当前位置: 首页 > news >正文

如何高效解决 Java 内存泄漏问题方法论

目录

一、系统化的诊断与优化方法论

二、获取内存快照:内存泄漏的第一步

(一)自动生成 Heap Dump

(二)手动生成 Heap Dump

三、导入分析工具:MAT 和 JProfiler

(一)MAT (Memory Analyzer Tool)

(二)JProfiler

(三)自身企业工具

四、深入分析:逐步排查内存泄漏

(一)分析 Dump Diff:内存差异对比

(二)分析 Leak Suspects:自动检测疑似泄漏对象

(三)分析 Top Components:识别内存占用大户

(四)分析 Unreachable:查找无法访问的对象

五、判断是否存在内存泄漏:确认问题

六、优化代码:解决内存泄漏

(一)显式释放资源

(二)避免静态引用

(三)优化数据结构和集合类

七、确保垃圾回收正常工作

八、总结:高效解决内存泄漏问题的完整流程


干货分享,感谢您的阅读!

在现代 Java 应用中,内存泄漏是一个常见且棘手的问题,特别是在长时间运行的应用中。内存泄漏的发生通常是因为程序中的对象不再使用,但由于引用链的存在,GC(垃圾回收器)无法回收这些对象,从而导致内存占用不断增加,最终可能引发应用崩溃或性能严重下降。及时发现和处理内存泄漏对于保证应用的稳定性和性能至关重要。

 历史主要基本文章回顾:

涉猎内容具体链接
Java GC 基础知识快速回顾Java GC 基础知识快速回顾-CSDN博客
垃圾回收基本知识内容Java回收垃圾的基本过程与常用算法_java垃圾回收过程-CSDN博客
CMS调优和案例分析CMS垃圾回收器介绍与优化分析案列整理总结_cms 对老年代的回收做了哪些优化设计-CSDN博客
G1调优分析Java Hotspot G1 GC的理解总结_java g1-CSDN博客
ZGC基础和调优案例分析垃圾回收器ZGC应用分析总结-CSDN博客

从ES的JVM配置起步思考JVM常见参数优化

从ES的JVM配置起步思考JVM常见参数优化_es jvm配置-CSDN博客

深入剖析GC问题:如何有效判断与排查

深入剖析GC问题:如何有效判断与排查_排查java堆中大对象触发gc-CSDN博客

动态扩缩容引发的JVM堆内存震荡调优指南

动态扩缩容引发的JVM堆内存震荡:从原理到实践的GC调优指南

显式 GC 的使用:留与去,如何选择?

显式 GC 的使用:留与去,如何选择?

过早晋升的识别与优化实战

Java垃圾回收的隐性杀手:过早晋升的识别与优化实战

如何选取合适的 NewRatio 值

如何选取合适的 NewRatio 值来优化 JVM 的垃圾回收策略

解决 CMS Old GC 频繁触发

解决 CMS Old GC 频繁触发优化 Java 性能的技术方案

避免 CMS GC退化操作

分析CMS GC退化为单线程串行GC模式的原因与优化

堆外内存 OOM优化方案

堆外内存 OOM:现象分析与优化方案

解决单次 CMS Old GC 耗时长问题

单次 CMS Old GC 耗时长问题分析与优化

高效解决MetaSpace OOM 问题

深入剖析 MetaSpace OOM 问题:根因分析与高效解决策略
高频面试题汇总JVM高频基本面试问题整理_jvm面试题-CSDN博客

一、系统化的诊断与优化方法论

解决内存泄漏问题并不简单,它需要一套系统化的诊断与优化方法。本文将通过一个详细的流程图,为您提供一个完整的内存泄漏排查与优化的思路。我们将从获取内存快照、使用专业分析工具、诊断潜在问题到代码优化的每个步骤进行详细讲解,帮助您高效地识别和修复内存泄漏。

