关于《effectivity Java》阅读笔记 01

关于《effectivity Java》阅读笔记

第八章 – 通用的程序设计

---

关于局部变量的初始化

将局部变量最小化，可以增加代码的可读性和可维护性，并降低出错的可能性。

要使局部变量的作用域最小化，最好的做法就是在第一次使用它的时候进行声明。 如果变量在使用之前声明，会影响影响试图理解代码的读者，分散他们的注意力。耗费时间寻找变量声明的地方。

几乎每个局部变量都应该包含一个初始化表达式，如果一个变量被一个方法初始化，而这个方法可能会抛出一个受检的异常，该变量就必须在try快内部进行初始化。

---

for循环的优劣

根据循环中循环变量的作用域和数目进行评价，因此 for循环优于while循环，foreach优于传统for。

下面是遍历的首先做法：

//适用与集合和数组 for(Element e: c){ doSomething(e); }

在java 1.5版本之前的首先做法如下：

// 遍历集合 for(Iterator i = c.iterator(); i.hasNext();){ doSomething((Element) i.next()); } // 遍历数组 for(int i = 0; i<a.length; i++){ doSomething(a[i]); }

下面是另一种局部变量作用域最小化的循环做法：

// expensiveComputation()方法用于获取n的数量，这样做 局部变量i，n作用域只在for循环内。 for(int i = 0, n = expensiveComputation(); i <n ; i++){ doSomething(i); }

有三种情况无法使用for-each循环

1.过滤 —- 如果需要遍历集合，并删除选定的元素，就需要使用显示的迭代器，以便可以调用它的remove方法2.转换 —- 如果需要遍历列表或者数组，并替换它全部或者部分元素值，就需要列表迭代或者数组索引，以便设定元素的值3.平行迭代 —- 如果需要并行的遍历多个集合，就需要显示的控制迭代器或者索引变量，以便所有的迭代器或者索引变量都可以得到同步前移。

---

第49条：基本类型优于装箱基本类型

java 1.5版本增加了自动装箱和自动拆箱，他们之间主要有三个区别：

基本类型只有值，装箱基本类型则具有与他们的值不同的同一性，换句话说，俩个装箱基本类型可以具有相同的值和不同的同一性。基本类型只有功能完备的值，而每个装箱基本类型除了他对应基本类型的所有功能值以外，还有一个非功能值： null。基本类型通常比装箱基本类型更节省时间和空间。

考虑下面这个程序有什么问题：

public static void main(String[] args){ Long sun = 0L; for(long i = 0; i<100; i++){ sum += i; } System.out.println(sum); }

这段代码运行起来要比预想的慢很多，因为它不小心把局部变量sum声明为装箱基本类型Long。而不是基本类型long，这样程序编译起来没有错误或者警告，变量被反复的装箱和拆箱，导致明显的性能下降。

---

字符串的使用

如果其他类型更适合，要尽量避免使用字符串，字符串经常被错误的用来替代基本类型、枚举类型、聚集类型。

字符串连接操作符（ + ）适用于： 产生单独的一行输出，或者构造一个字符串来表示一个较小的、大小固定的对象。但是如果是连接n个字符串，频繁的使用字符串连接符，需要n的平方级的时间。这是因为字符串不可变，当俩个字符串连接在一起时，他们的内容都要被拷贝。

---

考虑下面这段代码：

public String statement(){ String result = ""; for(int i=0; i< numItems(); i++){ result += lineForItem(i); //String concatenation } return result; }

如果项目数量巨大，这个方法的时间就难以估算。为了获得可以接受的性能，请使用StringBuilder代替String。（Java 1.5发行版本中增加了非同步StringBuilder类，代替现在过时的StringBuffer类）。

public String statement(){ StringBuilder b = new StringBuilder(numItems()*LINE_WIDTH); for(int i = 0;i<numItems();i++){ b.append(lineForItem(i)); } return b.toString(); }

第二种做法比第一张大约快85倍左右。