine.newBuilder()
.maximumSize(500)
.ticker(ticker)
.expireAfterWrite(1, TimeUnit.SECONDS)
.build(k -> UUID.randomUUID().toString());
cache.get("key1");//觸發(fā)expireAfterCreate
ticker.advance(1, TimeUnit.SECONDS);//模擬時(shí)間消逝
cache.get("key1");//觸發(fā)expireAfterRead,剩余生存時(shí)間4s
ticker.advance(2, TimeUnit.SECONDS);//模擬時(shí)間消逝
cache.put("key1","value1");//觸發(fā)expireAfterUpdate,重置生存時(shí)間為5s
}
public class MyTicker implements Ticker {
private final AtomicLong nanos = new AtomicLong();
//模擬時(shí)間消逝
public void advance(long time, TimeUnit unit) {
this.nanos.getAndAdd(unit.toNanos(time));
}
@Override
public long read() {
return this.nanos.get();
}
}2. Scheduler
3. 類圖及API
到此這篇關(guān)于Caffeine本地緩存詳解的文章就介紹到這了,更多相關(guān)Caffeine本地緩存內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
詳解Spring中Spel表達(dá)式和el表達(dá)式的區(qū)別
在?Java?開發(fā)中，表達(dá)式語(yǔ)言是一種強(qiáng)大的工具，而SpEL?表達(dá)式與EL?表達(dá)式是我們常常遇到兩種表達(dá)式語(yǔ)言，下面我們就來看看它們的具體使用與區(qū)別吧2023-07-07
Spring?Cloud?+?Nacos?+?Seata整合過程(分布式事務(wù)解決方案)
Seata 是一款開源的分布式事務(wù)解決方案，致力于在微服務(wù)架構(gòu)下提供高性能和簡(jiǎn)單易用的分布式事務(wù)服務(wù),這篇文章主要介紹了Spring?Cloud?+?Nacos?+?Seata整合過程(分布式事務(wù)解決方案),需要的朋友可以參考下2022-03-03
RocketMQ生產(chǎn)者是一種高性能、可靠的消息發(fā)送者，能夠?qū)⑾⒖焖?、可靠地發(fā)送到RocketMQ消息隊(duì)列中。它具有多種消息發(fā)送模式和消息發(fā)送方式，可以根據(jù)不同的業(yè)務(wù)需求進(jìn)行靈活配置2023-04-04
Spring Native 基礎(chǔ)環(huán)境搭建過程
Spring?Native可以通過GraalVM將Spring應(yīng)用程序編譯成原生鏡像,提供了一種新的方式來部署Spring應(yīng)用,本文介紹Spring?Native基礎(chǔ)環(huán)境搭建,感興趣的朋友跟隨小編一起看看吧2024-02-02
java不能直接訪問操作系統(tǒng)底層，而是通過本地方法來訪問。Unsafe類提供了硬件級(jí)別的原子操作，這篇文章主要介紹了Java使用Unsafe類,需要的朋友可以參考下2021-09-09
SpringBoot開發(fā)中的數(shù)據(jù)源詳解
這篇文章主要介紹了SpringBoot開發(fā)中的數(shù)據(jù)源詳解,數(shù)據(jù)源(Data Source)顧名思義,數(shù)據(jù)的來源,是提供某種所需要數(shù)據(jù)的器件或原始媒體,在數(shù)據(jù)源中存儲(chǔ)了所有建立數(shù)據(jù)庫(kù)連接的信息,需要的朋友可以參考下2023-09-09
SpringBoot項(xiàng)目的五種創(chuàng)建方式
這篇文章主要介紹了SpringBoot項(xiàng)目的五種創(chuàng)建方式,文中通過圖文結(jié)合的方式講解的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作有一定的幫助,需要的朋友可以參考下2024-12-12
Java中的鏈表（LinkedList）是一種動(dòng)態(tài)數(shù)據(jù)結(jié)構(gòu),由一系列節(jié)點(diǎn)組成,每個(gè)節(jié)點(diǎn)包含數(shù)據(jù)和指向下一個(gè)節(jié)點(diǎn)的引用,LinkedList實(shí)現(xiàn)了List和Deque接口,支持高效的插入和刪除操作,Java提供了.standard.util.LinkedList類來實(shí)現(xiàn)鏈表2025-01-01
Java 實(shí)戰(zhàn)項(xiàng)目之家居購(gòu)物商城系統(tǒng)詳解流程
讀萬卷書不如行萬里路，只學(xué)書上的理論是遠(yuǎn)遠(yuǎn)不夠的，只有在實(shí)戰(zhàn)中才能獲得能力的提升，本篇文章手把手帶你用Java實(shí)現(xiàn)一個(gè)家居購(gòu)物商城系統(tǒng),大家可以在過程中查缺補(bǔ)漏，提升水平2021-11-11
詳解spring cloud整合Swagger2構(gòu)建RESTful服務(wù)的APIs
這篇文章主要介紹了詳解spring cloud整合Swagger2構(gòu)建RESTful服務(wù)的APIs，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-01-01