技术

Python ioc 从0到1构建一个db 上下文记忆 agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
上下文记忆 agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

《jdk8 in action》笔记

2018年03月13日

简介

why java8 change?

  1. Changing computing background: multicore and processing large datasets (big data)。 Java was previously lacking, to exploit multicore parallelism in an easy way.
  2. Pressure to evolve: new architectures favor functional style over imperative
  3. Introducing core new features of Java 8: lambdas, streams, default methods

简单说,为应对多核、大数据的需求, 函数式编程的普及,java8 推出了自己的应对方案:lambdas, streams, default methods。

摸清楚这三个东西的来龙去脉,基本对java8 就 纲举目张。

Stream

流提供了一种可以在比集合更高的概念 级别上指定计算的数据视图,用“做什么而非怎么做”的方式处理集合。从代码层面上,for 循环是最难读的代码之一。

From a slightly revisionist viewpoint, the addition of Streams in Java 8 can be seen as a direct cause of the two other additions to Java 8: concise techniques to pass code to methods (method references, lambdas) and default methods in interfaces.

一个不准确的说法,java8 为了支持 Stream,加入了method references, lambdas和default methods。

Collection 只负责数据存取,Stream 负责数据处理(在之前的java 版本中,Collections 提供了部分数据处理功能)

stream 有几个要点:

声明式处理

supports many parallel operations to process data and resembles the way you might think in database query languages—you express what you want in a higher-level manner, and the implementation (here the Streams library) chooses the best low-level execution mechanism.

Collections is mostly about storing and accessing data, whereas Streams is mostly about describing computations on data.

也就是说,stream 像一个sql 解释和执行的引擎。sql 引擎用来处理数据库记录,而stream 用来处理 sequenced data

a higher level of abstraction, structuring your thoughts of turning a stream of this into a stream of that (similarly to how you think when writing database queries) rather than one item at a time。 将自己的思路放在如何处理一个流,而不是每次一个 item。

应对大数据的需求,再来看spark 的dataset 概念,就有点一脉相承的意思了。进而 如何提高处理能力?多线程。operations such as filter (or sorted, map, and collect) are available as high-level building blocks that don’t depend on a specific threading model。这一点其实对于netty 感触挺深的,netty也是提供自己的抽象,隐藏掉 线程模型。

流式处理

Java如何支持函数式编程?假设我们要计算这样一个表达式:(3-1)*2+5。如果按照普通的函数调用的方式写出来 就是add(multiply(subtract(3,1),2),5);不过,这样编写代码看起来会比较难理解,我们换个更易读的写法subtract(3,1).multiply(2).add(5);,在Java中,“.”表示调用某个对象的方法。为了支持上面这种级联调用方式,我们让每个函数都返回一个通用的Stream类对象。在Stream类上的操作有两种:中间操作和终止操作。中间操作返回的仍然是Stream类对象,而终止操作返回的是确定的值结果。

类似于linux的管道 cat file1 file2 | tr "[A-Z]" "[a-z]" | sort | tail -3

  1. sort takes a stream of lines[3] as input and produces another stream of lines as output
  2. sort can be processing the first few lines before cat or tr has finished. cat 还没处理完,sort 就已经开始工作了,这个还是第一次知道
  3. 被透明的放在多个cpu上并行执行

就像汽车流水线 car-manufacturing assembly line 一样

在Stream中,tr和sort 可能在一个循环中执行,在pipeline 结束之前,tr 等操作并没有真正开始执行,有点builder pattern的味道,这也是为什么要 支持pass code(下节会讲),否则就是 build 模式 传递一堆策略对象了。Stream 操作首先要经过中间操作 构建流式计算的管道数据结构(ReferencePipeline),然后执行“终止操作”触发执行。

tips

  1. for-each 之类是iterator的语法糖,stream(internal iteration)用来替代iterator(external iteration)
  2. bounded/unbounded
  3. intermediate operations/terminal operations(一部分),都可以并发执行

lambda

Java8 Lambda实现源码解析 值得细读。

Lambda表达式包括三部分:输入、函数体、输出。表示出来的话就是下面这个样子:

