当前位置: 首页 > news >正文

总结一下常见的EasyExcel面试题

说一下你了解的POI和EasyExcel

POI(Poor Obfuscation Implementation):它是 Apache 软件基金会的一个开源项目,为 Java 程序提供了读写 Microsoft Office 格式文件的功能,支持如 Excel、Word、PowerPoint 等多种文件格式,是 Java 操作 Office 文档的基础工具,发展历史悠久,功能强大且全面

EasyExcel:是阿里巴巴开源的一个基于 POI 进行二次封装的轻量级 Excel 处理框架,主要专注于 Excel 文件的读写操作,简化了 POI 的操作流程


EasyExcel对比POI

功能丰富度

POI:POI 是一个底层的 Java 操作 Excel 的工具包,在进行读写操作时,需要手动处理文件流、解析器、工作表、行和单元格等多个元素

以读取文件为例,需要创建工作簿对象、获取工作表、遍历行和单元格等,代码量较多且逻辑复杂。

对于复杂的操作,如设置单元格样式、合并单元格等,还需要编写更多的代码来实现。这使得使用 POI 进行开发时,代码的复杂度显著增加

EasyExcel

EasyExcel 对常见的 Excel 读写场景进行了高度封装,提供了极为简洁的 API。在读取 Excel 时,只需定义与表格列对应的实体类和监听器


内存占用

EasyExcel 采用基于事件驱动的读写模式,在读写大数据量的 Excel 文件时,逐行处理数据不需要将整个文件加载到内存中。这使得它在处理大规模数据时,内存占用非常低,能够有效避免内存溢出的问题。即使处理包含数百万行数据的 Excel 文件,也能稳定运行

POI 的用户模型 API(如 HSSFXSSF)在处理 Excel 文件时,会将整个文件加载到内存中,当文件数据量较大时,会占用大量的内存资源,容易导致内存溢出。虽然 POI 也提供了事件模型 API(如 SAX 解析器)来处理大数据量文件,但使用起来相对复杂,需要开发人员具备较高的技术水平


读写性能

POI:POI 的用户模型 API 在处理大数据量文件时,由于需要将整个文件加载到内存中,会导致读写效率降低。而事件模型 API 虽然在处理大数据量时性能较好,但需要手动处理事件,开发难度较大,并且在处理一些复杂操作时,效率也会受到一定影响

EasyExcel:由于采用了事件驱动的方式,EasyExcel 在读写数据时,数据处理和文件操作是同步进行的,减少了中间环节,提高了读写效率。特别是在处理大数据量文件时,其逐行处理的方式能够更快地完成读写操作

在处理大数据量的 Excel 文件时,EasyExcel 采用了基于事件驱动的读写模式,逐行处理数据,避免了将整个文件加载到内存中,从而大大降低了内存占用。例如,当需要读取一个包含数百万行数据的 Excel 文件时,使用 POI 的用户模型 API 可能会导致内存溢出,而 EasyExcel 可以稳定地处理这些数据


事件驱动为什么快+安全?

EasyExcel 通过 SAX 事件驱动 + 流式读写,实现了:
超低内存占用(恒定内存,与文件大小无关)。
高效处理大文件(GB 级 Excel 轻松应对)。
避免 OOM(彻底解决 POI 的内存瓶颈)


为什么说EasyExcel的OOM风险小

EasyExcel不需要将整个文件加载到内存中,poi需要加载整个文件?

1. 传统 POI 的 DOM 模式:全量加载

DOM(Document Object Model)
POI 将整个 Excel 文件解析为一个树形结构对象,全部加载到内存中。
类似于把一本书全部复印到脑子里,再逐页阅读

2. EasyExcel 的 SAX 模式:流式逐行处理

SAX(Simple API for XML)
EasyExcel 像流水线一样逐行扫描 Excel 文件,触发事件回调处理数据。
类似于用扫描仪逐页扫描一本书,读一页处理一页,然后立刻扔掉

EasyExcel 的 SAX 模式 通过事件驱动 + 即时丢弃数据(即时刷盘),实现了按需加载,而 POI 的 DOM 模式 为支持复杂功能必须全量加载


EasyExcel如何避免写入OOM?

