Часто нам бывает трудно решить, следует ли выполнять вычисления в базе данных (СУБД) или в коде приложения, чтобы одновременно получить хорошую производительность и удобство.
В этой статье мы рассмотрим преимущества и недостатки выполнения вычислений в базе данных и коде приложения.
Мы рассмотрим несколько факторов, которые могут повлиять на это решение, и обсудим, какой уровень (база данных или приложение) лучше подходит для их обработки.
В этом кратком руководстве мы покажем, как реализовать алгоритм поиска всех пар чисел в массиве, сумма которых равна заданному числу. Мы сосредоточимся на двух подходах к проблеме .
При первом подходе мы найдем все такие пары независимо от их уникальности. Во втором мы найдем только уникальные комбинации чисел, удалив лишние пары.
Для каждого подхода мы представим две реализации — традиционную реализацию с использованием циклов for и вторую с использованием Java 8 Stream API.
Структура данных HyperLogLog (HLL) — это вероятностная структура данных, используемая для оценки кардинальности набора данных .
Предположим, что у нас есть миллионы пользователей, и мы хотим подсчитать количество отдельных посещений нашей веб-страницы. Наивной реализацией было бы хранить каждый уникальный идентификатор пользователя в наборе, и тогда размер набора был бы нашей кардинальностью.
Когда мы имеем дело с очень большими объемами данных, подсчет кардинальности таким образом будет очень неэффективным, поскольку набор данных будет занимать много памяти.
Но если нас устраивает оценка в пределах нескольких процентов и нам не нужно точное количество уникальных посещений, то мы можем использовать HLL , так как он был разработан именно для такого варианта использования — оценки количества миллионов или даже миллиардов. различных значений .
В этой статье мы увидим, как мы можем проверить, является ли данная строка палиндромом, используя Java.
Палиндром — это слово, фраза, число или другие последовательности символов, которые читаются так же, как в прямом , так и в обратном порядке, например, «мадам» или «гоночная машина».
В следующих разделах мы рассмотрим различные способы проверки того, является ли данная строка палиндромом или нет.
В этом кратком руководстве мы покажем, как округлить заданное число до ближайшей сотни .
Например:
99 становится 100
200,2 становится 300
400 становится 400
Во- первых, мы собираемся вызвать Math.ceil() для входного параметра. Math.ceil() возвращает наименьшее целое число, которое больше или равно аргументу. Например, если введено значение 200,2, Math.ceil() вернет 201.
В этом руководстве мы собираемся узнать о шаблоне проектирования Service Locator в Java .
Мы опишем концепцию, реализуем пример и выделим плюсы и минусы его использования.
Целью шаблона Service Locator является возврат экземпляров службы по запросу. Это полезно для отделения потребителей услуг от конкретных классов.
В этом уроке мы рассмотрим различные способы подсчета слов в заданной строке с использованием Java.
StringTokenizerПростой способ подсчета слов в строке в Java — использовать класс StringTokenizer :
assertEquals(3, new StringTokenizer("three blind mice").countTokens());
assertEquals(4, new StringTokenizer("see\thow\tthey\trun").countTokens());
>> JEP 390: Предупреждения для классов на основе значений [ openjdk.java.net ]
На шаг ближе к встроенным классам и Project Valhalla : выдавать предупреждение, когда кто-то неправильно использует возможный встроенный класс-кандидат.
>> Heapothesys — тест задержки GC с открытым исходным кодом от Amazon Corretto [ infoq.com ]
Встречайте Heapothesys: набор рабочих нагрузок GC от Amazon для сравнения различных алгоритмов GC и разных конфигураций.
>> Классифицированный список всех функций Java и JVM, начиная с JDK 8–15 [ advancedweb.hu ]
Типичным вариантом использования при работе с JSON является выполнение преобразования из одной модели в другую. Например, нам может понадобиться разобрать сложный, плотно вложенный граф объектов в более простую модель для использования в другой области.
В этой быстрой статье мы рассмотрим, как отображать вложенные значения с помощью Jackson , чтобы сгладить сложную структуру данных. Мы будем десериализовать JSON тремя разными способами:
@JsonPropertyJsonNodeJsonDeserializer