Collections.singletonList降低内存空间

本文介绍了如何使用Java中的Collections.singletonList方法来创建只包含单一元素的不可变列表,以达到节省内存的目的。同时对比了该方法与Arrays.asList的不同之处。

一、为什么用Collections.singletonList:

这个方法主要用于减少内存分配,无需分配额外的内存,可以从SingletonList内部类看得出来,由于只有一个element,因此可以做到内存分配最小化。需注意,singletonList()方法返回的是不可变的集合对象,所以无法使用add等方法,如果使用会报错。

源码:
public static <T> List<T> singletonList(T o) {
        return new SingletonList<>(o);
    }

在这里插入图片描述

二、怎么用Collections.singletonList:

public static List<Object> singletonListTest(Object o){
		// 入参可以使任意类型
        return Collections.singletonList(o);
    }

三、Collections.singletonList和Arrays.toList()的区别:

1.Arrays.asList(strArray)返回值是仍然是一个可变的集合,但是返回值是其内部类,不具有add方法,可以通过set方法进行增加值,默认长度是10

2.Collections.singletonList()返回的是不可变的集合,但是这个长度的集合只有1,可以减少内存空间。调用add,set方法会报错。

public List<String> LLMReadFile(MultipartFile file) throws IOException { List<String> results = new ArrayList<>(); String fileName = file.getOriginalFilename().toLowerCase(); //PDF文件 if (fileName.endsWith(".pdf")) { try (PDDocument pdfDoc = PDDocument.load(file.getInputStream())) { PDFRenderer pdfRenderer = new PDFRenderer(pdfDoc); int totalPages = pdfDoc.getNumberOfPages(); for (int i = 0; i < totalPages; i++) { BufferedImage pdfImage = pdfRenderer.renderImageWithDPI(i, 200F); processImage(results, pdfImage); } } } if (fileName.endsWith(".png") || fileName.endsWith(".jpg")) { BufferedImage pngImg = ImageIO.read(file.getInputStream()); BufferedImage bufferedImage = resizeImage(pngImg, 50); //30 processImage(results, bufferedImage); } System.out.println("识别内容:" + results); return results; } /** * LLM请求 * * @param results * @param image * @throws IOException */ private void processImage(List<String> results, BufferedImage image) throws IOException { BufferedImage processedImage = sharpenImage(image); ByteArrayOutputStream baos = new ByteArrayOutputStream(); ImageIO.write(processedImage, "png", baos); String base64Image = Base64.getEncoder().encodeToString(baos.toByteArray()); String dataUrl = "data:image/png;base64," + base64Image; String promptText = " 请精准识别图片中的内容,不要思考和推理,只需要输出图中的内容。识别图片全部的内容,禁止缺少图片内容 比如:SHA87800002,禁止修改 单词如Luxsan 禁止改成Luksan。禁止缺少Delivery Date内容,日期内容去读正确 Tel数字内容读取准确了也不要缺少内容"; //,禁止缺少内容符号 Media media = Media.builder() .mimeType(MimeTypeUtils.IMAGE_PNG) .mimeType(MimeTypeUtils.IMAGE_JPEG) .data(dataUrl) .build(); UserMessage userMessage = new UserMessage(promptText, media); String content = chatModel.call(new Prompt(userMessage)).toString(); results.add(content); } //锐化 private BufferedImage sharpenImage(BufferedImage original) { float[] sharpenMatrix = { 0, -1, 0, -1, 5, -1, 0, -1, 0 }; BufferedImageOp sharpenOp = new ConvolveOp(new Kernel(3, 3, sharpenMatrix), ConvolveOp.EDGE_NO_OP, null); return sharpenOp.filter(original, null); } //强化图片 private BufferedImage resizeImage(BufferedImage originalImage, int targetDPI) { int width = originalImage.getWidth(); int height = originalImage.getHeight(); double scale = (double) targetDPI / 96; // double scale = (double) targetDPI / 72; int newWidth = (int) (width * scale); int newHeight = (int) (height * scale); BufferedImage resizedImage = new BufferedImage(newWidth, newHeight, originalImage.getType()); java.awt.Graphics2D g2d = resizedImage.createGraphics(); g2d.drawImage(originalImage, 0, 0, newWidth, newHeight, null); g2d.dispose(); return resizedImage; } /** * LLM识别内容比较校验 * * @param file * @param expectedConfig * @return */ public List<ValidationResult> validateImagePrecisely(MultipartFile file, JsonNode expectedConfig) { try { List<String> aiModelResults = LLMReadFile(file); List<ValidationResult> results = new ArrayList<>(); JsonNode dataNode = expectedConfig.isArray() && expectedConfig.size() > 0 ? expectedConfig.get(0) : expectedConfig; dataNode.fields().forEachRemaining(entry -> { String field = entry.getKey(); String expectedValue = entry.getValue().asText(); String expectedValueLower = expectedValue.toLowerCase().replaceAll("\\s", "").trim(); boolean found = false; for (String aiModelResult : aiModelResults) { String aiModelResultLower = aiModelResult.toLowerCase().replaceAll("\\s", "").trim(); if (aiModelResultLower.contains(expectedValueLower)) { found = true; break; } } if (found) { log.info("字段对比成功:{}", expectedValue); } else { log.info("字段对比失败:{}", expectedValue); } results.add(new ValidationResult( "FIELD", field, expectedValue, found ? "Found" : "Not Found", found )); }); return results; } catch (Exception e) { log.error("验证过程异常: {}", e.getMessage(), e); return Collections.singletonList( new ValidationResult("SYSTEM", "EXCEPTION", "正常处理", "系统错误: " + e, false) ); } } 我这个代码有什么问题嘛 哪里需要优化一下
08-28
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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