类加载器

本文深入探讨了Java类加载器的工作原理,包括不同类型的类加载器及其职责划分,重点介绍了类加载过程中的父类委托机制及其重要性。

我一直没有掌握java的类加载器,直到最近我看log4j2的源码时又好好研究了一下,才稍微懂点。在log4j2中有个功能是收集某个包下面的所有的类,以及写在某个文件中的类,这些都是需要classloader来完成的,于是顺着他的思路以及自己做实验我才慢慢稍微掌握了classLoader。

java的classLoader分为好几类,并且是有阶级关系的,一层一层的继承。最跟类是java自带的,这个我们看不到,他负责加载java运行时的一些核心class(比如JAVA_HOME/jre下面的类),这个加载器不需要我们操心,因为他不会给我带来麻烦和不会带来坏处,他是java的底层。还有一个也是不需要操心的——java的拓展类加载器,这个是刚才提到的classLoader的一个子类,也是用来加载一些核心类(我从网上搜,也是说加载JAVA_HOME/jre下面的类)。第三个是系统类加载器,这个继承自刚刚说的第二个classLoader,他负责加载classpath下的类,我们在系统变量里面配置的classpath就是起到这个作用。当我们在程序里面有一段代码时(不是在容器里面运行,而是手动的javac之后 java),我们就会发现他会使用一个叫做sun.misc.Launcher$AppClassLoader 的类加载器,他会加载当前类的原因就是因为classpath里面有个“.”,表示当前的目录下面进行查找,我猜测这个应该就是上面说的系统类加载器。

代码很简单,这里就不上了,记住不是在容器里面跑的,而是调用的 java命令。

 

但是在容器里面执行时就不一样了,比如我们可以在tomcat下有一个app(使用的springmvc),他的有个controller里面的方法如下:

@RequestMapping("a.do")
@ResponseBody
public void a() {
	System.out.println(A.class.getClassLoader());
}

 当访问这个controller的时候就会打印如下的classloader:

WebappClassLoader

  context: /spring

  delegate: false

  repositories:

    /WEB-INF/classes/

----------> Parent Classloader:

org.apache.catalina.loader.StandardClassLoader@3b5b0734

很明显他是apache的一个classloader,也就是tomcat的,所以很明显是tomcat自己写的classloader,然后从/WEB-INF/classes下面加载class。也就是说我们可以自己写classloader来加载指定路径下面的class。在classloader的官方文档(jdk7)中,有这么一句话:Applications implement subclasses of ClassLoader in order to extend the manner in which the Java virtual machine dynamically loads classes:翻译过来是应用程序可以自己实现ClassLoader以创建自己的类加载器,可以拓展jvm加载类的方式。也就是说我们自己定义的classloader必须实现jdk的java.lang.Classloader类(我自己没有手动实验)

 

类加载器是基于父类委托的方式,即每一次加载一个类的时候会先委托给父亲进行加载,如果父亲加载到了就使用父亲找到的那个class,如果父亲没有加载到,才会自己加载。这样做的好处是使得jvm变得更加安全,如果没有父类委托机制的话我们可以写一个classloader,然后加载java.lang.String类,这样所有的String类就会都被改变了,导致jvm无法运行,而如果有了父类加载机制,这样的事情就不会发生,java的核心加载器也就是我们定义的加载器的父类已经加载了jdk的String类,我们即使手动的加载一个我们自己写的java.lang.String也无法成功。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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