POI必须是全量写入,这也是它的内存瓶颈

而EasyExcel 默认每处理 2000 行(可配置)就将数据从内存刷入磁盘文件流,即时释放内存
内存占用 ≈ 单批次数据大小(而非全量数据)。例如写入sheet1然后释放sheet1,再写入sheet2,而不用sheet1,sheet2必须一起写入,分sheet页写可以实现资源及时释放


EasyExcel为啥不维护了?对此你怎么看?

核心功能已成熟,暂无重大特性新增需求。以修复 Bug 和兼容性更新为主,而非频繁发布新功能

开发者资源转移,阿里内部可能将资源投入其他更高优先级项目(如 Spring Cloud Alibaba),开源团队依赖社区贡献,但核心开发者时间有限


面试回答思路引导

面试回答

poi是apache的开源项目,功能非常丰富,而EasyExcel是基于poi的二次简化封装,简化了poi的操作,方便使用

主要让写入和写出更加简单,没必要去操作很多的细节,例如不需要手动编写输入输出流,手动关闭输入输入流的资源,编写解析器等

EasyExcel只需要只需定义与表格列对应的实体类监听器

EasyExcel主要解决的poi的内存瓶颈和读取效率问题

poi使用的是传统的全量加载,而EasyExcel是流失加载,也就是事件驱动+及时刷盘

poi读取的时候,必须要把整个文件加载到内存中读取

poi写入的时候必须一次性全量写入

而EasyExcel读取的时候是流式读取,逐行扫描,读取完的数据从内存中扔掉,不占用内存

EasyExcel写入的时候是流式写入,我们分sheet页写入,这个sheet页写入完就及时释放资源,实现及时刷盘不占用内存

这是他们的区别,也是基于poi的重点优化,poi因为是全量读取和写入逻辑所以oom的概率会非常大

EasyExcel是写完sheet页就释放不会一直占用内存,所以oom的概率小,但这并不说明不会出现oom问题了,使用EasyExcel的时候还是需要严格控制sheet页的,因为sheet页是存到一个List<>中的,如果sheet页过大仍然会导致oom问题


常用的方法

EasyExcel.read()

EasyExcel.write()

WriteSheet sheet = EasyExcel.writerSheet("批次").build() 构造sheet页

ExcelWriter writer = EasyExcel.write(filePath).build() 构造用来写入的ExcelWriter

writer.write(excels, sheet) 把Sheet页放到ExcelWriter里面,然后写入我们传入的内容excels列表

    @Testvoid allData(){List<Excel> excels = excelMapper.selectAllOrderById();String filePath = "C:\\Users\\ziJian.zheng\\IdeaProjects\\Kira-Test\\src\\main\\resources\\templates\\test.xlsx";WriteSheet sheet = EasyExcel.writerSheet("批次" ).build();//用来写入的ExcelWriterExcelWriter writer = EasyExcel.write(filePath).build();writer.write(excels, sheet);}

常见的注解

@ExcelProperty(value = "用户姓名",index = 0)

效果:index属性可以指定当前字段对应excel中的哪一列,可以根据列名value去匹配,也可以不写

如果不使用@ExcelProperty注解,成员变量从上到下的顺序,对应表格中从左到右的顺序

@ExcelIgnore

读写的时候会忽略该字段

@DateTimeFormat 日期转换

日期格式转换:将 Excel 中的日期格式数据(如 2023-01-01)与 Java 字段(StringDate)自动转换

@DateTimeFormat("yyyy-MM-dd")  // 格式化为"2023-01-01"
private String createDate;

@NumberFormat 数字格式转换

将 Excel 中的数字(如 1,000.50)与 Java 字段(String 或数值类型)自动转换

@NumberFormat("#,##0.00")  // 格式化为"1,000.50"
private String price;

@ExcelIgnoreUnannotated

制类字段的默认行为:标注在类上,决定未加 @ExcelProperty 的字段是否参与读写。

不标注该注解:所有字段(无论是否有 @ExcelProperty)都会参与读写。

标注该注解:只有显式标注 @ExcelProperty 的字段参与读写

相关文章:

总结一下常见的EasyExcel面试题

说一下你了解的POI和EasyExcel POI&#xff08;Poor Obfuscation Implementation&#xff09;&#xff1a;它是 Apache 软件基金会的一个开源项目&#xff0c;为 Java 程序提供了读写 Microsoft Office 格式文件的功能&#xff0c;支持如 Excel、Word、PowerPoint 等多种文件格…...

【Java设计模式】第2章 UML急速入门

2-1 本章导航 UML类图与时序图入门 UML定义 统一建模语言(Unified Modeling Language):第三代非专利建模语言。特点:开放方法,支持可视化构建面向对象系统,涵盖模型、流程、代码等。UML分类(2.2版本) 结构式图形:系统静态建模(类图、对象图、包图)。行为式图形:事…...

Excel处理控件Spire.XLS系列教程:C# 设置 Excel 中的数字格式

在 Excel 工作表中&#xff0c;原始数据通常显示为缺乏直观性的普通数字。通过设置数字格式&#xff0c;可以将这些数字转换成更容易理解的形式。例如&#xff0c;将销售额数据设置为货币格式&#xff0c;即添加货币符号和千位分隔符&#xff0c;可使所代表的金额一目了然。将市…...

脚本启动 Java 程序

如果你想在后台启动一个 Java 程序&#xff0c;并在终端窗口中显示一个自定义的名字&#xff0c;可以通过编写一个简单的脚本来实现。以下是一个基于 Linux/macOS 的解决方案&#xff0c;使用 Bash 脚本启动 Java 程序&#xff0c;并在终端窗口中显示自定义标题。 示例脚本 创建…...

UniappX动态引入在线字体图标,不兼容css时可用。

优缺点 优点&#xff1a;不需要占用本地存储&#xff0c;可直接在线同步库图标&#xff0c;不用再手动引入ttf文件&#xff0c;不用手动添加键值对对应表。 缺点&#xff1a;受网速影响&#xff0c;字体库cdn路径可能会更改&#xff0c;ios端首次加载&#xff0c;可能会无图标…...

机器学习 | 强化学习基本原理 | MDP | TD | PG | TRPO

文章目录 📚什么是强化学习🐇监督学习 vs 强化学习🐇马尔科夫决策过程(MDP)📚基本算法(value-based & policy-based)🐇时序差分算法(TD)🐇SARSA和Q-learning🐇策略梯度算法(PG)🐇REINFORCE和Actor-Critic🐇信任区域策略优化算法(TRPO)学习视频…...

k8s之Service类型详解

1.ClusterIP 类型 2.NodePort 类型 3.LoadBalancer 类型 4.ExternalName 类型 类型为 ExternalName 的 Service 将 Service 映射到 DNS 名称&#xff0c;而不是典型的选择算符&#xff0c; 例如 my-service 或者 cassandra。你可以使用 spec.externalName 参数指定这些服务…...

AI平台如何实现推理?数算岛是一个开源的AI平台(主要用于管理和调度分布式AI训练和推理任务。)

数算岛是一个开源的AI平台&#xff0c;主要用于管理和调度分布式AI训练和推理任务。它基于Kubernetes构建&#xff0c;支持多种深度学习框架&#xff08;如TensorFlow、PyTorch等&#xff09;。以下是数算岛实现模型推理的核心原理、架构及具体实现步骤&#xff1a; 一、数算岛…...

linux开发环境

1.虚拟机环境搭建 在 Ubuntu 系统中&#xff0c;打开&#xff08;如图中显示的窗口 &#xff09;常见快捷键有&#xff1a; Ctrl Alt T&#xff1a;这是最常用的打开终端的快捷键组合 &#xff0c;按下后会快速弹出一个新的终端窗口。 在 VMware 虚拟机环境中&#xff0c;若…...

OSPF复习

OSPF OSPF---开放最短路径优先协议 动态路由判定依据&#xff1a;选路&#xff0c;收敛速度&#xff0c;占用资源 OSPFV2和RIPV2的相同点&#xff1a; 1.都是无类别的路由协议&#xff1b; 2.都是通过组播来传播信息的&#xff1b;&#xff08;RIP&#xff1a;224.0.0.9&am…...

