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

IntelliJ IDEA 2020.2 EAP2 发布,支持 Linux 上的 Emoji

ztj100 2025-01-14 19:10 18 浏览 0 评论

来自:https://www.oschina.net/news/116258/intellij-idea-2020-2-eap2-released

IntelliJ IDEA 发布了 2020.2 的第二个抢鲜体验版本,用户同样可以免费使用 IntelliJ IDEA Ultimate 的 EAP 构建,有效期 30 天。

Java 使用数据流分析来分析异常堆栈跟踪

为了使用户更容易调查 Java 程序失败的原因,新版本在异常堆栈跟踪分析中添加了数据流分析功能。IDE 将帮助用户准确找出导致变量具有意外值的原因。

当单击堆栈跟踪时,IDE 可能会导航到发生异常的相关位置(而不仅仅是行首)。 现在,此功能得到了改进,以支持更多的异常类型,特别是 ClassCastException 和 NullPointerException。另外,在某些情况下,IDE 可能会建议从堆栈跟踪中导航时启动“到此处的数据流”(Dataflow to here)分析。

现在可以按目标值过滤“到此处的数据流”。例如,可以指定目标值为 null、true 或 false,枚举常量、字符串常量或整数常量。 在这种情况下,分析将不会显示无法显示给定值的路径。

在这方面的另一项改进是更好的 NPE 分析,这要归功于 Java 14 中引入的对有用 NullPointerExceptions 功能的支持。 只需使用 XX:+ShowCodeDetailsInExceptionMessages option 选项运行程序即可使用。

现在,IDE 会在可能的情况下将新的 NPE 消息解析为确切的 NPE 原因,并在从堆栈跟踪导航到代码时将插入符号移动到相关位置。

此版本还支持 IntelliJ IDEA 的参数 NotNull 工具,因此,即使有多个 @NotNull 参数,也可以导航到合适的参数。

Linux 上的 Emoji 支持

即将发布的 IntelliJ IDEA 2020.2 将在 Linux 上正确处理 Unicode emoji 字符。

JCEF

从 v2020.2 开始,IntelliJ Platform 插件将弃用对 JavaFX 运行时的支持。 这是因为使用 JavaFX(通过 JFXPanel)在 Swing 应用程序中实现 UI 具有一些限制,这些限制已导致性能和呈现问题。

作为 JavaFX API 的替代,新版本会提供与 JCEF 的新集成。JCEF 是 CEF 框架的 Java 端口,用于使用 Swing 将基于 Chromium 的浏览器嵌入应用程序中。

JCEF 是 JavaFX 的绝佳替代品,因为它将提供更好的稳定性和性能。它还将使实现在 IDE 中显示 Web 内容的新功能更加容易。

发布公告: https://blog.jetbrains.com/idea/2020/06/intellij-idea-2020-2-eap2-is-here-with-advanced-exception-stack-trace-analysis-emoji-support-on-linux-and-more/

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: