如何在spring源码里面写注释并且能断点调试

Spring Boot 启动流程全解析:断点调试+源码逐行拆解(新手也能看懂) 关键断点位置构造方法、;调试快捷键F7(Step Into):进入方法内部(源码拆解核心快捷键);F8(Step Over):执行下一行,不进入方法;F9(Resume Program):跳到下一个断点;Alt+F8:计算表达式(比如查看的值);查看变量:调试时在Variables面板查看核心变量(如context),验证逻辑是否符合预期。初始化:推断应用类型、加载扩展组件;准备环境:加载配置文件、环境变量;创建上下文:根据应用类型创建核心容器; 阅读详情

      热爱spring源码的同学,应该都希望在自己的spring源码jar包里面写点注释来加深对源码的理解,这篇博客主要就是告诉大家如何做到这点:

 

1、下载spring源码

  1. 我这里是下载的最新版本的spring源码,并且使用的是马云镜像,千万不要用GitHub下载,太慢了,慢得想死git clone --branch v5.1.3.RELEASE https://gitee.com/Z201/spring-framework.git
  2. 本机下载并配置gradle,具体的配置步骤请自行百度找资料
  3. 到下载的spring源码路径执行gradle命令,gradlew :spring-oxm:compileTestJava

  4. 用idea打开spring源码工程,在idea中安装插件kotlin,重启idea,打开源码工程时要花10几分钟时间,耐心等待

  5. 把工程里面的maven关联的spring jar包,换成下载的spring  jar包。

具体演示过程:

比如我们要对spring-context包里面的代码进行注释,

第一步:对gradle工程里面的spring-context生成jar包。

第二步:

在自己的maven工程里面导入jar

更换源码class jar包,换成刚刚gradle生成的jar,点 + 号选择jar即可

更换sources

这样class文件和sources文件就都是从gradle工程里面来的了,但是这里要注意,如果你在工程里面对源码写了注释,一定要在gradle工程重新生成jar包,双击jar按钮就可以了,因为class文件和source文件要对应起来是吧,要不然你断点可能乱跑甚至进不来,切记,切记

idea构建spring源码环境 前言 最近抽空在摸索spring源码,就想在idea中把spring源码环境给跑起来,以便于自己进行断点调试和学习,但在自己构建的时候才发现使用idea构建spring源码的环境的确不是一件简单简单的事情,下面就记录一下自己构建源码的过程和遇到的坑 1、安装gralde环境 可以通过这个链接下载合适的版本的gradle,建议不要下载抬高的版本,我这里使用的是4.4的版本,版本太高,后面在idea中... 阅读详情

相关推荐

spring源码注释中文

spring源码带注释的,直接可以阅读,不需要重新编译。

Spring源码阅读(一):如何编译源码以及在源码中写注释

作为一名java开发人员spring全家桶,是我们开发中必备的框架,spring boot,spring cloud就不必说了现在最流行的框架,这些都是基于Spring的,在开发中如果不具备一定的源码知识,可能有时我们连为什么出错都不明白,更重要的是如今不管大厂还是好一点的小公司面试一定会问到源码; spring源码下载: 1.从GitHub上下载:https://github.com/sprin...

z_c8819的博客 3150

YOLOv13+SAHI实战:5步搞定无人机航拍小目标检测(附VisDrone数据集调参技巧)

本文详细介绍了如何结合YOLOv13与SAHI(切片辅助超推理)技术,在VisDrone2019数据集上实现高效的无人机航拍小目标检测。通过5个实战步骤,包括环境配置、SAHI参数解析、数据集调优、完整训练推理流程和性能优化技巧,帮助开发者显著提升小目标检测的准确率和效率。

egg99的博客 433

【Spring】IDEA配置本地Spring5调试环境,打注释。

我配了整整一天没配好,然后第二天早上,按照如下文章就配好了。 文章 也可以直接去我的git上面拉,我写出我的git上的用法。 https://gitee.com/tangxiaozun/tangxz-spring-5.3.9.git 拉下来后的目录结构: 使用: 1、使用source中的jar 2、使用source中的源码 不改,直接ok 3、删掉之前的记录 这样,即可调试源码,加入注释 ...

