Java程序员不要错过的7款新工具

标签: Java  性能分析
概述:汇总了2014年最受欢迎的7款Java工具,包括性能检测、文档分享、云服务、错误检测、内存泄漏、文档检索等等,Java程序员们千万不要错过哦

下面汇总了2014年最受欢迎的7款Java工具,包括性能检测、文档分享、云服务、错误检测、内存泄漏、文档检索等等,Java程序员们千万不要错过哦~

1. JClarity - 性能检测

这款工具发布于去年9月,目前提供了两个工具:Illuminate and Censum。Illuminate 是一款性能检测工具,而Censum 主要专注于垃圾收集日志分析。它的客户包括包括Google、VMWare、BNP Paribas以及许多其他知名公司。

JClarity  JavaTool 性能检测

主要功能:

  • 故障检测((Disk I/O,垃圾收集,死锁等等)
  • 操作建议 - 对故障提出解决建议,如"The application needs to increase the number of active threads".
  • 解释 - 给出问题出现的原因,如"A high percentage of time spent paused in GC may mean that the heap has been under-sized".

独特之处:该工具和其他性能监控工具之间的一个区别是,它简化了问题报告并用简单的英语描述了建议解决方案。

起源:JClarity诞生于London,创始人是 Martijn Verburg, Kirk Pepperdin and Ben Evans,这三位都是Java性能领域的老将。

2. Bintray - 文档分享平台

Bintray为Java开发人员提供了一个可以分享代码的平台,它上面有85000多个文件包,18,000多个库。对了,你一定会想到GitHub,这个网站也可以用GitHub的账号登陆哦。

Bintray 文档分享 Java工具

主要功能:

  • 上传文档,与全世界各地的开发人员交流
  • 可以用Gradle / Maven / Yum / Apt下载代码库,当然也可以直接下载
  • 管理发布信息和文档
  • REST API-搜索/检索文档并自动分配

独特之处:Bintray的基本功能类似于Maven Central,但是Bintray有社交特性,上传文件的步骤也更加简便。

起源:Bintray由以色列创业公司JFrog创立,于去年四月发布,并赢得了JavaOne协会的Duke's选择奖。

3. Librato –监测&可视化云服务

Librato是一个监测和管理云应用程序的托管服务,它可以在几秒中之内创建自定义仪表盘,不需要安装或者部署任何软件。最棒的是它和其他仪表盘比起来更加顺畅。

Librato 可视化云服务 Java

主要功能:

  • 数据收集:集成了Heroku、AWS、数以万计的代理(包括Nest),绑定了Java、Clojure等开发语言。
  • 自定义报表:通过HipChat, Campfire,邮件或者HTTP POST请求发出指标或警报。
  • 数据可视化:用漂亮的图表展示注释、关联、分享和插入选项。
  • 警报:当指标超出某个阀值时自动发出警报。

独特之处:Librato几乎可以表现任何东西,并且把数据变得有意义。

起源:Librato来自于美国旧金山,由Fred van den Bosch, Joe Ruscio, Mike Heffner 和 Dan Stodin合作开发。

4. Takipi–错误追踪和分析

Takipi的目标很简单:告诉开发者代码崩溃的时间及原因。无论在何时发生异常,Takipi都会抓取到并给出分析报告。

Takipi 错误追踪和分析 JavaTool

主要功能:

  • 检测 - 抓取异常、HTTP和登陆错误
  • 重点排查-经常发生错误的集群,分析错误率是否有上升
  • 分析-查看实际代码和变量状态,甚至通过不同的机器和应用程序。

独特之处:在代码出现错误时即时报告错误。

起源:Takipi诞生于2012年的旧金山和Tel Aviv(特拉维夫市)。每个异常类型和错误都有独一无二的monster表示。

5. Elasticsearch–搜索&分析平台

Elasticsearch已经出现了一段时间了,不过1.0版本发布还是今年二月份的事。它是一个创建于 Apache Lucene 上的开源项目,由Github上的两百多个开发者义务维护。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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