runtime

本文介绍了 Java 中 Runtime 类的功能和用途,包括如何管理内存、执行外部程序等,并提供了实用的代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  运行时刻是指一个程序在运行(或者在被执行)的状态。也就是说,当你打开一个程序使它在电脑上运行的时候,那个程序就是处于运行时刻。在一些编程语言中,把某些可以重用的程序或者实例打包或者重建成为"运行库"。这些实例可以在它们运行的时候被连接或者被任何程序调用。
  程序员有时候会在什么东西应该在编译的时候加载进来以及什么东西该在运行的时候使用之间做出抉择,前者有时候成为编译时期。
  一段时间以来,技术类作者都拒绝使用"运行时刻"作为一种术语,他们坚持类似于"一个程序在运行"之类的说法,用以避免需要一个专门的术语。后来,这个术语逐渐地蔓延到通常的应用中。
  Java的类库日益庞大,所包含的类和接口也不计其数。但其中有一些非常重要的类和接口,是Java类库中的核心部分。常见的有String、Object、Class、Collection、ClassLoader、Runtime、Process...,熟悉这些类是学好Java的基础。而这些类一般不容易理解,需要做深入的研究和实践才能掌握。下面是我对这些类理解和使用的一些总结。欢迎你在阅读后将你宝贵的意见和读后感留下!
  一、概述
  Runtime类封装了运行时的环境。每个 Java 应用程序都有一个 Runtime 类实例,使应用程序能够与其运行的环境相连接。
  一般不能实例化一个Runtime对象,应用程序也不能创建自己的 Runtime 类实例,但可以通过 getRuntime 方法获取当前Runtime运行时对象的引用。
  一旦得到了一个当前的Runtime对象的引用,就可以调用Runtime对象的方法去控制Java虚拟机的状态和行为。
  当Applet和其他不被信任的代码调用任何Runtime方法时,常常会引起SecurityException异常。
  二、API预览
  addShutdownHook(Thread hook)
  注册新的虚拟机来关闭挂钩。 www.87717.com
  availableProcessors()
  向 Java 虚拟机返回可用处理器的数目。
  exec(String command)
  在单独的进程中执行指定的字符串命令。
  exec(String[] cmdarray)
  在单独的进程中执行指定命令和变量。
  exec(String[] cmdarray, String[] envp)
  在指定环境的独立进程中执行指定命令和变量。
  exec(String[] cmdarray, String[] envp, File dir)
  在指定环境和工作目录的独立进程中执行指定的命令和变量。
  exec(String command, String[] envp)
  在指定环境的单独进程中执行指定的字符串命令。
  exec(String command, String[] envp, File dir)
  在有指定环境和工作目录的独立进程中执行指定的字符串命令。
  exit(int status)
  通过启动虚拟机的关闭序列,终止当前正在运行的 Java 虚拟机。
  freeMemory()
  返回 Java 虚拟机中的空闲内存量。
  gc()
  运行垃圾回收器。
  InputStream getLocalizedInputStream(InputStream in)
  已过时。 从 JDK 1.1 开始,将本地编码字节流转换为 Unicode 字符流的首选方法是使用 InputStreamReader 和 BufferedReader 类。
  OutputStream getLocalizedOutputStream(OutputStream out)
  已过时。 从 JDK 1.1 开始,将 Unicode 字符流转换为本地编码字节流的首选方法是使用 OutputStreamWriter、BufferedWriter 和 PrintWriter 类。
  getRuntime()
  返回与当前 Java 应用程序相关的运行时对象。
  halt(int status)
  强行终止目前正在运行的 Java 虚拟机。
  load(String filename)
  加载作为动态库的指定文件名。
  loadLibrary(String libname)
  加载具有指定库名的动态库。
  maxMemory()
  返回 Java 虚拟机试图使用的最大内存量。
  removeShutdownHook(Thread hook)
  取消注册某个先前已注册的虚拟机关闭挂钩。
  runFinalization()
  运行挂起 finalization 的所有对象的终止方法。
  runFinalizersOnExit(value)
  已过时。 此方法本身具有不安全性。它可能对正在使用的对象调用终结方法,而其他线程正在操作这些对象,从而导致不正确的行为或死锁。
  totalMemory()
  返回 Java 虚拟机中的内存总量。
  traceInstructions(on)
  启用/禁用指令跟踪。
  traceMethodCalls(on)
  启用/禁用方法调用跟踪。
  三、常见的应用
  1、内存管理:
  Java提供了无用单元自动收集机制。通过totalMemory()和freeMemory()方法可以知道对象的堆内存有多大,还剩多少。
  Java会周期性的回收垃圾对象(未使用的对象),以便释放内存空间。但是如果想先于收集器的下一次指定周期来收集废弃的对象,可以通过调用gc()方法来根据需要运行无用单元收集器。一个很好的试验方法是先调用gc()方法,然后调用freeMemory()方法来查看基本的内存使用情况,接着执行代码,然后再次调用freeMemory()方法看看分配了多少内存。下面的程序演示了这个构想。
  class MemoryDemo{
  public static void main(String args[]){
  Runtime r = Runtime.getRuntime();
  long mem1,mem2;
  Integer someints[] = new Integer[1000];
  System.out.println("Total memory is :" + r.totalMemory());
  mem1 = r.freeMemory();
  System.out.println("Initial free is : " + mem1);
  r.gc();
  mem1 = r.freeMemory();
  System.out.println("Free memory after garbage collection : " + mem1);
  //allocate integers
  for(int i=0; i<1000; i++) someints = new Integer(i);
  mem2 = r.freeMemory();
  System.out.println("Free memory after allocation : " + mem2);
