Java中equals和==操作符解析

基于深度学习的ECG心电信号异常分类:从数据集到Transformer实战 心电图(Electrocardiogram, ECG)是诊断心血管疾病最常用、最无创的工具。随着可穿戴设备的普及,海量的心电数据需要自动、快速且准确地分析。人工智能,尤其是深度学习,在心电信号分类任务中表现出了超越传统规则算法的能力。本文将深入探讨ECG异常分类的技术细节,从心电数据的生理基础,到数据预处理,再到使用1D-CNN、LSTM、以及前沿的Transformer模型进行实战演练。文章末尾提供了完整的代码以及多个国际公开数据集的获取方式。 阅读详情

总结:

1)==操作符:

对于原生数据类型,就比较他们的值。如果两个原生数据类型不一样,如int和double,会自动做溢出或截断处理。

对于包装类,同类型的两个对象进行==操作,会自动解包为两个相应的基本数据类型。不同类型的包装类,不能进行==操作。

对于引用类型,同类型的两个对象进行==操作相当于比较他们的地址,返回false;不同类型不能进行==操作。

注意:Interger初始化超过-128<=i<=127范围的数时是new一个对象,此时用==操作符返回false.

2)equals:

比较两个操作数的字面值,适用于引用类型。通常比较的是两个操作对象的equals()方法,可以自己override类的equals()方法,同时hashCode()方法也应该与之成对出现。

测试代码如下:

public class Foo {

	@Override
	public boolean equals(Object obj) {
		return true;
	}
//	@Override
//	public int hashCode() {
//		return 100;
//	}
}

public class Goo {

	@Override
	public boolean equals(Object obj) {
		return true;
	}
//	@Override
//	public int hashCode() {
//		return 100;
//	}
}

public class Hoo {

	int no;
	String name;
	
	public Hoo(int no, String name) {
		this.no = no;
		this.name = name;
	}
	
	@Override
	public boolean equals(Object obj) {
		if (obj instanceof Hoo) {
			Hoo h = (Hoo) obj;
			if (h.getNo() == getNo() && h.getName() == getName()) {
				return true;
			}
		}
		return false;
	}

	@Override
	public int hashCode() {
		//实现自己的hashCode,在HashSet中可以避免添加“重复”对象
		return getNo();
	}
	public int getNo() {
		return no;
	}

	public String getName() {
		return name;
	}

public class Test {
	
	public static void main(String[] args) {
		//原生数据类型
		int a = 10;
		long b = 10;
		double c = 10;
		System.out.println("a==b:" + (a == b));//true.基本数据类型不能使用equals
		System.out.println("a==c:" + (a == c));//true
		System.out.println("c==a:" + (c == a));//true
		//包装类
		Integer i=100;   
		Integer j=100;   
		Double d = 100d;
		System.out.println("i==j: " + (i == j));  // true
		System.out.println("i.compareTo(j): " + i.compareTo(j));//0
//		System.out.println(i==d);  // 编译失败:Incompatible operand types Integer and Double
		System.out.println("i.equals(d): " + i.equals(d));
		//不同的引用类型之间比较
		Foo f = new Foo();
		Goo g = new Goo();
		Goo g1 = new Goo();
		System.out.println("f = " + f + "----g = " + g);
//		System.out.println("f == g : " + (f == g));//编译失败:incompatible operand types Foo and Goo
		System.out.println("g == g1 : " + (g == g1));//false
		System.out.println("g.equals(g1) : " + g.equals(g1));//true
		System.out.println("f.equauls(g) :  " + f.equals(g));//true
		//同类型不同对象之间的比较
		Hoo h1 = new Hoo(20, "hoo");
		Hoo h2 = new Hoo(20, "hoo");
		System.out.println("h1 == h2 : " + (h1 == h2));//false
		System.out.println("h1.equals.(h2) : " +  h1.equals(h2));//true
	}

}


LinePhone3.2.7(android端最新版本) sip客户端 SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/ 立即下载

相关推荐

threekingdoms.txt中文三国演义下载及实现人物出场统计

threekingdoms.txt全文下载:https://python123.io/resources/pye/threekingdoms.txt CalThreeKingdomsV1.py: #CalThreeKingdomsV1.py import jieba txt = open("threekingdoms.txt", "r", encoding = "utf-8").read() words = jieba.lcut(txt) counts = {} for word in words:

ZYYRWish_97的博客 1万+

java - ==与equals() 的区别

equals() 1.是一个方法,而非运算符 2.只适用于引用数据类型 3.Object 类中定义的equals()和==的作用是相同的,比较两个对象的地址值是否相等 4.像String和包装类都是重写Object类的equals方法,重写以后比较的不是两个对象的地址值是否相同 而是数据值是否相等 5.自定义类如果要使用equals方法的话,通常比较的是数据是否相等 我们就需要对equals方法进行重写 ...

QWQAWAA的博客 289

携程登录风控逆向踩坑实录:从滑块到点选验证码,我是如何一步步拿到phantom-token的

本文详细解析了携程登录风控系统的逆向过程,从滑块验证码到点选验证码的破解,再到设备指纹生成和加密协议逆向,最终成功获取phantom-token。文章提供了关键代码示例和实战技巧,帮助开发者理解并绕过复杂的风控机制。

weixin_28049429的博客 968

equals方法

 equals方法的重要性毋须多言,只要你想比较的两个对象不愿是同一对象,你就应该实现equals方法,让对象用你认为相等的条件来进行比较.下面的内容只是API的规范,没有什么太高深的意义,但我之所以最先把它列在这儿,是因为这些规范在事实中并不是真正能保证得到实现.   1.对于任何引用类型, o.equals(o)==true 成立.   2.如果 o.equals(o1)==true 成立,那

dongliheng的专栏 1289

手把手教你用STM32标准库写一个能OTA升级的Bootloader(附完整代码)

本文详细介绍了如何使用STM32标准库开发支持OTA无线升级的Bootloader系统,包括Flash分区规划、Bootloader核心实现、无线升级流程及安全校验机制。通过实战代码示例,帮助开发者快速掌握STM32固件升级技术,提升物联网设备的远程维护能力。

weixin_30181209的博客 262

一分钟教会你搭建steam新游幻兽帕鲁服务器

总结: 游戏对服务器搭建要求相对较高、且对服务器网络协议有要求不能封堵UDP、多开、游戏运行久、同时在线人数多了这些会很吃内存 我自己用的64G内存多开4区测试玩家同时在线50多人的情况下内存已经跑满了、对于想用服务器搭建联机的小伙伴建议根据开区数量以及玩家人数去选择配置、当然也可以直接找我阿杰购买、我可以提供技术搭建服务。注:如果用的是本地电脑局域网搭建直接输入127.0.0.1:8211就行 如果用的是服务器搭建输入自己服务器IP+端口或解析的域名+端口进入游戏。

用最简单的方式说最重要的事!服务器、存储、云计 算、A智能的大数据产品、游戏开发技术。致力于广 大开发者、政企用户、各项机构等,构建云上世界提供全方位云计算解决方案。旨在打造差异化的开放式闭环生态系统帮助用户快速构建稳定、安全的云计算环境。 2233

==和equals区别

1、对于基本数据类型,“==”比较的是两者的值是否相等2、对于引用类型,“==”比较的是引用地址是否相同(即是否是同一辆汽车,注意:只有一辆汽车)3、(1)Object中的equals()方法和“==”功能一样public boolean equals(Object obj)指的是其他某个对象是否与此对象相等。返回true值的equals需要满足:对于任何非空引用值x,y,z自反性:x.equal...