tangxz的博客 248

Openharmony 命令行工具hdc的获取与安装

OpenHarmony实战:命令行工具hdc安装应用指南_hdc工具-优快云博客t=N7T8。

Devlin_的博客 1万+

基于rms包的限制性立方样条回归(RCS)R代码实现

RCS

2301_79584199的博客 2万+

spring 源码分析及知识点总结

    一、生命周期流程图:   Spring Bean的完整生命周期从创建Spring容器开始,直到最终Spring容器销毁Bean,这其中包含了一系列关键点。   我不建议过多的看这些框架的代码,因为这些代码要完成任务需要很多琐碎的类实现,比如读取某个包下面的所有类,解析class的头文件,反射各种信息,再加上封装,很有可能在读源码的过程中掉到各种细节里出不来,所以读这种源码...

很多时候犯错都是在不知情的情况下发生的 7421

手教你如何使用Simulink和相关工具箱模拟和实现无人机的多机接力信号中继的建模

扩大通信范围:单架无人机的通信能力有限,通过多机接力的方式可以显著扩展通信覆盖范围。提高可靠性:当某架无人机出现故障或电量不足时,其他无人机可以接管其任务,确保通信不中断。适应复杂环境:在山区、森林等复杂地形中,多机接力可以绕过障碍物,建立稳定的通信链路。使用Communications Toolbox中的模块来模拟无线通信链路。例如,可以使用模块模拟噪声信道,或者使用模块计算信号衰减。matlab深色版本。

MHD0815的博客 769

Spring源码流程断点调试总结

1.AnnotatedBeanDefinitionReader 读取所有要扫描的文件 2.AnnotationConfigUtils 把所有要放入容器中的beanName放入集合中 3.DefaultListableBeanFactory通过循环一次生产bean 4.AbstractAutowireCapableBeanFactory进行属性赋值 属性赋值最后还是通过反射进行的 ...

吒哇 4万+

ollama接入图像识别大模型

ollama接入图像识别大模型

qq_36437991的博客 2079

《驾驭你的AI同事:WorkBuddy深度精通》027:11.1 私有知识库接入

11.1 私有知识库接入 —— 《驾驭你的AI同事:WorkBuddy深度精通》系列图文教程,配图已统一为规范示意图。

LuckyHanMo的博客 142

IDEA断点学习

IDEA断点学习 文章目录IDEA断点学习语句断点详细断点(不中断)方法断点异常断点属性断点 语句断点 在普通语句左边打个断点 按 F9 继续程序的运行 详细断点(不中断) Shift + 鼠标点击 不会中断 方法断点 打在方法签名上, 当运行该方法或者结束该方法时中断, 可以有效检查该方法的输入输出 也可以打在抽象方法上, 异常断点 idea设置配置 Ctrl + Shift + F8 点击左上角 + , 加上java中的空指针异常 当java程序中出现NPE时, 会自动中断 属性断点 打在类

言之。 1万+

在ubuntu20.04中安装MATLAB时常见问题及解决方法

   如果你刚装完ubuntu20.04,这时你想要安装MATLAB2021A,在输入命令./install进行安装时,可能会报以下错误:    terminate called after throwing an instance of ‘JailContainerException’ what(): Error: 88: No JRE version parsed from/media/jzx/MATHWORKS_R2021A/sys /java/jre/glnxa64/jre/release   

慕羽★的博客 1万+

一、准备工作spring 源码下载构建调试

概述   本篇主要讲解怎样下载spring源码到本地并通过gradle构建,以及在源码中写注释、调试源码。 1.下载spring源码   使用国内码云镜像通过git下载源码。  git clone https://gitee.com/mirrors/spring-framework.git   源码下载到本地后按需切换分支或Tag,笔者切换的Tag为 v5.2.0.RELEASE 2.配置gradle环境变量   配置GRADLE_USER_HOME环境变量,spring源码构建时会下.