二、获取内存快照:内存泄漏的第一步

内存快照Heap Dump,是在某一时刻 JVM 堆内存的快照。它包含了堆中所有对象的详细信息,包括对象的类型、大小、引用关系等。通过分析这些快照,开发者可以找到可能导致内存泄漏的对象。获取 Heap Dump 文件的方式有多种,常见的几种方法包括:

(一)自动生成 Heap Dump

可以通过 JVM 参数 -XX:+HeapDumpOnOutOfMemoryError 来自动生成内存快照。当 JVM 因内存溢出错误而崩溃时,JVM 会自动生成 Heap Dump 文件。

(二)手动生成 Heap Dump

可以使用 Java 提供的命令行工具 jmap 或 Java VisualVM 来手动生成 Heap Dump 文件。具体命令如下:

jmap -dump:live,format=b,file=heapdump.hprof <pid>

上述命令会根据进程 ID(PID)生成内存快照文件 heapdump.hprof

通过生成内存快照,我们能够获取到 JVM 内存中的实时数据,为后续的内存泄漏分析做好准备。

三、导入分析工具:MAT 和 JProfiler

在获得内存快照后,我们需要借助专业的内存分析工具来分析内存中的对象。这些工具能帮助我们快速找到内存泄漏的源头。

(一)MAT (Memory Analyzer Tool)

广泛用于分析 Java 程序的内存使用情况,特别是在分析内存泄漏时,MAT 的功能尤为强大。MAT 提供了一些关键功能,能够帮助开发者快速定位问题:

  • Dump Diff:通过对比两次不同时间点的内存快照,MAT 可以帮助我们发现内存增长的具体部分。通过查看哪些对象在内存快照之间的增长最多,开发者能够识别出最可能的内存泄漏源。

  • Leak Suspects:MAT 会自动扫描内存快照并生成 Leak Suspects(泄漏怀疑)报告,帮助开发者识别可能存在内存泄漏的对象。

  • Top Components:MAT 能够展示占用最多内存的对象分类,从而帮助开发者关注最有可能导致内存泄漏的类和对象。

  • Unreachable Objects:MAT 会列出那些无法访问但没有被垃圾回收器回收的对象。这些对象通常是内存泄漏的直接证据。

(二)JProfiler

JProfiler 是一个集成了内存分析、CPU 性能分析、线程分析等多功能的性能分析工具。与 MAT 类似,JProfiler 也能够帮助开发者找出内存泄漏,并提供详细的分析报告。它的优势在于它的实时分析能力,可以帮助开发者在应用运行时就能发现内存泄漏问题。

(三)自身企业工具

当然最好的就是公司现有的成熟分析工具,例如我从事的两家公司:美团和支付宝。美团内部其实有手术刀,而支付宝内部有AntMonitor,建议如果有企业内部的优秀工具的话,请仔细研究一下内部的工具,因为大多时候其比开源的会更优秀。

四、深入分析:逐步排查内存泄漏

根据流程图,我们可以按以下步骤进行详细的内存泄漏排查。在这个过程中,我们将会应用不同的分析方法,以确保问题能够被快速定位。

(一)分析 Dump Diff:内存差异对比

Dump Diff 是 MAT 提供的一个非常实用的功能。它允许我们对比两次不同时间点的内存快照,帮助我们找出内存增长的区域。例如,如果某个对象在两次快照之间实例数量暴增,那么我们可以合理推测它可能是内存泄漏的源头。

  • 实际应用:如果您在应用运行过程中发现了内存泄漏的迹象,通过 Dump Diff 比较内存快照,您可以看到哪些对象实例的数量不断增加,从而快速定位内存泄漏问题。

(二)分析 Leak Suspects:自动检测疑似泄漏对象

MAT 会自动分析堆内存并生成 Leak Suspects 报告。这个报告会列出疑似内存泄漏的对象,并帮助开发者快速定位到引发问题的根本原因。

  • 实际应用:Leak Suspects 报告通常会显示内存泄漏的对象类型及其引用链。开发者可以根据报告中的信息,进一步分析泄漏源。

(三)分析 Top Components:识别内存占用大户

MAT 提供了 Top Components 功能,可以帮助开发者查看内存中占用最多内存的对象类型。通过关注这些占用大量内存的对象,我们可以更有效地确定是否存在内存泄漏。