Alice_0_0的博客 623

GEOS-Chem笔记——模式下载安装+驱动数据+运行流程

看过我博客的会发现我写了很多CESM的笔记,但是说实话,平时科研我其实更多时候是GEOS-Chemuser。之所以写了很多CESM笔记,其实是因为不会,就边学边写。然后GEOS-Chem已经用比较熟了,所以也没想过做笔记啥的。但是我发现越来越多朋友私信我各种CESM问题,我觉得我可能给大家营造了一种我是CESM达人的错觉。感觉自己有点跑偏了呢。公平起见,我觉得我有必要补充点GEOS-Chem笔记。 GEOS-Chem是研究大气化学的人常用的大气化学传输模式,在全世界范围的大气化学研究组中被广泛使用。不过.

砍柴姑娘Jourosy的博客 1万+

Equals小结

在看《net框架》,看到关于重写Equals这里,现在总算明白原来==并不是Equals呵呵,以前我以为它们就是一回事情。总结了下笔记:自己先写个类using System;            ///     /// 用来测试定义object.Equals    ///     ///     ///     created by - my    ///     created on - 20

不是程序员 1348

人工智能的未来:从弱 AI 到通用人工智能(AGI)

从最初的简单自动化程序,到如今的深度学习大模型(如 ChatGPT、DeepSeek、Grok),AI 逐步从弱人工智能(Weak AI)向更智能、更自主的方向发展。AI 的发展将影响就业市场,取代重复性、低技能的工作,同时创造新的高技能岗位。尽管深度学习带来了巨大的进步,但它仍然依赖大量标注数据进行训练,对新环境的泛化能力有限,这也是当前 AI 迈向 AGI 的关键障碍之一。本文将探讨 AI 从弱 AI 进化到 AGI 的可能性,分析目前 AI 技术的局限性,并展望未来 AI 在各个行业的影响。

qq_20245171的博客 1万+

达梦数据库与sharding-jdbc的深度适配实践

本文详细介绍了达梦数据库与sharding-jdbc的深度适配实践,包括驱动与依赖管理、核心适配实现、注册与配置等关键步骤。通过扩展shardingSphere的方式,成功实现了达梦数据库的分库分表功能,并提供了常见问题解决方案和性能优化建议,助力企业级应用高效处理海量数据。

weixin_30300225的博客 623

java基础--常犯错误(一)

一、equal()和== 1、如果 Object o 非 null,那么 o.equals(null) 恒等于 false,即 null 不等于任何非 null 对象。 2、== 是个运算符,表示内存地址是否相同。 从Object类中equals的实现来看,原始的equals方法跟==是等价的。 3、基本数据类型 如 byte, char, short, int, long, float...

Alex十年的博客 551

Qt 侧边菜单栏+堆叠窗口stackedWidget

效果如下:环境:Qt 6.6.2 MSVC2019 64bit。

weixin_41033231的博客 1567

java中equals和==的使用区别

在比较equals和==之前我们先了解一下equals: 了解equals() equals方法是基类Object中的方法,因此对于所有的继承于Object的类都会有该方法。我们观察源码: 很显然,在Object类中,equals方法是用来比较两个对象的引用是否相等,即是否指向同一个对象。但是我们发现以下代码输出结果为true。 String a = new String("aaa"); String b = new String("aaa"); System.out.println(a.e.

x瓜皮的博客 2130

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")

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

equals和==的区别

== 当比较对象的时候:比较的是栈内存中存放在堆内存中的地址,比较两个对象的地址是否相同(也就是比较两个变量是否指向 同一个对象。 当比较基本数据类型时候(byte,short,int,long,char,double,folat,boolean):则直接比较值。 举例:inti=1; int j=1; i==j结果为t...

来杯Java 1998

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

关于Java中的equals()和==

考虑下面这段代码的输出: String s1=new String("abc"); String s2=new String("abc"); System.out.println(s1==s2); System.out.println(s1.equals(s2)); 结果为:false true

SiSimmons的博客 307

== 和 equals 的区别是什么?

