百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

JavaSE面试题(1) javaee面试题

ztj100 2024-12-20 19:51 24 浏览 0 评论

1.什么是Singleton?

Singleton:在Java中即指单例设计模式,它是软件开发中最常用的设计模式之一。

单:唯一 例:实例 单例设计模式,即某个类在整个系统中只能有一个实例对象可被获取和使用的代码模式。

要点

例如:代表JVM运行环境的Runtime类

一是某个类只能有一个实例; 构造器私有化

二是它必须自行创建这个实例; 含有一个该类的静态变量来保存这个唯一的实例

三是它必须自行向整个系统提供这个实例; 对外提供获取该实例对象的方式:

(1)直接暴露

(2)用静态变量的get方法获取

几种常见形式

饿汉式:直接创建对象,不存在线程安全问题 直接实例化饿汉式(简洁直观) 枚举式(最简洁) 静态代码块饿汉式(适合复杂实例化)

懒汉式:延迟创建对象 线程不安全(适用于单线程) 线程安全(适用于多线程) 静态内部类形式(适用于多线程)

总结

如果是饿汉式,枚举形式最简单 如果是懒汉式,静态内部类形式最简单

2,如下代码的运行结果:

public static void main(String[] args) {

int i = 1;

i = i++;

int j = i++;

int k = i + ++i * i++;

System.out.println("i=" + i);

System.out.println("j=" + j);

System.out.println("k=" + k)

2.1

      i = i++;

2.22

   int j = i++;

实际先算哪个,看运算符优先级

赋值=,最后计算 =

右边的从左到右加载值依次压入操作数栈

实际先算哪个,看运算符优先级

自增、自减操作都是直接修改变量的值,不经过操作数栈

最后的赋值之前,临时结果也是存储在操作数栈中

建议:《JVM虚拟机规范》关于指令的部分

3,

?

?

考点

类初始化过程

实例初始化过程

方法的重写

类初始化过程

一个类要创建实例需要先加载并初始化该类

“main方法所在的类需要先加载和初始化”

一个子类要初始化需要先初始化父类

一个类初始化就是执行<clinit>()方法

“<clinit>()方法由静态类变量显示赋值代码和静态代码块组成 类变量显示赋值代码和静态代码块代码从上到下顺序执行 <clinit>()方法只执行一次”

实例初始化过程

实例初始化就是执行<init>()方法

<init>()方法可能重载有多个,有几个构造器就有几个<init>方法

<init>()方法由非静态实例变量显示赋值代码和非静态代码块、对应构造器代码组成

非静态实例变量显示赋值代码和非静态代码块代码从上到下顺序执行,而对应构造器的代码最后执行

每次创建实例对象,调用对应构造器,执行的就是对应的<init>方法

<init>方法的首行是super()或super(实参列表),即对应父类的<init>方法

方法的重写Override

哪些方法不可以被重写

-final方法

-静态方法

-private等子类中不可见方法

对象的多态性对象的多态性

-子类如果重写了父类的方法,通过子类对象调用的一定是子类重写过的代码

-非静态方法默认的调用对象是this this

-对象在构造器或者说<init>方法中就是正在创建的对象

Override和Overload的区别?

Override重写的要求?

(方法名 、形参列表 、返回值类型 、抛出的异常列表、 修饰符 )

了解《JVM虚拟机规范》中关于<clinit>和<init>方法的说明、invokespecial指令


cial指令

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: