Java程序包不存在问题的解决办法

用心去追梦

于 2022-11-10 20:08:45 发布

阅读量2.3w

点赞数 34

分类专栏： java 基础文章标签： java intellij-idea maven

本文链接：https://blog.csdn.net/qq_33240556/article/details/127795412

版权

java 基础专栏收录该内容

50 篇文章 3 订阅

订阅专栏

最近工作中遇到个问题，代码中没有报错,启动时报错,但是程序包不存在,这篇文章主要给大家介绍了关于Java程序包不存在问题的解决办法,需要的朋友可以参考下
针对idea2022版本，在maven项目中运行程序的时候会出现java程序包不存在现象。(属于它的一个小bug)

解决方法一(比较好用)：
idea的Settings设置中进行下面配置：

然后在maven项目下的pom.xml中加入如下代码：刷新maven，就解决了。

<plugin>
    <groupId>org.apache.maven.plugins</groupId>
    <artifactId>maven-surefire-plugin</artifactId>
    <version>2.4.2</version>
    <configuration>
        <skipTests>true</skipTests>
    </configuration>
</plugin>

解决方法二：
我们可以通过
File—>Setting—>Build,Execution,Deployment—>Maven—>Importing

然后如下图配置：

在这里插入图片描述
然后点击apply，ok，刷新idea。

如果还没解决，进行如下操作：

在这里插入图片描述
在弹出的框中输入mvn idea:idea命令，回车。

这个问题困扰了我好长时间，今天终于解决了。希望可以帮到大家！！！

优惠劵

用心去追梦

关注关注

34
点赞
踩
159

收藏

觉得还不错? 一键收藏
8
评论
Java程序包不存在问题的解决办法

idea 操作
复制链接

扫一扫

专栏目录

8 条评论您还未登录，请先登录后发表或查看评论

博客

Redis 实战 - 压缩列表节点的构成

04-26

252

在实际操作中，压缩列表通过这种方式实现了连续内存空间内的顺序存储，并通过精简长度编码来节省空间，特别适用于存储大量小整数或短字符串的数据结构，如列表和哈希中元素数量不多并且元素大小较小的情况。每个节点开始部分都包含一个编码后的前置长度字段，用于记录前一个节点所占的字节数量。这个字段的长度根据前一个节点的实际长度可以有不同的编码格式，以便节省空间。节点接下来的部分是内容编码区域，用于存储实际的数据内容。节点的总长度等于前置长度字段的长度加上内容编码区的长度。

博客

Redis 实战 - 压缩列表的构成

04-26

在实际应用中，由于压缩列表是连续内存分配的，所以在插入、删除操作时可能会触发内存的重新分配和节点内容的迁移。同时，当元素数量增多或元素大小超过一定阈值时，Redis 会将压缩列表转换成另一种更适合大数据量存储的数据结构，如双向链表（list）或哈希表（dict）。Redis 中的压缩列表（ziplist）是一种为了节省内存而设计的高效数据结构，主要用于存储长度较短且元素数量较少的列表或哈希对象。压缩列表在满足特定条件下（比如元素是小整数或短字符串）会被用作列表键（List）和哈希键（Hash）的底层实现。

博客

Redis 实战 - 整数集合 API

04-26

122

Redis 中并没有直接提供针对整数集合（IntSet）的公共 API，但是整数集合作为 Redis 集合（Set）数据类型的一个内部实现细节，当你使用集合相关的命令时，Redis 会根据集合内元素的特点选择使用整数集合或者其他数据结构（如哈希表）来存储数据。请注意，虽然开发者不能直接调用整数集合的相关 API，但通过以上集合操作命令，Redis 会在后台根据数据特性自动选择和管理整数集合的创建、升级和使用。对应集合的成员，此时 Redis 会根据集合内部实际的数据结构进行查找。存储的全部是整数值，并且。

博客

Redis 实战 - 降级

04-26

在 Redis 缓存场景中，通过上述服务级别的降级手段，可以在系统遇到瓶颈时，避免雪崩效应和穿透等问题，保证服务的整体可靠性。：在极端情况下，可以直接关闭缓存功能，让所有的请求直接落到底层数据库，尽管这可能会使数据库压力增大，但在必要时能够保护 Redis 不被压垮，确保服务的整体可用性。：在电商等应用场景中，例如在秒杀活动等高并发时段，可以临时禁用一些非核心服务模块，如商品推荐、广告展示等，优先保证订单处理等核心流程的顺畅。：提前对即将失效的缓存数据进行刷新，减少因集中失效导致的雪崩效应。

博客

Redis 实战 - 升级的好处

04-26

总结来说，Redis 的数据结构升级机制有助于维持系统的性能稳定和资源的有效利用，这对于维护大型数据集和高并发访问的场景至关重要。通过升级，Redis 能够在数据规模不断增长的同时，持续提供高性能的服务保障。：随着集合中整数值的增长，Redis 通过升级整数集合的数据类型，确保能够存储更大的整数值。：当 Redis 哈希表键值对数量增加，负载因子过高时，通过升级哈希表的大小，可以降低哈希冲突的概率，从而提高后续增删改查操作的速度，维持高效的查找性能。

博客

Redis 实战 - 升级

04-26

117

这两种升级操作均旨在保证 Redis 在数据量增加或数据类型需求变化时，仍然能保持高效运行和合理的内存占用。

博客

Redis 实战 - 整数集合的实现

04-26

126

Redis 中的整数集合（Integer Set），也称为 IntSet，是 Redis 集合键（Set）的一种高效内存优化实现，尤其适合存储大量小整数的情况。等，它们在内部处理时会依据情况自动选用整数集合或其他数据结构来实现高效的集合操作。而对整数集合本身的直接操作通常是透明的，由 Redis 内部完成。在实战中，您可以使用 Redis 的集合命令，例如。

博客

Redis 实战 - 跳跃表 API

04-26

虽然您没有直接提供 Redis 跳跃表 API 的具体代码，但我们可以根据 Redis 的内部实现描述大致了解其涉及的一些关键 API 函数。以上函数仅作为示例，具体命名和实现细节请查阅最新的 Redis 源代码。在 Redis 源码中，关于跳跃表的实际 API 通常位于诸如。

博客

Redis 实战 - 跳跃表的实现

04-26

Redis 中跳跃表（Skip List）是一种用于实现有序集合（Sorted Set）的数据结构，它提供了快速的插入、删除和查找操作，尤其是对于大规模数据集，平均时间复杂度为 O(log N)。由于这种数据结构的特性，当有序集合的数量或成员长度达到一定程度时，Redis 会选择使用跳跃表而非有序字典或其他结构来保证更高的效率。新加入的节点会随机决定自己应该属于多少个层级，概率遵循一定的分布，这保证了整体结构的平衡性，使得查找过程能够在大多数情况下接近对数复杂度。

博客

Redis 实战 - 字典 API

04-26

135

在实际应用中，通过调用这些 API，Redis 可以轻松管理大量键值对，并且利用哈希表和渐进式 rehash 策略保持高效的操作性能。例如，在 Redis 中的数据库键空间、哈希键（Hash）以及其他需要用到键值对存储的地方，都大量使用到了字典这一数据结构。Redis 中的字典（dictionary）是其核心数据结构之一，用于存储键值对，支持高效的查找、插入和删除操作。结构体定义了处理不同键值对类型的特定函数，这是因为 Redis 字典可以用来存储各种不同类型的键值对，如字符串、整数、列表等。

博客

Redis 实战 - 渐进式 rehash

04-26

235

在 Redis 中，渐进式 rehash 是一种策略，用于在后台逐步完成哈希表的扩容或缩容，确保在进行 rehash 时不会阻塞主线程太长时间，影响 Redis 服务器的响应能力。

博客

Redis 实战 - rehash

04-26

165

当 Redis 中的字典存储的键值对数量增加，导致负载因子（已存储键值对数量/哈希表大小）达到一定程度时，Redis 会启动 rehash 过程来扩展哈希表，防止因哈希冲突增多而导致查找效率下降。通过渐进式 rehash，Redis 有效地分散了 rehash 所带来的 CPU 和内存操作的压力，避免了在某一瞬间阻塞服务的可能性，确保了数据库的高性能运行。Redis 会持续监控字典的负载因子，当负载因子超过预设阈值（通常为 1），系统会启动 rehash 过程。，然后准备下一轮可能的 rehash。

