个人Java规范摘录

这是我从阿里巴巴的java规范文档提取的一些内容,主要适用于我这种底层程序员。推荐大家去看这个文档《阿里巴巴java开发手册》。另外配套的还有阿里的java规范扫描插件:plugin(https://p3c.alibaba.com/plugin/eclipse/update),推荐大家去下载。

Java规范

1.命名规范

1.类名可以多个大写的

领域模型命名规约
1) 数据对象:xxxDO,xxx 即为数据表名
2) 数据传输对象:xxxDTO,xxx 为业务领域相关的名称
3) 展示对象:xxxVO,xxx 一般为网页名称
4) POJO 是 DO/DTO/BO/VO 的统称,禁止命名成 xxxPOJO
- pojo类的数据类型前头不要加is,防止rpc框架反向解析出错
- pojo类中添加toString方法,便于排查问题
- 类内方法定义顺序依次是:公有方法或保护方法 > 私有方法 > getter/setter
方法

2.常量格式

大写+下划线隔开:MAX_STOCK_COUNT

3.特殊类

  • 抽象类命名使用 Abstract 或 Base 开头;
  • 异常类命名使用 Exception 结尾;
  • 测试类命名以它要测试的类的名称开始,以 Test 结尾

4.数组格式

方括号放在前面:String[] args

5.设计模式

类名中添加具体模式
public class OrderFactory;
public class LoginProxy;

6.接口定义

  • 接口方法签名:void f();
    不要加任何修饰符号,例如:public abstract
  • 接口基础常量表示:String COMPANY = “alibaba”;

7.接口实现类命名

  • Service 和 DAO 类,用 Impl 的后缀与接口区别:
    CacheServiceImpl 实现 CacheService 接口
  • 是形容能力的接口名称,取对应的形容词做接口名:
    AbstractTranslator 实现 Translatable接口

8.枚举

  • 枚举名字后面添加Enum:DealStatusEnum
  • 成员名称全大写:SUCCESS / UNKOWN_REASON

9.各层命名

Service/DAO 层方法命名规约:
1) 获取单个对象的方法用 get 做前缀。
2) 获取多个对象的方法用 list 做前缀。
3) 获取统计值的方法用 count 做前缀。
4) 插入的方法用 save(推荐)或 insert 做前缀。
5) 删除的方法用 remove(推荐)或 delete 做前缀。
6) 修改的方法用 update 做前缀。

2.结构

1.常量类

  • 常量类按常量功能进行归类,分开维护。

2.运算符

  • 任何运算符左右必须加一个空格。
    说明:运算符包括赋值运算符=、逻辑运算符&&、加减乘除符号、三目运算符等。

3.保留字的括号

保留字与括号之间需要空格
if/for/while/switch/do 等保留字与左右括号之间都必须加空格。
if (flag == 1) { ...

4.文字过长换行

  1. 超过120字符换行,第二行缩进4个空格,第三行保持一样缩进即可
    • 点符号换行
    • 括号,逗号前不换行
  2. 多个参数,逗号后面加空格
    method("a", "b", "c");
  3. 一个空行隔离不同语义组别

5.OOP规范

  1. 重写方法上面添加:@Override 注解
  2. 接口过时:添加@Deprecated 注解,并说明采用的新接口是什么
    (不能使用过时接口)
  3. equals的使用:"test".equals(object); ,反过来可能导致空指针异常
  4. 构造方法:只用来放置初始化逻辑,业务逻辑禁止放进去
  5. 字符串的连接方式,使用 StringBuilder 的 append 方法进行扩展
  6. 访问控制尽量从严:
    • 1) 如果不允许外部直接通过 new 来创建对象,那么构造方法必须是 private。
    • 2) 工具类不允许有 public 或 default 构造方法。
    • 3) 类非 static 成员变量并且与子类共享,必须是 protected。
    • 4) 类非 static 成员变量并且仅在本类使用,必须是 private。
    • 5) 类 static 成员变量如果仅在本类使用,必须是 private。
    • 6) 若是 static 成员变量,必须考虑是否为 final。
    • 7) 类成员方法只供类内部调用,必须是 private。
    • 8) 类成员方法只对继承类公开,那么限制为 protected。
  7. 后台传数据前台显示,使用¥ !{var} , 当数据不存在,前台会显示 ¥{var}
    (¥替换成美元符号)

6.逻辑

  1. 尽量少使用if..else,而是使用:
if (condition) {    
        ...   
        return obj;   
}  
// 接着写 else 的业务逻辑代码;   

使用else if勿超过三层,超过使用状态设计模式
2. 将复杂判断赋值给一个boolean变量,不要在表达式中执行

//伪代码如下
boolean existed = (file.open(fileName, "w") != null) && (...) || (...);
if (existed) {
    ...
}  

3.注释

  1. 类(+创建者信息)、类属性、类方法使用javadoc规范:/* * 内容 * */ ,可以悬停查看提示方法
  2. 抽象方法使用 javadoc注释,注释内容:返回值,参数,异常,功能,注意事项
  3. 方法内部代码上用 //注释 ,多行使用 /* 注释 */ 方式 ,与代码对齐
  4. 注释代码:1.后续恢复:加说明 2.不使用:最好删除掉(仓库已有)
  5. javadoc用于特殊标注:
    【待办】TODO /【错误】FIXME +标记人+标记时间+预计处理时间
    经常扫描清理此类标记

4.异常日志

1.异常

  1. 明确的异常用代码检查进行规范,不要进行捕捉
    正例:if (obj != null) {...}
  2. 只捕捉非稳定代码
  3. 产生异常要么处理,要么抛出给调用者,不要单纯捕捉
  4. 事务代码中捕捉到异常要回滚事务

5.sql规范

  1. 字段名字
    主键索引名为 pk_字段名;唯一索引名为 uk_字段名;普通索引名则为 idx_字段名
  2. 类型
    小数类型用decimal
    varchar长度>5000,使用text,独立表,防止影响效率
  3. 必备字段
    id:unsigned bigint类型
    gmt_create & gmt_modified:date_time类型 创建,修改时间
  4. 命名
    • “业务名称_表的作用” : tiger_task / tiger_reader
    • 库名与应用名一致
    • 添加字段注释
  5. 规定
    • 适当的字符存储长度提高检索速度
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值