JAVA异常从认识到精通

从问题说起

那么在项目开发中面对异常,我们遇到的问题有哪些呢?
在项目中的每一层如何处理异常?异常何时被抛出,何时被记录?何时需要把checked Exception转换成unchecked Exception?又何时需要把unchecked Exception转换成checked Exception?异常是否应该呈现到前端页面?

JAVA异常是什么?

JAVA异常有什么作用?

在面向过程的编程语言中,我们可以通过返回值来确定方法是否正确执行。比如返回1,表示执行成功;返回0,表示执行失败。但是通过这种方式我们并不能确定错误的详细信息。而且,对同一类错误,不同开发者对错误的处理方式也不一致。但是,在JAVA中采取了统一的处理机制——异常。它可以帮我们精确定位到程序出错的源代码位置,并获取错误的堆栈信息。

在JAVA中,是如何具体处理异常的?

Java异常处理通过5个关键字来实现。try、catch、throw、throws、finally。具体的异常处理结构由try……catch……finally来实现。try语句块放可能出现异常的Java代码。catch用来捕获可能发生的异常以及处理逻辑.Finally用来清除程序中未释放的资源,不管try块的代码如何返回,finally块总是会被执行。

JAVA异常体系结构

在这里插入图片描述
Throwable类是JAVA语言所有错误或异常的超类(两个直接子类:Error和Exception)
Java程序在执行过程中所发生的异常事件可分为两类:
**Error:**Java虚拟机无法解决的严重问题。如:JVM系统内部错误、资源耗尽等严重情况。一般不编写针对性的代码进行处理。
**Exception:**其它因编程错误或偶然的外在因素导致的一般性问题,可以使用针对性的代码进行处理。例如:空指针访问、试图读取不存 在的文件、网络连接中断。
**编译时异常:**在编译某个程序的时候有可能会有这样那样的事情发生,这样的异常就必须在编译的时候处理,如果不处理编译通不过。(Java程序必须显式处理,否则程序就会发生错误,无法通过编译)
**运行时异常:**就是程序员所犯的错误,需要回来修改代码(无需显式处理,也可以和编译时异常一起处理)

JAVA异常的优势有哪些?

    public void test() {
        String driver = "com.mysql.jdbc.Driver";// URL指向要访问的数据库名test1
        String url = "jdbc:mysql://127.0.0.1:3306/test";// MySQL配置时的用户名
        String user = "root";// Java连接MySQL配置时的密码
        String password = "111";
        try {
            Class.forName(driver);// 1 加载驱动程序
            Connection conn = DriverManager.getConnection(url, user, password);// 2 连接数据库
            Statement statement = conn.createStatement();// 3 用来执行SQL语句
            String sql = "select * from login";// 要执行的SQL语句
            ResultSet rs = statement.executeQuery(sql);
            String name = null;
            String mima = null;
            while (rs.next()) {
                name = rs.getString("userName");
                mima = rs.getString("passWord");
            }
            rs.close();
            conn.close();
        } catch (ClassNotFoundException e) {
            System.out.println("Sorry,can`t find the Driver!");
            e.printStackTrace();
        } catch (SQLException e) {
            e.printStackTrace();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

从代码角度出发,可以看到异常与传统返回值相比有以下好处:

  • 程序中的错误得到了统一的处理入口
  • 错误信息更详细,编译跟踪与调试
  • 将正确执行结果与异常进行分类,降低了程序的复杂度
  • 强制调用者处理异常,增加了程序的健壮性。

编译(checked)异常与运行期异常(unchecked)有什么区别?

运行时异常(RuntimeException):
都是RuntimeException类及子类,如NullPointerException、IndexOutOfBounException
等, 这些异常不是检查的异常, 是在程序运行的时候可能会发生的, 所以程序可以捕捉,也可以不捕捉,这些错误一般是由程序逻辑错误引起的, 程序应该从逻辑角度去尽量避免。

检查异常(CheckedException)
是运行时异常以外的异常, 也是Exception及其子类, 这些异常从程序的角度来说是必须经过捕捉检查处理的, 否则不能通过编译. 如IOException、SQLException等

编译(checked)异常的缺陷?

比如SQLException,如果一开始我们不在DAO层将该异常转换为运行期异常,那么在service层、controller层都需要进行捕获,这将导致大量重复的无用异常代码出现在应用系统;另外,如果为一个已有的接口添加一个编译异常,那么调用该接口的任何类都需修改,增加了程序维护的复杂性。
综上所述,如果一个异常是致命的,不可恢复的。或者调用者去捕获它也没有任何益处,使用(unchecked)异常;如果一个异常是可以恢复的,可以被调用者正确处理,使用checked异常。在使用unchecked异常时,必须在方法声明中详细的说明该方法可能会抛出unchecked异常。由调用者自己决定是否捕获unchecked异常。

异常如何处理的几个建议?

  • 如果所有调用者必须处理这个异常,可以让调用者进行重试操作;或者该异常相当于该方法的第二哥返回值,使用checked异常。
  • 这个异常只有少数的高级调用者可以处理,一般的调用者不能正确处理,使用unchecked异常。
  • 这个异常是一个非常严重的错误,如数据库连接错误,文件无法打开等。或者是与外部环境相关的,不是重试可以解决的。使用unchecked异常。

https://max.book118.com/html/2017/0526/109283264.shtm

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