10.8(课程内容总结)

一、大数字与浮点数的精准处理
在常规业务开发中,基本数据类型往往能够满足需求,但在金融计算、科学研究等对精度要求极高的场景下,基本类型的局限性便暴露无遗。Java提供了BigInteger和BigDecimal这两个类来应对大数字与高精度浮点数的处理。
BigInteger用于处理任意精度的整数运算,它内部通过整型数组来存储大数,突破了long类型的范围限制。在进行加减乘除时,它完全模拟了手工计算的逻辑,确保了结果的绝对准确。而BigDecimal则是处理高精度小数的利器,它解决了浮点数运算中经典的精度丢失问题(如0.1 + 0.2 != 0.3)。在使用BigDecimal时,必须通过字符串构造器或valueOf静态方法来创建对象,以避免浮点字面量在转换过程中引入误差。同时,在进行除法运算时,务必指定舍入模式(如RoundingMode.HALF_UP)和保留的小数位数,防止出现无限循环小数导致的算术异常。
二、原码、反码与补码的底层逻辑
计算机内部的所有数据均以二进制形式存储,而Java中的整型数据(byte, short, int, long)严格遵循补码存储规范。理解原码、反码、补码的演进,是掌握位运算和类型转换的关键。
原码是最直观的表示法,最高位为符号位,其余位表示真值的绝对值。然而,原码存在“+0”和“-0”双重表示的问题,且无法直接用于加减法运算。反码作为过渡,正数的反码是其本身,负数的反码是符号位不变、其余位取反。虽然反码解决了部分减法问题,但依然保留了双零缺陷。
补码的出现彻底解决了上述痛点。正数的补码与原码相同;负数的补码则是在反码的基础上加1。补码的精妙之处在于,它将符号位自然地融入了算术运算中,使得CPU只需一套加法器电路即可完成所有整数的加减法,同时统一了“0”的表示。在Java中,当我们对负数进行右移操作(>>)时,高位会补符号位(算术右移),这正是补码机制在位运算中的直接体现;而逻辑右移(>>>)则强制高位补0,常用于处理无符号数值或特定的掩码操作。
三、同名变量的屏蔽原则与作用域
Java采用词法作用域(Lexical Scoping),变量的可见性严格受限于其声明的代码块。当在不同层级的作用域中声明了同名变量时,便会触发“屏蔽原则”(Variable Shadowing)。
最典型的场景是局部变量与成员变量同名。在方法内部,如果定义了一个与类成员变量同名的局部变量或方法参数,那么在该方法的作用域内,成员变量将被“屏蔽”。此时,直接使用变量名将访问到局部变量,若要访问被屏蔽的成员变量,必须显式使用this.变量名。此外,在嵌套的代码块(如if语句或for循环内部)中声明与外部同名的局部变量也是合法的,内层变量会暂时覆盖外层变量,一旦退出该代码块,外层变量便恢复可见。
需要特别警惕的是,同一作用域内(如方法体的顶层)绝对不允许声明两个同名变量,这会导致编译错误。屏蔽原则虽然提供了命名上的灵活性,但在实际工程中,过度使用同名屏蔽极易引发逻辑混乱和隐蔽的Bug,因此遵循“避免遮蔽”的编码规范是保障代码可读性的重要手段。
四、随机数生成
Java提供了多种随机数生成机制,开发者应根据具体的应用场景(如性能要求、安全性要求、并发环境)做出合理选择。
Math.random()是最基础的入口,它内部封装了Random类,返回一个[0.0, 1.0)之间的双精度浮点数,适合简单的单次调用。java.util.Random提供了更丰富的API,支持生成各种基本类型的随机数,但在多线程环境下,由于多个线程竞争同一个原子种子,会导致严重的性能瓶颈。
为了解决并发问题,Java 7引入了ThreadLocalRandom。它为每个线程维护独立的随机数生成器实例,彻底消除了竞争,是并发环境下生成随机数的首选方案。对于需要极高安全性的场景,如生成密码、密钥或令牌,必须使用java.security.SecureRandom。它利用操作系统的熵源(如/dev/random)来提供密码学强度的随机数,虽然性能较低,但能有效防止攻击者预测随机序列。

posted @ 2026-10-08 09:52  F胡图图  阅读(6)  评论(0)    收藏  举报