  System.out.println("Memory used by allocation : " +(mem1-mem2));
  //discard Intergers
  for(int i=0; i<1000; i++) someints = null;
  r.gc(); //request garbage collection
  mem2 = r.freeMemory();
  System.out.println("Free memory after collecting " + "discarded integers : " + mem2);
  }
  }
  编译后运行结果如下(不同的机器不同时间运行的结果也不一定一样):
  Total memory is :2031616
  Initial free is : 1818488
  Free memory after garbage collection : 1888808
  Free memory after allocation : 1872224
  Memory used by allocation : 16584
  Free memory after collecting discarded integers : 1888808
  2、执行其他程序
  在安全的环境中,可以在多任务操作系统中使用Java去执行其他特别大的进程(也就是程序)。ecec()方法有几种形式命名想要运行的程序和它的输入参数。ecec()方法返回一个Process对象,可以使用这个对象控制Java程序与新运行的进程进行交互。ecec()方法本质是依赖于环境。
  下面的例子是使用ecec()方法启动windows的记事本notepad。这个例子必须在Windows操作系统上运行。
  class ExecDemo {
  public static void main(String args[]){
  Runtime r = Runtime.getRuntime();
  Process p = null;
  try{
  p = r.exec("notepad");
  } catch (Exception e) {
  System.out.println("Error executing notepad.");
  }
  }
  }
  ecec()还有其他几种形式,例子中演示的是最常用的一种。ecec()方法返回Process对象后,在新程序开始运行后就可以使用Process的方法了。可以用destory()方法杀死子进程,也可以使用waitFor()方法等待程序直到子程序结束,exitValue()方法返回子进程结束时返回的值。如果没有错误,将返回0,否则返回非0。下面是关于ecec()方法的例子的改进版本。例子被修改为等待,直到运行的进程退出:
  class ExecDemoFini {
  public static void main(String args[]){
  Runtime r = Runtime.getRuntime();
  Process p = null;
  try{
  p = r.exec("notepad");
  p.waitFor();
  } catch (Exception e) {
  System.out.println("Error executing notepad.");
  }
  System.out.println("Notepad returned " + p.exitValue());
  }
  }
  下面是运行的结果(当关闭记事本后,会接着运行程序,打印信息):
  Notepad returned 0 www.87717.com
  按任意键继续. . .
  当子进程正在运行时,可以对标准输入输出进行读写。getOutputStream()方法和getInPutStream()方法返回对子进程的标准输入和输出。
### 安装方法 ONNX Runtime 的安装可以通过 Python 的包管理工具 `pip` 进行。用户可以直接使用以下命令来安装最新版本的 ONNX Runtime: ```bash pip install onnxruntime ``` 如果需要特定版本的 ONNX Runtime,例如版本 1.16.0,则可以使用以下命令指定版本号进行安装: ```bash pip install onnxruntime==1.16.0 ``` 对于某些高级用例或开发需求,可能还需要从源码构建 ONNX Runtime,但这通常适用于有特殊定制需求的开发者[^1]。 ### 使用指南 安装完成后,可以通过 Python 导入 `onnxruntime` 模块来加载并运行 ONNX 模型。以下是一个简单的示例,展示如何使用 ONNX Runtime 加载模型并执行推理: ```python import onnxruntime as ort import numpy as np # 加载模型 session = ort.InferenceSession("path_to_model.onnx") # 准备输入数据 input_name = session.get_inputs()[0].name input_data = np.random.rand(1, 3, 224, 224).astype(np.float32) # 执行推理 outputs = session.run(None, {input_name: input_data}) # 输出结果 print(outputs) ``` 为了确保安装的 ONNX Runtime 性能满足预期,可以运行一些基准测试。这些测试将帮助了解模型在特定硬件上的性能。可以使用 ONNX 模型测试基准工具,或使用自定义脚本来测量推理时间和其他性能指标。例如,使用内置的基准工具: ```bash python3 -m onnxruntime.tools.benchmark --input path_to_model.onnx --input_feed input_name(input_data) --iter 10 ``` 这个命令会执行 10 次推理迭代,并报告平均推理时间等性能指标[^1]。 ### 调试技巧 ONNX Runtime 提供了强大的日志系统,这对于调试模型推理过程中的问题非常有用。通过合理配置日志级别和输出方式,开发者可以更高效地诊断模型推理过程中的各种问题。可以通过设置环境变量来控制日志级别,例如: ```bash ORT_LOG_LEVEL=VERBOSE ``` 此外,还可以通过编程方式配置日志记录器,以便于捕获和分析运行时的日志信息。这有助于快速定位和解决潜在的问题[^2]。 当遇到模型兼容性问题时,比如导出模型时报错 `Unsupported: ATen operator triu`,一种解决方案是替换为等效的 ONNX 算子。具体做法如下: ```python # 修改前 torch.triu(...) # 修改后 torch.onnx.symbolic_opset9.triu = lambda g, input: g.op("Trilu", input, upper=1) ``` 这种修改允许用户在导出模型时绕过 PyTorch 中不支持的操作,从而实现与 ONNX 的兼容[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值