博客
关于我
为什么Java中1000==1000为false而100==100为true?
阅读量:536 次
发布时间:2019-03-09

本文共 1243 字,大约阅读时间需要 4 分钟。

在Java中,对象的相等性比较主要看引用的指向是否相同,而不是对象本身的值是否相同。然而,对于Java的Integer类,内部实现采用了一个优化策略,即对一个范围内的数使用共享对象,从而节省内存。具体来说,对于-128到127之间的整数值,Integer类维护了一个缓存池,这样每次请求一个整数时,都会优先从缓存中获取已经存在的对象。如果缓存中没有对应的对象,则会创建一个新的,然后存入缓存备用。

当我们执行以下代码时:

Integer a = 1000, b = 1000;System.out.println(a == b);  // 1Integer c = 100, d = 100;System.out.println(c == d);  // 2

结果显示a == b返回false,而c == d返回true。这并不是因为1000和100本身有差异,而是因为较大的整数值(如1000)不会被缓存,因此a和b指向了不同的对象实例。而对于较小的整数值(如100),由于IntegerCache机制的作用,c和d指向了同一个缓存对象。

为了理解这个机制,我们可以查看Integer类的内部实现。Integer类包含一个私有的内部类IntegerCache,其作用是缓存-128到127之间的所有整数对象。当创建Integer对象时,首先会尝试从缓存中获取,若找不到则创建新对象并存储在缓存中。这样,对于同一个值的多个Integer实例,会指向同一个缓存对象,从而导致==比较返回true。

然而,通过反射API可以绕过这个机制。例如:

public static void main(String[] args) throws NoSuchFieldException, IllegalAccessException {    Class cache = Integer.class.getDeclaredClasses()[0];    Field myCache = cache.getDeclaredField("cache");    myCache.setAccessible(true);    Integer[] newCache = (Integer[]) myCache.get(cache);    newCache[132] = newCache[133];    int a = 2;    int b = a + a;    System.out.println(a + " + " + a + " = " + b);}

该代码通过反射获取IntegerCache的缓存字段,并修改其内容,模拟了解内存管理机制的行为。通过这种方式,可以更深入地理解IntegerCache的工作原理及其对Java内存管理的优化作用。

总结来说,Java对Integer类的缓存机制确实影响了对象比较的结果,这既是性能优化的体现,也需要开发者在编写代码时注意其潜在影响。

转载地址:http://gehiz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>