笔记21 异常

package test0915.exception;

import java.io.IOException;

/**
 * 概念: 异常是指导致程序中断指令流.也是对象。
 * 体系:                    
 * 							Throwable
                            /        \
                      Error       	 Exception
                                    /          \     
             			RuntimeException        CheckedException
             
   	1)、Error:错误,不需要处理
	2)、Exception:
   			a)、RuntimeException:程序健壮性,隐式对外声明 RuntimeException
   			b)、CheckedException: 必须处理的异常,检查时|编译时异常,一般来说,程序与外界存在交互
            
   
             
   Throwable的方法( 功能  签名(方法名+形参列表:类型 个数 顺序 )  返回类型 static );  
       主要有3个方法:
       		1)、String getMessage() 
			2)、String toString()  
			3)、void printStackTrace() 


	五个关键字:	
		try  catch  finally  throw  thorws
		
		尽可能详细正确
			1)、一个try...多个catch
			2)、异常之间存在继承关系,先逮小的,后逮大的
      				Exception:照单全收,摆在最后
			3)、finally : 释放资源 断开连接 
 					a)、final  finally finalize 区别  -->总结
 					b)、先于 return 执行,除非虚拟机停止(System.exit()),否则永远都会执行的代码块。
			4、throw :方法内部抛出异常,异常对象
			5、throws :方法声明处,对外声明异常类型
					存在throw ,一定存在 throws ,反之,可以没有throw的throws
	
	
	方法的重写:
		前提: 子类继承父类、方法签名相同
		
		返回类型:
				void、 基本类型  == ;
				引用类型  <= ;	
				
		不能重写的方法: 私有的 private  静态的 static  最终的 final ;
		
		重写异常:
				返回类型的范围 <= ;
				可见性 >= ; (private除外);
		
	
	自定义异常:
		自定义异常的原因,  一般是 系统异常 和 分层异常 ;
		格式, 
				编写一个类 extends Exception 
				编写两个构造器, 无参 和 有参 构造器;
				
	
	程序中方法的退出 3种方式
			1 方法正常执行完毕
			2 return
			3 throw
			4 退出虚拟机 System.exit();
			
			
 * @author Administrator
 */
public class ExceptionTest {
	public static void main(String[] args) {
		
		try {
			read();
		} catch (IOException e) {
			// TODO Auto-generated catch block
			//e.getMessage();
			e.printStackTrace();
		}
	}
	
	public static void read() throws IOException{
		throw new IOException("Io 测试异常 ");
	}
}

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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