  • 实际应用:通过分析内存中占用最多空间的对象类型,我们可以找到应用中最容易发生内存泄漏的组件。例如,如果某些集合类或缓存类在堆内存中占用了大量空间,我们就要关注它们是否存在未清理的对象引用。

(四)分析 Unreachable:查找无法访问的对象

MAT 的 Unreachable 功能可以帮助我们找到那些不可达的对象,即在程序中无法再访问的对象,但由于某些引用链,它们并没有被垃圾回收器回收。不可达对象往往是内存泄漏的根源。

  • 实际应用:如果程序中有大量的不可达对象,且这些对象并未被垃圾回收器回收,那么这通常意味着存在内存泄漏。开发者需要仔细检查这些对象的引用链,找出泄漏原因。

五、判断是否存在内存泄漏:确认问题

通过上述分析,如果我们发现了内存不断增长且无法回收的对象,基本可以确认存在内存泄漏问题。接下来,开发者需要进一步分析这些问题对象的引用关系,查找具体的泄漏源,并准备进行优化。

六、优化代码:解决内存泄漏

内存泄漏的原因通常是因为对象未能及时释放,或者存在不必要的引用。优化代码时,我们需要采取几个步骤:

(一)显式释放资源

确保在不再需要某个对象时,显式地将其引用设为 null,或者调用对象的 close() 方法释放资源。例如,对于数据库连接、文件流等,我们需要在使用完毕后立即关闭这些资源。

(二)避免静态引用

静态引用是导致内存泄漏的常见原因之一,因为静态变量的生命周期通常与应用程序的生命周期相同。如果在静态变量中持有大量的对象引用,它们将永远无法被垃圾回收。开发者应尽量避免在静态变量中存储不再需要的对象。

(三)优化数据结构和集合类

一些集合类,如 HashMapArrayList,在不清理无用元素时容易发生内存泄漏。开发者应定期清理不再需要的对象,特别是在使用大型数据结构时。

七、确保垃圾回收正常工作

内存泄漏的问题有时并不是由代码错误引起的,而是垃圾回收机制无法正确回收对象。为了避免这种情况,开发者可以通过以下几种方式确保垃圾回收正常工作:

  • 避免循环引用:循环引用会导致对象无法被垃圾回收器回收,因此应该尽量避免。
  • 调整 JVM 参数:通过调整 JVM 的堆内存大小、选择合适的垃圾回收器(如 G1、ZGC 等)来优化 GC 的表现。

八、总结:高效解决内存泄漏问题的完整流程

通过本文的详细分析,我们展示了一套完整的内存泄漏检测与优化方法。从获取内存快照、使用专业工具进行深入分析,到通过代码优化和确保垃圾回收正常工作,我们提供了一个系统化的解决方案。希望通过这篇博客,您能够更高效地诊断并解决 Java 应用中的内存泄漏问题,提升应用的稳定性和性能。

相关文章:

如何高效解决 Java 内存泄漏问题方法论

目录 一、系统化的诊断与优化方法论 二、获取内存快照&#xff1a;内存泄漏的第一步 &#xff08;一&#xff09;自动生成 Heap Dump &#xff08;二&#xff09;手动生成 Heap Dump 三、导入分析工具&#xff1a;MAT 和 JProfiler &#xff08;一&#xff09;MAT (Memor…...

【Agent】OpenManus 项目架构分析

这是我录制的一个视频&#xff0c;主要是描述我理解的 OpenManus 的思维逻辑&#xff0c;通过这个小的思维逻辑的复现&#xff0c;为后面要再分析其他 Agent 的实现做一个准备。 1. 项目概述 OpenManus 是一个基于大语言模型的智能体框架&#xff0c;旨在提供一个无需邀请码的…...

hive-进阶版-1

第6章 hive内部表与外部表的区别 Hive 是一个基于 Hadoop 的数据仓库工具&#xff0c;用于对大规模数据集进行数据存储、查询和分析。Hive 支持内部表&#xff08;Managed Table&#xff09;和外部表&#xff08;External Table&#xff09;两种表类型&#xff0c;它们在数据…...