AWS S3深度剖析:云存储的瑞士军刀

1. 引言 在当今数据驱动的世界中,高效、可靠、安全的数据存储解决方案至关重要。Amazon Simple Storage Service (S3)作为AWS生态系统中的核心服务之一,为企业和开发者提供了一个强大而灵活的对象存储平台。本文将全面解析S3的核心特性,帮助读者深入理解如何充分利用这一&q…...

pyTorch中 tensorboard的使用

目录 01.导包、 transforms数据转化、torchvision数据集、创建dataloaders、展示图片的封装函数 02定义模型 03定义损失函数与优化器 1.tensorboard的安装 2.tensorboard的使用 2.1添加图片 2.2 添加模型结构图 2.3 添加损失的变化 #pyTorch中的tensorboard 与 tens…...

Android audio(2)-audioservice

AudioService是Android的系统服务&#xff08;systemservice&#xff09;&#xff0c;由SystemServer负责启动。提供Android APK 所需的非数据通路&#xff08;playback/capture&#xff09;相关的audio 功能实现&#xff0c;是binder通信中的server端&#xff0c;与之对应的 C…...

星城幻境:科技与千年文脉的交响诗-长沙

故事背景 故事发生在中国湖南长沙&#xff0c;通过六个充满未来感的城市景观&#xff0c;展现人工智能修复古建筑、生态摩天楼、全息水幕许愿等场景&#xff0c;描绘科技赋能下历史文脉与未来城市的共生图景。 故事内容 从岳麓书院清晨的智能修复到湘江夜空的数字烟花&#xff…...

记录学习的第二十三天

老样子&#xff0c;每日一题开胃。 我一开始还想着暴力解一下试试呢&#xff0c;结果不太行&#x1f602; 接着两道动态规划。 这道题我本来是想用最长递增子序列来做的&#xff0c;不过实在是太麻烦了&#xff0c;实在做不下去了。 然后看了题解&#xff0c;发现可以倒着数。 …...

sql-labs靶场 less-1

文章目录 sqli-labs靶场less 1 联合注入 sqli-labs靶场 每道题都从以下模板讲解&#xff0c;并且每个步骤都有图片&#xff0c;清晰明了&#xff0c;便于复盘。 sql注入的基本步骤 注入点注入类型 字符型&#xff1a;判断闭合方式 &#xff08;‘、"、’、“”&#xf…...

AI-人工智能-基于LC-MS/MS分子网络深度分析的天然产物成分解析的新策略

Anal Chem∣张卫东教授团队开发基于LC-MS/MS分子网络深度分析的天然产物成分解析的新策略 2024年9月23日&#xff0c;海军军医大学张卫东教授团队在Analytical Chemistry&#xff08;IF6.7&#xff09;上发表了题为“In-Depth Analysis of Molecular Network Based on Liquid …...

IntelliJ IDEA使用技巧(json字符串格式化)

文章目录 一、IDEA自动格式化json字符串二、配置/查找格式化快捷键 本文主要讲述idea中怎么将json字符串转换为JSON格式的内容并且有层级结构。 效果&#xff1a; 转换前&#xff1a; 转换后&#xff1a; 一、IDEA自动格式化json字符串 步骤一&#xff1a;首先创建一个临…...

【Java设计模式】第8章 单列模式讲解

8-1 单例模式讲解 定义与类型 定义:保证一个类仅有一个实例,并提供一个全局访问点。类型:创建型模式。适用场景 需要确保任何情况下绝对只有一个实例。实际应用: 网站计数器(单服务)。应用配置、线程池、数据库连接池。优点 减少内存开销(仅一个实例)。避免资源多重占…...

【Java设计模式】第4章 简单工厂讲解

4. 简单工厂模式 4.1 简单工厂讲解 定义:由一个工厂对象决定创建哪种产品类的实例,属于创建型模式,但不属于GoF 23种设计模式。适用场景: 工厂类负责创建的对象较少。客户端仅需传入参数,无需关心对象创建逻辑。优点: 客户端只需传入参数即可获取对象,无需知道创建细节…...

