虚拟机类加载机制

Java类生命周期
本文详细介绍了Java类从加载到卸载的整个生命周期过程,包括加载、验证、准备、解析和初始化等关键步骤。并阐述了类加载机制如何实现Java的动态特性。
  • 类的生命周期包括:加载-->连接-->初始化-->使用-->卸载,其中连接包括,验证-->准备-->解析。
  • 虚拟机把描述类的数据从Class文件中加载到内存,并对数据进行校验,转换,解析和初始化,最终形成可被虚拟机直接使用的Java类型。
  • 在Java中,类的加载,连接,初始化都是在运行期间完成的,这种策略与C++等不同,但是这也实现了Java语言的运行期动态加载与动态连接的特点。
  • 类加载的过程:
    • 加载
      • 加载是类加载的一个阶段。在加载时需要 完成以下几件事情:
        1. 通过类的全限定名称获取此类的二进制字节流
        2. 将这个字节流所带表的静态存储结构转换为方法区的运行时数据结构
        3. 在内存中生成代表这个类的java.lang.Class对象,作为方法区这个类的各种数据的访问入口
      • 二进制字节流可以从Class文件中获取,也可以从网络中或者其他文件中获取。
      • 在加载阶段完成后,虚拟机外部的二进制字节流就转换为方法区中的数据结构,然后再在内存中实例化一个java.lang.Class对象,作为程序访问方法区中这些数据类型的接口。
    • 验证
      • 为了确保Class文件中的字节流所包含的信息是符合当前虚拟机的要求。
    • 准备
      • 准备阶段是正式为类变量设置初始值的阶段。这些变量所用的内存都将在方法区中分配。
      • 此时仅分配类变量,不包括实例变量。实例变量会随着对象实例化一起在Java堆中分配。
      • 这里说的初始值是数据的零值,null/false/0等。
    • 解析
      • 将常量池中的符号引用替换为直接引用。
    • 初始化
      • 在这个阶段,才是对类变量进行赋值操作。按照程序的主观计划去初始化类变量及其他资源。
      • 初始化是执行类构造器<clinit>()方法的过程,<clinit>()方法是由编译器自动收集类中所有类变量的赋值动作与静态语句块(static{})中的语句合并
      • 类构造器<clinit>()方法与类的构造函数(实例构造器<init>()方法)不同,它不需要显示地调用父类构造器,虚拟机会保证在子类的<clinit>()方法执行之前,父类的<clinit>()方法已经执行完毕。因此虚拟机中第一个被执行的<clinit>()方法的类肯定是java.lang.Object。
      • 由于父类的<clinit>()方法先执行,因此父类中定义的静态语句块要优先于子类的静态语句块。
      • 对于类来说并不是必须的,如果类中没有类变量,也没有静态语句块,那么便不需要<clinit>()方法。
      • 如果多个线程同时初始化一个类,那么只有一个线程会执行<clinit>()方法,其他线程阻塞等待。

  • 虚拟机规范中严格定义了有且只有5中情况必须立即对类进行初始化(加载,验证,准备需要在此之前完成
    1. 遇到new,getstatic,putstatic或者invokestatic这4条字节码指令时,如果类没有进行初始化,则需要对它进行初始化。生成这4条字节码指令的Java代码是:使用new关键字实例化对象,读取或者设置一个类的静态字段(被final修饰,已经在编译期就把结果放到常量池的静态字段除外),以及调用一个类的静态方法的时候
    2. 使用java.lang.reflect包中的方法对类进行反射调用的时候,如果类没有进行初始化,则需初始化。
    3. 当初始化一个类的时候(注意是类,不是对象),如果发现父类没有被初始化,则先初始化其父类。
    4. 当虚拟机启动时,用户需要指定一个要执行的主类(包含main()方法),虚拟机会先初始化这个主类。
    5. 当使用jdk1.7的动态语言支持时,如果一个方法解析后句柄对应的类没有初始化,则先初始化。
      //当调用类中普通的静态变量时(没有被final修饰的),会对类进行初始化
      public class InvokeStatic {
          public static int a=1;
          static{
               System.out.println("the class has been init !");
          }
          public static void main(String[] args) {
               // TODO Auto-generated method stub
               int i=InvokeStatic.a;
          }
      }
      
      输出结果为:
      the class has been init !
      
      //当初始化一个类的时候,如果发现父类还没有初始化,便先将其父类进行初始化
      class Super{
          static{
               System.out.println("The super has been init !");
          }
      }
      public class InvokeChildStatic extends Super {
          static int a=10;
          static{
               System.out.println("The child has been init !");
          }
          public static void main(String[] args) {
               // TODO Auto-generated method stub
               System.out.println(InvokeChildStatic.a);
          }
      }
      输出结果为:
      The super has been init !
      The child has been init !
      10




  • 上面介绍的是对类进行加载及初始化,下面要介绍的是对象的创建:
    • 当虚拟机遇到一个new指令时,首先检查这个指令的参数能否在常量池中定位一个符号引用,并且检查这个符号引用代表的类是否被加载,如果没有,便先加载这个类。
    • 类加载完成之后,虚拟机为新生对象在Java堆中分配内存(对象所需的内存大小在类加载完成后便确定)。
    • 接下来,虚拟机将分配的内存空间都初始化为零值(保证了实例字段在Java代码中可以不赋初值就能使用)。
    • 执行实例构造器<init>()方法,把对象按照程序员的意愿初始化。这样一个对象便创建完成。



标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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