规模效应的三重边界:大白话解读-deepseek为例

前言&#xff1a;当Scaling Laws遇见边际递减效应 在人工智能的狂飙突进中&#xff0c;大语言模型如同不断膨胀的星体&#xff0c;吞噬着海量算力与数据。OpenAI于2020年揭开的Scaling Laws&#xff0c;曾为这场盛宴指明方向&#xff1a;模型性能随参数规模&#xff08;N&…...

考研系列-408真题计算机网络篇(18-23)

写在前面 此文章是本人在备考过程中408真题计算机网络部分&#xff08;2018年-2023年&#xff09;的易错题及相应的知识点整理&#xff0c;后期复习也常常用到&#xff0c;对于知识提炼归纳理解起到了很大的作用&#xff0c;分享出来希望帮助到大家~ # 2018 1.停止-等待协议的…...

windows协议不再续签,华为再无windows可用,将于四月发布鸿蒙PC

大家好&#xff0c;我是国货系创始人张云泽&#xff0c;最近不少小伙伴在后台问&#xff1a;“听说Windows协议要到期了&#xff1f;我的电脑会不会变砖&#xff1f;”还有人说&#xff1a;“华为笔记本以后用不了Windows了&#xff1f;鸿蒙系统能用吗&#xff1f;”今天咱们就…...

【二分算法】-- 点名

文章目录 1. 题目2. 题目解析3. 代码 1. 题目 在线oj 2. 题目解析 前四种解决方法&#xff1a; 哈希表直接遍历找结果位运算数学&#xff08;高斯求和公式&#xff09; 这四种方法的时间复杂度都是0&#xff08;N&#xff09; 第五种解决方法&#xff1a; 【二段性】&…...

强化学习 - PPO控制无人机

PPO&#xff08;Proximal Policy Optimization&#xff0c;近端策略优化&#xff09;是一种强化学习算法&#xff0c;用于训练智能体&#xff08;无人机&#xff09;如何在环境中做出决策。它本质上是 策略梯度&#xff08;Policy Gradient&#xff09;方法 的一种改进&#xf…...

【AHE数据集】 NCAR Anthropogenic Heat Flux (AHF) 数据集

数据概述 数据集由 美国国家大气研究中心(NCAR, National Center for Atmospheric Research) 的 气候与全球动力学实验室(CGD, Climate & Global Dynamics Laboratory) 提供。NCAR 由 美国国家科学基金会(NSF, National Science Foundation) 资助,并由 大学大气研究…...

Part1:基于国内源完成Kubernetes集群部署

集群规划 操作系统&#xff1a;CentOS7 内核版本&#xff1a;5.4&#xff08;需升级&#xff09; 组件版本说明操作系统内核5.4RPM方式升级docker26.1.4yum安装cri-docker0.3.16二进制安装kubeadm1.30.11yum安装kubealet1.30.11yum安装kubectl1.30.11yum安装kubectl1.30.11yu…...

强化学习的一些概念

目录 强化学习 打个比方 核心要素 State Action Reward 几个代码demo 学习目标 强化学习 强化学习&#xff08;Reinforcement Learning, RL&#xff09;是机器学习的一个分支&#xff0c;旨在让智能体&#xff08;Agent&#xff09;通过与环境的交互学习最优策略&#xff0c;以…...

花生好车:重构汽车新零售生态的破局者

在传统汽车零售行业面临消费升级与渠道变革的双重压力下&#xff0c;花生好车以颠覆性的商业模式在短短九年内崛起为行业独角兽。这家成立于2015年的汽车新零售平台&#xff0c;通过重构供应链体系、创新融资租赁模式、深耕下沉市场三大战略维度&#xff0c;正在重塑中国汽车消…...

K8S下nodelocaldns crash问题导致域名请求响应缓慢

前言 最近做项目&#xff0c;有业务出现偶发的部署导致响应很慢的情况&#xff0c;据了解&#xff0c;业务使用域名访问&#xff0c;相同的nginx代理&#xff0c;唯一的区别就是K8S重新部署了。那么问题大概率出现在容器平台&#xff0c;毕竟业务是重启几次正常&#xff0c;偶…...

实现悬浮按钮拖动,兼容h5和微信小程序

h5用js写&#xff0c;微信小程序用 代码里面没有完全实现吸附边缘的功能&#xff0c;需要吸附边缘的话还得自己再完善下&#xff08;h5的吸附边缘是可以的&#xff0c;小程序的还有点问题&#xff09; 主要功能是&#xff1a;图片上写文字的悬浮按钮&#xff0c;文字使用的是…...

SLC跨头协作机制

SLC跨头协作机制 SLC(Self-attention with Local Communication,或类似跨头协作机制)在Transformer架构中通过以下逻辑帮助注意力头优化分布: 1. 多头注意力的「独立-协作」平衡 传统多头注意力中,每个头独立计算注意力(如Query/Key/Value的线性变换),捕捉不同语义模…...

全国医院数据可视化分析系统

【大数据】全国医院数据可视化分析系统 &#xff08;完整系统源码开发笔记详细部署教程&#xff09;✅ 目录 一、项目简介二、项目界面展示三、项目视频展示 一、项目简介 &#x1f3e5; 项目名&#xff1a;医疗导航神器&#xff01;——《基于大数据的微医挂号网医院数据可视…...

Flash Attention原理讲解

目录 前言0. 简述1. self-attention2. roofline model3. 矩阵分块4. softmax分块5. FlashAttention结语参考 前言 看了几个视频和几篇文章学习了下 Flash Attention&#xff0c;记录下个人学习笔记&#xff0c;仅供自己参考&#x1f604; refer1&#xff1a;Flash Attention 为…...

python二级复习(1)

临近计算机二级考试了,开始python的复习 python语言基础: 1.用缩进表示代码块:一般用四个空格或者一个tab 2.代码的注释方法: 单行注释用“#”表示注释开始&#xff1b;多行注释是用三个英文的单引号“‘’”或双引号““”"”作为注释的开始和结束符号。 03. 标识符命…...

基于cat1的贵重物品的状态和位置小型监控系统特色解析

一 项目需求 团队研发出来一款搭载多传感器的无线cat1定位和状态监控的设备。该设备主要面对的贵重物品运输过程中的状态监控&#xff0c;比如&#xff0c;是否被打开过&#xff0c;有没有激烈碰撞&#xff0c;位置信息等。主要应用场景是医疗&#xff0c;安防等贵重物品的状态…...

Python 魔法方法介绍

在 Python 中,魔法方法(Magic Methods)是一类特殊的内置方法,它们通常以双下划线开头和结尾(例如 __init__、__str__、__add__ 等)。这些方法通常用于实现特定的语法或操作符行为,或者用于定义对象的行为。它们是 Python 面向对象编程中的一个重要特性,可以让类的行为更…...

golang time包和日期函数

1.简介 在程序中日期和时间是我们经常会用到的&#xff0c;在go中time包提供了时间的显示和测量函数。 2.获取当前时间 通过time.Now()函数获取当前时间对象&#xff0c;然后获取时间对象的年月日时分秒等值。 now : time.Now()fmt.Printf("now%v type%T\n", now…...

第7章 站在对象模型的尖端2: 异常处理

1.异常处理(Exception Handling) C的异常处理由三个主要组成部分构成&#xff1a;throw表达式、catch子句和try块。当异常被抛出时&#xff0c;程序控制权会转移&#xff0c;并且会沿着调用堆栈回溯&#xff0c;直到找到匹配的catch子句。在此过程中&#xff0c;局部对象的析构…...