(a, b) -> { 语句1语句2...; return 输出; } //a,b是输入参数

实际上,Lambda表达式的写法非常灵活。上面给出的是标准写法,还有很多简化写法。比如,如果输入参数只有一个,可以省略 (),直接写成 a->{…};如果没有入参,可以直接将输入和箭头都省略掉,只保留函数体;如果函数体只有一个语句,那可以将{}省略掉;如果函数没有返回值,return语句就可以不用写了。

  1. 在java8 中,method 被提升为“第一公民”,也就有了method refrence。 那么进一步,java8 让function 也作为“第一公民”。而lambda,就是一个 Lambdas—anonymous functions。在此之前,要达到这种效果,只能将method wrap 成一个 其它第一公民(比如interface)来传递。
  2. A lambda expression can be understood as a kind of anonymous function: it doesn’t have a name, but it has a list of parameters, a body, a return type, and also possibly a list of exceptions that can be thrown.
  3. method 作为第一个公民,可以作为值(Class:Function)来回传递,但毕竟还是要method 先存在(也就是method definition)。如果method body 不长或只要一次的话,function code 可以直接作为值,也省得debug 时跳来跳去了。
  4. 但反过来说,method reference 又是 function 的简化,即Apple:getWeight(Apple a) -> a.getWeight() 的简化。method reference 传递时,可以不需要参数,因为传递时并没有真的执行方法。
  5. method 会操作 mutable shared objects,多线程运行method 会有线程安全问题。而对于 function 来说,no interaction during execution between components.
  6. lambda 可以减少 方法和类的个数。因为java8 之前经常有一种场景,为了一个简单的功能,搁哪都不自在,专门写了一个静态工具类和静态函数。而对于只有一个函数的接口(functional interface),它的所有实现类 可以用lambda表示,作为一个类的成员存在。
  7. If a lambda has a statement expression as its body, it’s compatible with a function descriptor that returns void. 所以 Predicate<String> p = s -> list.add(s); 是合法的

behavior parameterization pattern

  1. 从重构和clean code的角度看,不允许代码重复。粗粒度的重复好解决,但细粒度的重复则比较纠结。比如就是一个for循环,对每个元素做的事儿略微不同,此时抽取一个接口并没有少写代码,提出新的接口也影响理解。
  2. pass code to method: 两个方法只有一小部分不一样,传统方式:公共部分抽取,不一样的部分保留。新的方式,不一样的部分作为一个behavior parameter 传入到方法中。这个behavior parameter 跟函数式编程中的函数的概念 是很像的。
  3. behavior parameterization pattern(对应的一个词 value parameterization),it makes your code more adaptive to requirement changes

function interface C语言支持函数指针,它可以把函数直接当变量来使用。但是,Java没有函数指针这样的语法。所以它通过函数接口,将函数包裹在接口中,当作变量来使用。函数式接口有什么用呢?一句话,函数式接口带给我们最大的好处就是:可以使用极简的lambda表达式实例化接口。

  1. You can use a lambda expression in the context of a functional interface(@FunctionalInterface)(only one abstract method,even though if it has many default methods).
  2. treat the lambda expression as an instance of a functional interface. 将 lambda 作为 functional interface的实例,因此呢,lambda 除了可以使用,还可以作为返回值。
  3. Java 8 have helped you by introducing several new functional interfaces inside the java.util.function package

当在说“第一公民”的时候,在说什么? 类型系统、类型推断等等

Some languages such as Scala provide explicit type annotations in their type system to describe the type of a function (called function types). Java reuses existing nominal types provided by functional interfaces and maps them into a form of function types behind the scenes. java 没有提供 类似 scala 的 function 关键字来专门表示函数类型。不标记类型,如何进行类型检查呢? 既然给了第一公民待遇,配套的类型检查如何进行呢? 靠推断。 不仅 lambda 表示的类型可以推断,lambda 表达式参数的类型也可以推断。也就是 List<Apple> apples = xx.filter(a -> a.getWeight() > 150) a 的类型可以不写。