Spring Boot 常用依赖介绍

依赖总括 1. 核心依赖&#xff1a;Spring Web、Spring Data JPA、MySQL Driver。 2. 开发工具&#xff1a;Lombok、Spring Boot DevTools。 3. 安全与权限&#xff1a;Spring Security。 4. 测试与文档&#xff1a;Spring Boot Starter Test、Swagger。 5. 性能优化&#…...

判断矩阵A是否可以相似对角化

【例题1】 【例题2】...

第三方软件测试公司进行安全性测试有哪些好处?

在信息技术飞速发展的今天&#xff0c;软件已成为各行业运作的核心组成部分。然而&#xff0c;伴随而来的软件安全问题也愈发显著&#xff0c;因此软件产品安全性测试不容忽视。随着软件市场的激烈竞争&#xff0c;企业为了更好的专心产品开发&#xff0c;会将安全性测试服务交…...

下一代楼宇自控的中枢神经:ARM终端的生态

某跨国半导体工厂的洁净车间突然触发气体泄漏报警。此时&#xff0c;ARM应急广播终端在200毫秒内完成全楼宇语音播报&#xff0c;同步联动门禁系统解锁逃生通道&#xff0c;指挥中心大屏自动弹出事故区域监控画面——这套价值27万元的预警系统&#xff0c;在投产首年就避免了可…...

R语言进行判别分析

Fisher判别法、距离判别法、Bayes判别法基本理论、方法&#xff1a; Fisher判别法 理论基础&#xff1a; Fisher判别法旨在通过选择合适的投影方向&#xff0c;最大化不同类别之间的类间差异性&#xff0c;同时最小化类内差异性。这种投影方向使得在低维空间中样本点的类别可…...

Nacos 服务发现的流程是怎样的?客户端如何获取最新的服务实例列表?

服务发现是微服务架构的核心组件&#xff0c;它允许一个服务&#xff08;消费者&#xff09;动态地找到它需要调用的另一个服务&#xff08;提供者&#xff09;的网络地址&#xff08;IP 和端口&#xff09;&#xff0c;而无需硬编码这些地址。 整体流程概览: 服务提供者 (Pr…...

Java全栈项目--校园快递管理与配送系统(5)

源代码续 <template><div class"app-container"><el-card class"box-card"><div slot"header" class"clearfix"><span>通知统计</span><div class"header-operations"><el-d…...

UE5 本地化

文章目录 打开本地化面板设置本地化翻译设置文本收集路径添加语言收集需要翻译的文本手动翻译导入导出编译 使用本地化启动代码修改语言 打开本地化面板 UE4&#xff1a; UE5&#xff1a; 设置本地化翻译 设置文本收集路径 UE5可以自动帮我们收集需要显示的文本&#xff…...

用c语言写一个linux进程之间通信(聊天)的简单程序

使用talk 用户在同一台机器上talk指令格式如下&#xff1a; ​ talk 用户名ip地址 [用户终端号] 如果用户只登录了一个终端&#xff0c;那么可以不写用户终端号&#xff0c;如&#xff1a; talk userlocalhost可以使用who指令来查看当前有哪些用户登录&#xff0c;他的终端号…...

同时支持Vue2/Vue3的图片懒加载组件(支持懒加载 v-html 指令梆定的 html 内容)

&#x1f680; vue-lazyload-imgs&#xff08;LazyLoadImgs&#xff09; 组件简介 详情见&#xff1a;https://npmjs.com/package/vue-lazyload-imgs 安装方法&#xff1a; npm i vue-lazyload-imgs&#xff08;不要安装为开发依赖&#xff0c;应为产品依赖&#xff09; 适用环…...

Qt容器类在元对象系统中使用

解释 “QVector没有被注册到Qt的元对象系统中”这句话的意思是&#xff1a;QVector<double>这种数据类型没有被Qt的元对象系统&#xff08;Meta-Object System&#xff09;识别和管理。Qt的元对象系统是Qt框架的核心部分&#xff0c;它提供了信号与槽机制、动态属性系统…...