不同路径——2

给定一个 m x n 的整数数组 grid。一个机器人初始位于 左上角&#xff08;即 grid[0][0]&#xff09;。机器人尝试移动到 右下角&#xff08;即 grid[m - 1][n - 1]&#xff09;。机器人每次只能向下或者向右移动一步。 网格中的障碍物和空位置分别用 1 和 0 来表示。机器人的…...

电子招采软件系统,如何实现10年可追溯审计

一、在当前经济环境下&#xff0c;中小企业面临着巨大的生存压力&#xff0c;传统产业的数字化转型迫在眉睫。AI技术为企业的低成本高效发展提供了新机会&#xff0c;混合办公成为新常态&#xff0c;数据安全法的深入落实则进一步推动企业重视数据安全。区块链存证技术凭借独特…...

TS常见内置映射类型的实现及应用场景

以下是 TypeScript 在前端项目中 常用的映射类型&#xff08;Mapped Types&#xff09;&#xff0c;结合具体场景和代码示例&#xff0c;帮助开发者高效处理复杂类型&#xff1a; 一、基础映射类型 1. Partial<T> 作用&#xff1a;将对象类型 T 的所有属性变为可选。 实…...

本地部署Deep Seek-R1,搭建个人知识库——笔记

目录 一、本地部署 DeepSeek - R1 1&#xff1a;安装Ollama 2&#xff1a;部署DeepSeek - R1模型 3&#xff1a;安装Cherry Studio 二、构建私有知识库 一、本地部署 DeepSeek - R1 1&#xff1a;安装Ollama 1.打开Ollama下载安装 未科学上网&#xff0c;I 先打开迅雷再下…...

东芝2323AMW复印机安装纸盒单元后如何添加配件选项

如何添加请看下面图示&#xff1a; 找到设备和打印机里找到打印机图标&#xff0c;右键打印机属性&#xff0c;找到配置&#xff0c;添加相应配置功能&#xff1b;打印机属性&#xff0c;加上双面或者2纸盒配件选项&#xff1b; Word打印时&#xff0c;打印机名称&#xff0c;后…...

EasyExcel动态拆分非固定列Excel表格

使用EasyExcel动态拆分非固定列Excel表格 在Excel数据解析场景中&#xff0c;​动态列结构拆分是典型挑战&#xff08;如供应链系统中不同品类的属性字段差异较大&#xff09;。传统基于POJO映射的方案无法应对列数量不固定的场景。本方案采用EasyExcel的动态模型解析和Map数据…...

开源WAF雷池本地化部署与远程查看网站安全防护的详细操作指南

文章目录 前言1.关于SafeLine2.安装Docker3.本地部署SafeLine4.使用SafeLine5.cpolar内网穿透工具安装6.创建远程连接公网地址7.固定Uptime Kuma公网地址 前言 各位建站小能手们&#xff0c;无论是想搭建个人博客、企业官网还是各种应用平台来推广自己的内容或产品&#xff0c…...

由一个话题进入DFMEA(设计失效模式及影响分析)

前言 最近看到了知乎的一个话题“为啥撞车后总是看到雨刮器在摆动&#xff1f;”&#xff0c;联想到产品设计中的一些功能安全设计&#xff0c;也借此机会学习DFMEA&#xff0c;讨论一下我个人对于DFMEA的理解。 有纰漏请指出&#xff0c;转载请说明。 学习交流请发邮件 128…...

Redisson 实现分布式锁源码浅析

大家好&#xff0c;我是此林。 今天来分享Redisson分布式锁源码。还是一样&#xff0c;我们用 问题驱动 的方式展开讲述。 1. redis 中如何使用 lua 脚本&#xff1f; Redis内置了lua解释器&#xff0c;lua脚本有两个好处&#xff1a; 1. 减少多次Redis命令的网络传输开销。…...

机试准备第17天

今天进入图论的学习。图论只考察初试学过的算法&#xff0c;一般都是模版题。常见考点有图相关的数据结构——邻接表法&#xff0c;图的遍历 BFS DFS 并查集&#xff0c;单源最短路径迪杰斯特拉。图由顶点和边构成&#xff0c;度用来说明该顶点邻接边的数量情况。权值说明了边的…...

