匿名内部类和Lambda表达式是一样的吗?

本文深入探讨了Java中Lambda表达式与匿名内部类的底层实现原理,揭示了两者在编译后的不同表现形式。通过对编译后的class文件进行反编译,对比了匿名内部类和Lambda表达式的实现方式,解释了Lambda表达式如何通过动态生成类来提高代码简洁性和性能。

  先看一下匿名内部类长什么样子:

 1 package com.jvm.demo.test2;
 2 
 3 public class InnerClassTest {
 4 
 5     public static void main(String[] args) {
 6         new Thread(new Runnable() {
 7             @Override
 8             public void run() {
 9                 System.out.print("hello world!");
10             }
11         }).start();
12     }
13 
14 }

  再看一下lambda表达式长什么样子

1 package com.jvm.demo.test2;
2 
3 public class LambdaTest {
4 
5     public static void main(String[] args) {
6         new Thread(() -> System.out.print("hello world!")).start();
7     }
8 
9 }

  是不是长的很像,一眼能看出区别就在于参数的传递上,匿名内部类是传递的对象,而lambda表达式是传递的函数,那么我们是不是可以认为

lambda实际上就是一个语法糖,简化了部分代码?这就需要我们去看一下底层实现了。

  先把两个类都编译一遍,然后javap反编译查看class码,先来看看匿名内部类的实现:

  javap -v -p -l -s -c InnerClassTest

  

  0-11行,可以看到是分别创建了一个Thread对象和一个InnerClassTest$1对象,InnerClassTest$1对象是什么呢?可以看下面

  这下就忽然开朗了,InnerClassTest$1是一个单独的类文件,我们在目录下面也是可以看到的:

由此我们可以得出结论:匿名内部类的实现是通过创建一个类文件来实现的,那么LambdaTest又是如何实现的呢?

javap -v -p -l -s -c LambdaTest.class

  

  0-4行,调用了invokedynamic指令,invokedynamic指令是一个动态调用指令,该指令调用的代码在编译阶段不确定,在第一次运行的时候才会确定。

  4: invokedynamic #3,  0  其中的#3指向常量池中的#3:

  #0指向引导方法的0行:

 

   引导方法是invokedynamic都会调用的一个方法,从上面可以看出引导方法里面会调用类metafactory里面的方法,我们先去看下metafactory这个类,

这个类是一个内部类,在LambdaMetafactory里面:

  这里主要是调用了InnerClassLambdaMetafactory方法,进去看看:

  可以看出这里是根据传入的方法特征(返回值和参数)来动态构造一个类,该类的命名规则是

targetClass.getName().replace('.', '/') + "$$Lambda$" + counter.incrementAndGet();

  最终这个类会被返回出去:

 

  然后返回CallSite调用点,以便多次调用。

  之前就有人说过Lambda表达式过多影响程序性能,但是现在看来不是这样的,Lambda实际只会在第一次调用的时候动态生成类,之后调用就不会重新生成了。

  

 

转载于:https://www.cnblogs.com/alinainai/p/11112455.html

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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