Qt中的信号与槽及其自定义

信号源&#xff1a;哪个控件发的信号 信号的类型&#xff1a;用户进行不同的操作就会触发不同的信号 如点击按钮&#xff0c;在输入框移动光标&#xff0c;勾选一个复选框&#xff0c;选 择一个下拉框 信号的处理方式&#xff1a;槽(slot)----也就是函数&#xff0c;Qt中用con…...

【已完结STM32】--自学江协科技笔记汇总

以下学习笔记代码均来自b站江协科技视频 笔记汇总完结 文章笔记对应江科大视频新建工程【2-2】新建工程江科大STM32-GPIO输出 点亮LED&#xff0c;LED闪烁&#xff0c;LED流水灯&#xff0c;蜂鸣器&#xff08;学习笔记&#xff09;_unit32-t rcc-apb2periph-CSDN博客 【3-1】…...

科技快讯 | 索诺瓦携手清华大学共筑听力无障碍未来;中国探月工程总设计师:未来月球上能打电话;Shopify要求员工证明AI无法取代其工作

索诺瓦携手清华大学共筑听力无障碍未来 2024年末&#xff0c;60岁以上人口超3.1亿&#xff0c;听力损失比例高达11%。清华大学无障碍发展研究院与索诺瓦集团深化合作&#xff0c;共同推动听力无障碍环境建设。2023年9月&#xff0c;《无障碍环境建设法》实施&#xff0c;2024年…...

[实战] 天线阵列波束成形原理详解与仿真实战(完整代码)

天线阵列波束成形原理详解与仿真实战 1. 引言 在无线通信、雷达和声学系统中&#xff0c;波束成形&#xff08;Beamforming&#xff09;是一种通过调整天线阵列中各个阵元的信号相位和幅度&#xff0c;将电磁波能量集中在特定方向的技术。其核心目标是通过空间滤波增强目标方…...

北京自在科技:让万物接入苹果Find My网络的″钥匙匠″

在AirTag掀起全球防丢热潮的今天&#xff0c;越来越多的第三方产品开始接入苹果Find My网络——从充电宝到电动车&#xff0c;从行李箱到保温杯&#xff0c;用户只需打开iPhone的「查找」App&#xff0c;就能实时定位这些物品。 北京自在科技有限责任公司早在苹果推出Find My开…...

区块链是怎么存储块怎么找到前一个块

前言&#xff1a;学习区块链的过程中在想怎么管理区块链呢 &#x1f4cc; 推荐项目回顾&#xff1a; &#x1f449; Jeiwan 的 blockchain_go 项目 GitHub 地址&#xff1a;https://github.com/Jeiwan/blockchain_go ❓它是怎么存储区块 & 找前一个区块的&#xff1f; 项…...

聚类算法 ap 聚类 谱聚类

AP聚类&#xff08;Affinity Propagation Clustering&#xff09;是一种基于消息传递的聚类算法&#xff0c;由Brendan J. Frey和Delbert Dueck于2007年提出。与传统的聚类算法&#xff08;如K-Means&#xff09;不同&#xff0c;AP聚类不需要预先指定聚类数量&#xff0c;而是…...

习题与正则表达式

思路&#xff1a; 二分查找&#xff1a; left 1&#xff08;最小可能距离&#xff09;&#xff0c;right L&#xff08;最大可能距离&#xff09;。 每次取 mid (left right) / 2&#xff0c;判断是否可以通过增设 ≤ K 个路标使得所有相邻路标的距离 ≤ mid。 贪心验证…...

数据库管理工具实战:IDEA 与 DBeaver 连接 TDengine(一)

一、引言 在当今数字化时代&#xff0c;数据如同企业的生命线&#xff0c;而数据库则是承载这些宝贵数据的关键基础设施。TDengine 作为一款高性能的时序数据库&#xff0c;在物联网、工业互联网、车联网、IT 运维等众多领域中发挥着举足轻重的作用。它以其卓越的性能、高效的…...