博客

Redis 实战 - 解决键冲突

04-26

此外，Redis 的字典（dictionary）会在必要时自动进行扩容或缩容操作，以维持较低的负载因子（已存储键值对数量与哈希表总槽位数之比），进一步降低冲突概率，提高查找效率。当负载因子超过设定阈值时，Redis 会创建一个新的更大的哈希表，并将旧表中的所有键值对重新哈希到新表中，这一过程被称为渐进式 rehash。具体来说，在 Redis 的内部实现中，哈希表的每个桶实际上是一个链表节点（dictEntry）的指针，当发生冲突时，新来的键值对将会被添加到链表的头部。

博客

Redis 实战 - 哈希算法

04-26

282

在 Redis 集群环境下，为了更均匀地分布数据并降低网络迁移开销，Redis Sentinel 或 Redis Cluster 采用了类似一致性哈希的算法来决定某个键应该被路由到哪个 Redis 节点。为了减小哈希冲突，Redis 选择了一种合适的哈希算法（如 MurmurHash 或者 djb2 等）将键转换为一个整数值，然后根据哈希表的大小取模获得索引位置。在实战中，Redis 并不会直接暴露具体的哈希算法实现细节给开发者，而是通过提供高效稳定的 API 来操作哈希表和哈希键。例如，开发者可以使用。

博客

Redis 实战 - 字典的实现

04-26

161

当字典负载因子（used / size）超过一定阈值时，Redis 会触发哈希表的扩容操作，扩大哈希表的大小并重新哈希所有键值对。Redis 字典（Dictionary）是其用于存储键值对的核心数据结构之一，实现了高效、可伸缩的键值查找和更新。当键插入字典时，会使用哈希函数计算出对应的数组索引，若发现索引位置已经有其他键存在（哈希冲突），则将新键值对挂载到该位置链表的头部。通过这种设计，Redis 字典能够在大规模数据集上提供接近 O(1) 的平均查找、插入和删除复杂度，同时具有良好的空间效率。

博客

Redis 实战 - 链表和链表节点的 API

04-26

151

注意：以上函数签名是简化的形式，实际使用时需要考虑类型转换、内存分配以及自定义的数据类型操作函数（比如 dup、free 和 match）。这些函数的设计使得 Redis 可以灵活地用链表实现多种数据结构和功能，例如 Redis 中的 List 数据类型。同时，Redis 还提供了适合其内存管理模式的特殊优化，比如对链表节点的内存分配和回收机制。Redis 链表相关的 API 主要用于对链表数据结构进行操作，包括节点的创建、插入、删除、查询以及遍历等。

博客

Redis 实战 - 链表和链表节点的实现

04-26

177

数据结构作为列表的默认实现，它结合了链表和压缩列表（ziplist）的优点，既保持了链表良好的动态特性，又能在元素数量大且连续时节省内存。总之，Redis 中链表的实现兼顾了灵活性、高效性和内存利用率，使得 Redis 能够在处理大量数据时保持高性能，并支持多种数据结构的构建。除了单个节点外，Redis 还定义了一个链表结构（list 或称为 adlist），它包含了指向链表头尾节点的指针以及链表长度计数器。在 Redis 3.2 版本及以后，Redis 引入了。

博客

Redis 实战 - SDS API

04-26

Redis 使用 SDS API 来创建、管理和操作其内部的 Simple Dynamic String (SDS) 数据结构。SDS API 通过预先分配额外空间、记录字符串长度、支持二进制数据等方式，解决了传统 C 字符串存在的诸多问题，提升了 Redis 在处理字符串时的性能和安全性。

博客

Redis 实战 - SDS 与 C 字符串的区别

04-26

166

综上所述，Redis 使用 SDS 作为其底层字符串表示的主要原因是提高了性能、增强了安全性，并且更加适应 Redis 数据库频繁进行字符串增删改查的需求。Redis 中的 SDS（Simple Dynamic String，简单动态字符串）与 C 语言标准库中的字符串（以。

博客

Redis 实战 - SDS 的定义

04-26

103

SDS 结构不仅存储字符串的内容，还记录了字符串的长度和其他元数据，从而允许在执行字符串操作时达到O(1)的时间复杂度，提高性能并确保安全性。Redis 中的 SDS（Simple Dynamic String，简单动态字符串）是一种自定义的字符串数据结构，设计用于克服标准 C 语言中。结尾，这使得它可以与传统的 C 字符串 API 兼容，同时由于记录了确切的长度信息，不会因误操作或包含中间。在较新版本的 Redis 中，可能根据 SDS 分配的不同策略会有多种不同的结构体变体（如。

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交