ABAP语言的动态编程(4) - 综合案例:管理费用明细表

本篇来实现一个综合案例&#xff1a;管理费用明细表。报表在实际项目中&#xff0c;也有一定的参考意义&#xff0c;一方面展示类似的报表&#xff0c;比如管理费用、研发费用等费用的明细&#xff0c;使用业务比较习惯的展示格式&#xff1b;另一方面正好综合运用前面学习的动…...

不像人做的题————十四届蓝桥杯省赛真题解析(上)A,B,C,D题解析

题目A&#xff1a;日期统计 思路分析&#xff1a; 本题的题目比较繁琐&#xff0c;我们采用暴力加DFS剪枝的方式去做&#xff0c;我们在DFS中按照8位日期的每一个位的要求进行初步剪枝找出所有的八位子串&#xff0c;但是还是会存在19月的情况&#xff0c;为此还需要在CHECK函数…...

R语言零基础系列教程-01-R语言初识与学习路线

代码、讲义、软件回复【R语言01】获取。 R语言初识 R是一个开放的统计编程环境&#xff0c;是一门用于统计计算和作图的语言。“一切皆是对象”&#xff0c;数据、函数、运算符、环境等等都是对象。易学&#xff0c;代码像伪代码一样简洁&#xff0c;可读性高强大的统计和可视…...

即时通讯平台测试报告

1.项目概述 项目名称&#xff1a;即时通讯平台 版本号&#xff1a;V1.0.0 测试周期&#xff1a;2025年2月25日--2025年3月15日 测试目标&#xff1a;验证核心功能&#xff08;登录、注册、消息收发、用户管理、群组功能等&#xff09;的稳定性和性能指标。 2. 测试范围 功…...

蓝桥杯单片机内存爆了怎么办

蓝桥杯单片机内存爆了怎么办 文章目录 蓝桥杯单片机内存爆了怎么办一、参考文章二、内存区3、keil中的体现4、分配原则5、使用示例 一、参考文章 文章1 文章2 文章3 文章4 二、内存区 1 KB(千字节) 1024 B(字节) B代表Byte&#xff0c;1Byte8bit&#xff0c;一个字节8位 …...

一周热点:微软攻克语音输入、文本输出难题-Phi-4-multimodal

微软Phi-4-multimodal模型是人工智能领域的一个重要进展,它标志着微软在多模态人工智能技术上的突破。以下是对该模型的详细解释: 模型概述 微软Phi-4-multimodal是一个能够同时处理文本、图像和语音的多模态大型语言模型。它通过创新的架构和训练方法,实现了在不同模态之间…...

量化交易学习笔记02:双均线策略

双均线策略示例 个股&#xff1a;中国平安 回测日期&#xff1a;2022-5-1至2023-5-1 短均线&#xff1a;5天 长无线&#xff1a;10天 代码&#xff1a; def initialize(context):# 初始化此策略# 设置我们要操作的股票池, 这里我们只操作一支股票# """标的&qu…...

【WRF-Urban】使用 CGLC-MODIS-LCZ_100m 数据集运行 WRF 时的城市参数化问题

在 WRF 中,LCZ 通过 URBPARM_LCZ.TBL 进行配置,但如果 FRC_URB2D 变量缺失,WRF 会回退到默认的 URBPARM.TBL。 主要问题概述 WRF-Model-cglc-modis-lcz_100m dataset " WARNING, THE URBAN FRACTION WILL BE READ FROM URBPARM.TBL USING DEFAULT URBAN MORPHOLOGY&q…...

Selenium 自动化测试学习总结

大概了解一下即可&#xff0c;现在主要用的自动化工具是 playWright&#xff0c;它可以录制操作。 selenium是老款自动化测试工具&#xff0c;仍有很多可取之处。 安装&#xff1a; pip install selenium即可。然后下载浏览器的驱动包&#xff0c;注意不是浏览器&#xff01;…...

开源通义万相本地部署方案,文生视频、图生视频、视频生成大模型,支持消费级显卡!