聚类Clustering和分类Classification的区别

目的&#xff1a; 聚类&#xff1a;旨在将数据集中的样本分成若干组&#xff08;簇&#xff09;&#xff0c;使得同一组内的样本在某种意义上更相似&#xff0c;而不同组的样本差异更大。聚类是一种探索性分析&#xff0c;用于发现数据中的自然结构。分类&#xff1a;旨在根据已…...

对比 redis keys 命令 ,下次面试说用 scan

Redis SCAN 命令使用指南 SCAN 是 Redis 提供的一种非阻塞迭代器命令&#xff0c;用于逐步遍历 Redis 数据库中的键。相比于 KEYS 命令&#xff0c;SCAN 不会一次性加载所有键&#xff0c;因此对性能的影响较小&#xff0c;适合在生产环境中使用。 以下是关于 SCAN 的详细用法…...

【Java设计模式】第6章 抽象工厂模式讲解

6. 抽象工厂模式 6.1 抽象工厂讲解 定义:提供一个接口创建一系列相关或依赖对象,无需指定具体类。核心概念: 产品等级结构:同一类型的不同产品(如Java视频、Python视频)。产品族:同一工厂生产的多个产品(如Java视频 + Java手记)。适用场景: 需要创建多个相关联的产品…...

设计模式 - 代理模式

代理模式 代理模式是一种结构型设计模式&#xff0c;它允许你提供一个代理对象来控制对另一个对象的访问。代理模式可以在不改变原始对象的情况下&#xff0c;增强或控制对原始对象的访问。代理模式通常用于延迟加载、访问控制、日志记录、性能监控等场景。 1.静态代理 静态…...

Unity-Xlua热更和AssetBundle详解

从今天开始我们深入Unity的组件&#xff0c;最近的一系列事让我明白学习技术不能只有广度&#xff0c;如走马观花&#xff0c;虽然你可能确实学到了皮毛&#xff0c;但是没有足够深厚的理解&#xff0c;是无法融入自己的东西的&#xff0c;那么你就只是在用别人的工具而不是自己…...

【企业级数据安全】掌握高性能Log4j2敏感信息脱敏方案

前言 在数据安全合规日益严格的今天&#xff0c;日志中的敏感信息保护已成为企业IT建设的必备环节。本文带您深入了解如何打造一套高性能、可实时配置的Log4j2日志脱敏插件&#xff0c;轻松应对各类敏感数据保护需求&#xff0c;让您的系统既满足合规要求&#xff0c;又不牺牲…...

力扣刷题——606.根据二叉树创建字符串

给你二叉树的根节点 root &#xff0c;请你采用前序遍历的方式&#xff0c;将二叉树转化为一个由括号和整数组成的字符串&#xff0c;返回构造出的字符串。 空节点使用一对空括号对 "()" 表示&#xff0c;转化后需要省略所有不影响字符串与原始二叉树之间的一对一映…...

图像处理中的 Gaussina Blur 和 SIFT 算法

Gaussina Blur 高斯模糊 高斯模糊的数学定义 高斯模糊是通过 高斯核(Gaussian Kernel) 对图像进行卷积操作实现的. 二维高斯函数定义为 G ( x , y , σ ) 1 2 π σ 2 e − x 2 y 2 2 σ 2 G(x, y, \sigma) \frac{1}{2\pi \sigma^2} e^{-\frac{x^2 y^2}{2\sigma^2}} G(x…...

AWS区块链游戏场景技术解决方案:全球节点与去中心化架构实践

一、区块链游戏的技术挑战与架构需求 区块链游戏作为Web3领域的重要应用场景&#xff0c;其技术架构需要满足以下核心需求&#xff1a; 分布式账本的高效同步与共识验证 智能合约的安全执行环境 全球玩家的低延迟交互体验 动态扩展的节点网络支持 海量NFT资产的可靠存储 …...

AWS VPC深度解析:构建安全可靠的云网络基础设施

1. 引言 在云计算时代,网络基础设施的重要性不言而喻。Amazon Web Services (AWS) 的Virtual Private Cloud (VPC)为用户提供了一个强大而灵活的网络环境,使他们能够在AWS云中构建安全、可扩展的应用程序。本文将全面剖析AWS VPC的核心特性,帮助读者深入理解如何利用VPC构建高…...