其内在逻辑据猜测:lambda表达式 (type args) -> {} ==> 参数类型可以推断 args -> {}==> 参数和方法的 匹配可以推断 xx:function_name

小结一下,lambda 包括以下要点:

  1. behavior parameterization pattern
  2. 第一公民
  3. lambda 是什么类型? lambda 类型是推断出来的,看assignment context
  4. function interface,function descriptor . 例如 the Comparator(比较器接口) represents a function descriptor (T, T) -> int
  5. 使用外部变量的一些限制 ==> 闭包 ==> java8 实现了一个“不完整的”闭包
  6. lambda 和 方法引用的替代关系。
  7. 简化设计模式代码,比如策略模式,就可以简化为一个 Map<StrategyName,Function<T,R>>
  8. 以前说重构,都是抽取类啥的。方法作为第一公民后,抽取方法也是很有意义的,并且抽取的 方法附着在类上就可以,不用作为静态方法。比如Integer 1.8 提供sum方法,就是为了 很多场合可以用Integer::sum

Lambda表达式与匿名类的异同集中体现在以下三点上:

  1. Lambda就是为了优化匿名内部类而生,Lambda要比匿名类简洁的多得多。
  2. Lambda仅适用于函数式接口,匿名类不受限。
  3. 即匿名类中的this是“匿名类对象”本身;Lambda表达式中的this是指“调用Lambda表达式的对象”。

default methods

enables interfaces and their libraries to evolve with less fuss(大惊小怪) and less recompilation。比如java8 的每个集合都有stream方法,但是对于java8 维护者来说,如果将stream方法加入到 Collection 接口中,则所有实现Collection 接口的类都要提供stream实现,否则他们的代码在 java8下无法编译通过。

此时,只能将stream方法的实现加入到 Collection 接口中,也就是default method。

a functional interface contains only one abstract method;default methods are non-abstract methods. 有了default method助攻,functional interface 也是可以有多个方法的。

default methods 变相支持了多继承,将一个类的功能 正交的分摊在多个interface上实现,有利于增加复用,每个类也变得更简洁。

tips

  1. 一般人 有兴趣学习java8 是从 听说lambda开始的,进而进入到一堆lambda的细节中。
  2. 函数式编程的两个要点是什么?no shared mutable data and the ability to pass methods and functions—code—to other methods。前者线程安全,后者简化代码,所以函数式编程,天然的能够充分利用多核cpu。
  3. 假设java8 引入了10个特性,那么有的是基石,有的是基于基石的封装。越底层越基础,越上层抽象层次越高,反映了java8的一些理念。
  4. 笔者最近面试,问java的题目,基本就是集合、多线程、io、jvm这块。那么反过来可以说,一个编程语言,评价其优劣,也是集合、多线程、io这几块。
  5. lambda 在很大程度上可以替换内部类,但两者是不同的。比如this 和 super 关键字 在内部类 中的指向 和在 lambda 中的指向(lambda 所在的)就不同。
  6. 什么东西最容易变化,就抽象什么

小结

  1. 《java in action》 每章的总结就写的挺好的
  2. java8 提高了可读性,部分解决了 harder to read than to write
  3. 有了lambda之后,以前很多可抽可不抽的逻辑(有两三次复用,但抽取一个接口略麻烦),现在因为抽取出来比较方便,便抽取了。

问题:

  1. lambda 是什么? 是anonymous functions。lambda 会 generate an instance of a functional interface,因此可以赋给 一个 function interface reference。 但是拿着 这个 interface reference 赋值时,比如Map.put(xx,interface reference) 会说 这个 interface reference 不能被 forward,为什么?

Java如何支持函数式编程?Java为函数式编程引入了三个新的语法概念:Stream类、Lambda表达式和函数接口(Functional Inteface)。Stream类用来支持通过“.”级联多个函数操作的代码编写方式;引入Lambda表达式的作用是简化代码编写;函数接口的作用是让我们可以把函数包裹成函数接口,来实现把函数当做参数一样来使用(Java 不像C那样支持函数指针,可以把函数直接当参数来使用)。