开源通义万相本地部署方案&#xff0c;文生视频、图生视频、视频生成大模型&#xff0c;支持消费级显卡&#xff01; 万相2.1开源 近日&#xff0c;大模型万相2.1&#xff08;Wan&#xff09;重磅开源&#xff0c;此次开源采用Apache2.0协议&#xff0c;14B和1.3B两个参数规格…...

Suno的对手Luno:AI音乐开发「上传参考音频 - 方式一:通过二进制流的方式」 —— 「Luno Api系列|AI音乐API」第11篇

导读 今天来看下Luno Api的上传参考音频 - 方式一&#xff1a;通过二进制流的方式。 参考文件&#xff0c;主要是用于在创作的过程中&#xff0c;希望AI参考这个音乐的曲风和声音来进行创作&#xff0c;那么可以通过上传参考音乐来进行实现。 申请和使用 「已经有API的&…...

微信小程序刷题逻辑实现:技术揭秘与实践分享

页面展示&#xff1a; 概述 在当今数字化学习的浪潮中&#xff0c;微信小程序以其便捷性和实用性&#xff0c;成为了众多学习者刷题备考的得力工具。今天&#xff0c;我们就来深入剖析一个微信小程序刷题功能的实现逻辑&#xff0c;从代码层面揭开其神秘面纱。 小程序界面布局…...

巴耶赫利专业俄语外贸网站建设

巴耶赫利是专业俄语外贸网站建设与俄语搜索引擎Yandex SEO优化服务商。巴耶赫利致力于帮助中国品牌出海俄罗斯&#xff0c;打开俄罗斯市场&#xff0c;提升品牌在俄罗斯的知名度和美誉度。 以下是对巴耶赫利相关服务的详细介绍&#xff1a; 一、巴耶赫利专业俄语外贸网站建设…...

每日Attention学习25——Multi-Scale Attention Fusion

模块出处 [TCSVT 24] [link] [code] DSNet: A Novel Way to Use Atrous Convolutions in Semantic Segmentation 模块名称 Multi-Scale Attention Fusion (MSAF) 模块作用 双级特征融合 模块结构 模块思想 MSAF的主要思想是让网络根据损失学习特征权重&#xff0c;允许模型…...

前端学习记录:解决路由缓存问题

问题描述&#xff1a;响应路由参数的变化&#xff0c;使用带有参数的路由时需要注意的是&#xff0c;当用户从 /users/johnoy 导航到 /users/jolyne 时&#xff0c;相同的组件实例将会被重复使用。因为两个路由都渲染同个组件&#xff0c;比起销毁再创建&#xff0c;复用则显得…...

VSTO(C#)Excel开发10:启动和卸载顺序 事件处理 监视变化

初级代码游戏的专栏介绍与文章目录-CSDN博客 我的github&#xff1a;codetoys&#xff0c;所有代码都将会位于ctfc库中。已经放入库中我会指出在库中的位置。 这些代码大部分以Linux为目标但部分代码是纯C的&#xff0c;可以在任何平台上使用。 源码指引&#xff1a;github源…...

代码随想录Day16

Day16 二叉树part06 LeetCode 530.二叉搜索树的最小绝对差 题目描述 给你一个二叉搜索树的根节点 root &#xff0c;返回 树中任意两不同节点值之间的最小差值 。 差值是一个正数&#xff0c;其数值等于两值之差的绝对值。 示例 输入&#xff1a;root [4,2,6,1,3] 输出&…...

第15章:ConvNeXt图像分类实战:遥感场景分类【包含本地网页部署、迁移学习】

目录 1. ConvNeXt 模型 2. 遥感场景建筑识别 2.1 数据集 2.2 训练参数 2.3 训练结果 2.4 本地部署推理 3. 下载 1. ConvNeXt 模型 ConvNeXt是一种基于卷积神经网络&#xff08;CNN&#xff09;的现代架构&#xff0c;由Facebook AI Research (FAIR) 团队在2022年提出。…...