java 双亲委托弊端_再论java类加载的双亲委托机制

1、引言

看了王森老师的《java深度历险》(我的资料中有PDF版下载),在讲到加载器委托模型时(p69),按照书上的指示,做实验,但是不成功,非常奇怪。包括我查阅了很多资料,发现都不能达到和书中讲的效果。

2、现象再现

我现在来讲讲我对书中的理解(有误的话,请谅解)。书中讲到classpath,默认指的是program files\java\jre\xxx目录,而bootstrap loader的默认路径是jre\classes(默认无此目录,用户可自行添加),ext loader默认寻找类是在jre\lib\ext\classes目录。

上面是基本的概念,至于bootstrap classloader及ext classloader等基本可以在我的贴的参考资料中找到详细的说明。

我按照上面的理解,在我的idea环境下,编写了2个java文件,一个TestMain.java,TestLib.java。内容如下所示:

TestMain.java

public classTestMain {

public static voidmain(String[] args) {

TestLib testLib = newTestLib();

testLib.disp();

}

}

TestLib.java

public classTestLib {

public voiddisp(){

ClassLoader currentLoader = this.getClass().getClassLoader();

if(currentLoader== null){

System.out.println("current loader is bootstrap loader");

return;

}else{

System.out.println("test lib class loader:"+currentLoader);

System.out.println("test lib parent class loader:"+currentLoader.getParent());

}

}

}

然后编译上述文件,并将TestLib.class入到program files\jre\classes目录和program files\jre\lib\ext\classes目录,发现结果始终如下:

test lib class loader:sun.misc.Launcher$AppClassLoader@18b4aac2

test lib parent class loader:sun.misc.Launcher$ExtClassLoader@73a28541

百思不得其解呀,相信大家在查相关资料时(包手我罗列的参考资料也是这么说的)。

3、解惑

后面我使用process monitor这个相当底层的工具一看(因为自己有这方面的功底,嘿嘿,包括我调试过ClassLoader的源码,但是没有找到原因),才发现如下图所示内容:

389ff59b88f7e6b6d05471801b7bf428.png

从上图可以发现,java class loader是从jdk\jre\classes目录下查找,而不是jre\classes查找。相信大家如果是要了解java委托机制的人,不可能只安装jre,而不安装jdk的。有了这个发现,我觉得问题就好办了,只需要将TestLib.class文件拷贝到jdk\jre\classes目录下就可以了。拷贝后,

577c30e7040cbcf22fe4eeaa6dc783d0.png

测试,如下所示:

a99736c677fe460dafbb70c60bb76b3e.png

上述这个是使用bootstrap classloader加载的。

下面拷贝到jdk\jre\lib\ext\classes目录下,如下所示:

fdaf128ad3c10f44f86bec212f909c18.png

测试结果如下

03b09f9596094c396593d3697df2a32f.png

所有的实验和书中及参考的例子都一样了。

4、总结

从上面可以看出:

(1)、书中或资料中没有将我们当作是一个java码农来看待,导致了这个问题。当然,如果设置了classpath为program files\jre,则不会出现我所说的问题。我只设置了java_home的环境变量,没有设置classpath的环境变量。

(2)、只要我们足够细心,包括对jvm运行机制了解,则可以知道错误的所在。如我这里是使用了process monitor这个工具,其实大家也可以在TestMain.java中写如下语句,查看当前的classpath,如下所示:

URL[] urls = sun.misc.Launcher.getBootstrapClassPath().getURLs();

for(inti = 0; i < urls.length; i++) {

System.out.println(urls[i].toExternalForm());

}

结果如下所示:

2eaedbf41363bce22e0c13c5ddfa35b9.png

从上面可以看到,class loader是从jdk\jre目录加载的。甚至我们可以使用java -verbose:class查看加载的路径。

5、参考资料

(1)、《java深度历险》,王森著,华中科技大学出版社出版,2002年10月出版,极力推荐大家看一下。

(2)、https://blog.csdn.net/wangyang665/article/details/38636985,java类加载的委托机制

(3)、https://blog.csdn.net/yue7603835/article/details/7243869,Java类加载器 以及类加载器的委托模型

希望上述让你能彻底了解java类加载器的加载过程。也感谢王老师编写的书及网上无数同仁的正确或错误的引导。哈哈。我这篇文章也有可能是有误导的。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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