Keep Moving 488

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Spring源码学习---------(最简单易懂的源码学习笔记)

前沿 工作一段时间了,之前一直想学习一下spring的源码,最近有时间学习了一下。现在把最近学习的成果整理一下,也向大家分享一下。 下面是spring源码的学习笔记,仅供参考。本人能力有限,难免会出现问题,欢迎各位大佬指出。 读源码的方法: 之前只是看过JDK的一些源码,像是spring和springboot等源码只是简略的看过,并没有系统的学习过,同时,这么优秀的作品很是值得我们学习的。抱着好奇心开始了读spring源码的道路,废话不多说,这里把我的学习笔记分享给大家。 读源码首先找...

奇点 2万+

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

深度探索:Spring 源码调试环境搭建全攻略(2026 最新版)

本文是一份2026年最新版的Spring源码调试环境搭建指南,详细介绍了从环境准备到源码精读的全流程。内容包括工具清单(推荐IntelliJ IDEA 2023.3+、JDK 17/21)、源码获取技巧(建议使用Gitee镜像)、依赖下载加速方法(配置阿里云Gradle镜像),以及调试入口建议和进阶学习资源推荐(如《Spring源码深度解析》等书籍)。文章强调系统性学习的重要性,并鼓励开发者通过修改源码、版本对比等方式深入理解Spring框架。最后提供了互动环节和往期技术文章推荐,帮助开发者持续成长。

刘一说的IT专栏 1225

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

Spring源码阅读之在spring源码中创建一个gradle测试模块

一、问题说明 之前写了一篇博客Spring源码阅读之编译带源码的jar包,这样操作的目的是想在新建的项目里能调试自己写过注释的源码。 后来我发现其实有个更为简便的方法,直接在本地已经导入的spring-framework源码中创建一个gradle模块,然后引入你想测的模块就可以了 二、解决方法 举个例子: 我想断点调试看下spring是如何创建bean的(getBean方法),用如...

u010999809的博客 6596

Spring源码学习:IDEA环境搭建+调试测试

最近在学习Spring源码,首先是在搭建源码调试环境的阶段,原以为是简单的项目导入,但在IDEA构建的时候报错不断!!!我把自己的成功构建、调试测试的流程和一些错误记录一下。

m0_46718221的博客 1390

Spring源码阅读调试环境搭建(MacOS)

MacOS搭建Spring源码阅读和调试环境指导手册

Redisread的博客 866

IDEA调试spring框架源码—图文详细

IDEA调试spring框架源码—图文详细 spring源码是java学习的核心,如果我们想要修改源码,例如加一些注释什么的,需要会编译源码,因此本文一步步教大家如何编译spring框架源码。 下载spring框架源码到本地 由于github比较慢,使用码云Spring-Framework拉取代码 https://gitee.com/mirrors/Spring-Framework?_from=gitee_search 复制下载仓库链接 https://gitee.com/mirrors/Spr

小白的通俗见解 768

spring源码-下载打包调试

gradle 配置好 因为Spring是gradle管理的 下载gradle 6.0.1 配置好环境变量 idea 安装plugins kotlin 下载spring源码 git clone https://gitee.com/annoos/spring-framework-5.2.8.git 修改 settings.gradle maven { url 'http://maven.aliyun.com/nexus/content/repositories/goo...

MollyXiong的博客 505

看完Spring源码记不住,是我脑子不太好吗?

都说大厂面试必问源码,可很多人看完Spring源码记不住,是脑子有问题吗?当然不是!是因为你没有掌握学习源码的技巧。看完源码的我…我的朋友“路神”子路和“大魔王”Jack,他们可能是“国...

Java后端技术 3519

Spring5.x 源码环境搭建

Spring5.x 源码环境搭建

给自己一个smile 1125

spring源码(一) 源码环境搭建以及学习方法

一、如何制定计划 二、奇淫技巧 1. 条件断点 2. 调用链 3. 计算表达式 4. @link注解的使用 三、源码环境 总结

weixin_44824765的博客 547
上一篇: 源码分析FactoryBean接口不为人知的秘密
下一篇: spring中动态数据源切换失效问题剖析
Jack爱258
博客等级 码龄10年 1288粉丝 124原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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