简单的Java 性能优化

1.查看代码逻辑是否可以优化

2.可以借助Jprofiler工具查看方法中那一部分比较消耗cpu,查看具体耗性能的地方(文后有eclipse集成Jprofiler教程和Jprofiler使用教程)

(1)如果是访问数据库过多造成的,有两种优化方式:

                1)可以考虑在代码中做数据缓存,每一次的查询 到缓存中获取数据,减少查询次数

                2)优化查询语句,尽量减少多表连接,可以适当使用存储过程

                3)查看for循环中的查询方法,如果可以放到for循环外,都放到外面,避免重复查询(一般不会有这种代码产生)

(2)如果是某个对象定义过多造成的,可以将对象定义到方法循环外,再赋值

3.最终办法,如果只是第一次访问该接口耗时比较长,可以考虑在程序启动时,开启一个线程来执行方法,相当于你在页面点击的时候已经不是第一次调用该方法,连接数据库耗时就可以缩短

 

附:Eclipse集成Jprofiler

步骤一:官网下载并安装Jprofiler:https://www.ej-technologies.com/download/jprofiler/files   秘钥:L-J10-xUSSR_EDITION#7397386-3mbg44dgc6qrt#35b68

步骤二:

在本地的使用方法:

1.找到项目的main函数,右键选择 Profile as -->Profiler on server ,

2.弹出Jfrofiler窗口,选择Ok,在菜单栏上选择StartRecording(开始监控) ---->在postman上运行你要监控的接口  ----->回到Jfrofiler窗口,在菜单栏上选择StopRecording(结束监控)

3.在左侧菜单中找到 CPUViews,点击打开,就可以详细查看接口耗时的地方

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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