== 和 equals 的区别是什么? = =解读 对于基本类型和引用类型 == 的作用效果是不同的,如下所示:  基本类型:比较的是值是否相同;  引用类型:比较的是引用是否相同; 代码示例: String x = “string”; String y = “string”; String z = new String(“string”); System.out.println(x= =y...

qq_44843736的博客 456

java中equals方法的用法以及==的用法

equals 方法是 java.lang.Object 类的方法。有两种用法说明:(1)对于字符串变量来说,使用“==”和“equals()”方法比较字符串时,其比较方法不同。“==”比较两个变量本身的值,即两个对象在内存中的首地址。“equals()”比较字符串中所包含的内容是否相同。比如:String s1,s2,s3 = "abc", s4 ="abc" ;s1

永不放弃 2万+

java:==操作符和equals方法 ,string对象的创建

==操作符和equals方法 ==操作符: 1.基本类型比较值:只要俩个变量的值相等,则为true 2.引用类型比较引用(是否指的是同一个对象),是同一对象,==才返回true 例: Person p1=new Person(); Person p2=new Person(); System.out.println(p1==p2); 结果为false Person p1=new Person()...

weixin_46037153的博客 211

String用==和equals两种方式比较的区别

文章目录==equals总结 == 面试的时候经常会遇到让你说明==和equals的区别,通常会拿String类做举例,比如下面代码: public class Test { public static void main(String[] args) { String s1="hello world"; String s2="hello world"; ...

C.W.J 1519

Java中的equals()与==的区别与用法

Object 类的 .equals() 方法默认采用的是“”操作符和 .equals() 方法的功效就完全一样——比较两个对象的内存地址是否相等。但实际情况中,有不少类重写了 .equals() 方法,因为比较内存地址的要求比较严格,不太符合现实中所有的场景需求。拿 String 类来说,我们在比较字符串的时候,的确只想判断它们俩的内容是相等的就可以了,并不想比较它们俩是不是同一个对象。

heromps的博客 1073

java中的==操作符与equals方法

==操作符与equals方法的区别:    ==是引用类型比较引用(也就是比较内容和地址);基本类型比较值;    equals()方法只能比较引用类型,"=="可以比较引用类型及基本类型;    特例:当用equals()方法进行比较时,对类File、String、Date及封装类(Wrapper包装 Class)来说,             是比较类型及内容而不考虑引用的是否

wanghui20091129的专栏 2044

从头再学java系列之【equals方法和==的区别】及其源码分析

equals()方法和 == 的区别即源码分析(equals方法的源码是基于String类的)

weixin_44750790的博客 294

Java中的==操作符和equals方法

==操作符: 比较基本数据类型的时候比较值,只要两个变量的值相等,即为true; 比较引用类型的时候比较引用(是否指向同一个对象),比较是对象的内存地址,只有指向同一个对象时,==才返回true Person p1 = new Person(); Person p2 = p1;这种情况才会返回true ==操作符比较对象时,两边的数据类型必须兼容,否则会编译出错 equals()方法: 所有类都继...

weixin_39420175的博客 203

浅谈Java中的equals和==

本文转载 作者:Matrix海子 出处:点击此处访问原文地址 在初学Java时,可能会经常碰到下面的代码: 1 String str1 = new String("hello"); 2 String str2 = new String("hello"); 3 4 System.out.println(str1==str2); 5 System.out.println(str1...

真香号 233

Java中==与equals的区别有哪些

Java中升入理解equals和==的区别,对于基本数据类型和引用数据类型的不同,而比较的不同。

qq_45830276的博客 863

java中equals以及==的用法(简单介绍)

简单介绍 equals方法是java.lang.Object类的方法 有两种用法说明: 一、对于字符串变量来说,使用“==”和“equals()”方法比较字符串时,其比较方法不同。 1、“==”比较两个变量本身的值,即两个对象在内存中的首地址。 (java中,对象的首地址是它在内存中存放的起始地址,它后面的地址是用来存放它所包含的各个属性的地址,所以内存中会用多个内存块来存放对象...

Jaylon Wang的专栏 318
上一篇: 修复Linux引导(二):unknown filesystem,引导菜单无法启动系统,使用LiveCD修复
下一篇: Java:方法与引用类型
snow4dev
博客等级 码龄15年 8粉丝 28原创
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
 
 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