Dalam artikel kami sebelum ini, kami meneroka dunia ListenableFuture. Sekarang, mari kita mendalami teknik yang lebih maju, khususnya memfokuskan pada transformasi dan rantaian. Bayangkan kita mempunyai ListenableFuture yang diperoleh daripada perkhidmatan tak segerak. Selain itu, kami mempunyai kaedah mudah:
Document parse(String xml) {//...
Daripada bekerja dengan String itu sendiri, kami memerlukan Dokumen. Satu pendekatan adalah untuk menyelesaikan Masa Depan dan memproses String. Walau bagaimanapun, penyelesaian yang lebih elegan ialah menggunakan transformasi sebaik sahaja keputusan tersedia, menjadikan kaedah kami berkelakuan seolah-olah ia sentiasa mengembalikan ListenableFuture. Ini sangat mudah:
final ListenableFuture future = //... final ListenableFuture documentFuture = Futures.transform(future, new Function() { @override public Document apply(String contents) { return parse(contents); } });
Atau, untuk kebolehbacaan yang lebih baik:
final Function parseFun = new Function() { @override public Document apply(String contents) { return parse(contents); } }; final ListenableFuture future = //... final ListenableFuture documentFuture = Futures.transform(future, parseFun);
Walaupun sintaks Java mungkin mempunyai hadnya, mari fokus pada perkara yang telah kita capai. Futures.transform() tidak menunggu ListenableFuture yang mendasari untuk menggunakan transformasi parse(). Sebaliknya, ia mendaftarkan panggilan balik, sedia untuk dimaklumkan apabila masa hadapan yang diberikan selesai. Transformasi ini diterapkan secara dinamik dan telus untuk kami pada masa yang tepat. Kami masih mempunyai Masa Depan, tetapi kali ini membungkus Dokumen.
Sekarang, mari kita melangkah lebih jauh. Kami juga mempunyai kaedah tak segerak, mungkin berjalan lama yang mengira perkaitan (apa pun maksudnya dalam konteks ini) Dokumen yang diberikan:
ListenableFuture calculateRelevance(Document pageContents) {//...
Bolehkah kita merantainya dengan ListenableFuture yang sudah kita miliki? Percubaan pertama:
final Function> relevanceFun = new Function>() { @override public ListenableFuture apply(Document input) { return calculateRelevance(input); } }; final ListenableFuture future = //... final ListenableFuture documentFuture = Futures.transform(future, parseFun); final ListenableFuture> relevanceFuture = Futures.transform(documentFuture, relevanceFun);
Untuk mendapatkan maklumat lanjut tentang kemungkinan pengaturcaraan tak segerak yang dipertingkatkan, lawati pautan ini.
Atas ialah kandungan terperinci Buka kunci Pengaturcaraan Async yang Lebih Pantas dengan Java Futures. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Artikel ini membincangkan menggunakan Maven dan Gradle untuk Pengurusan Projek Java, membina automasi, dan resolusi pergantungan, membandingkan pendekatan dan strategi pengoptimuman mereka.

Artikel ini membincangkan membuat dan menggunakan perpustakaan Java tersuai (fail balang) dengan pengurusan versi dan pergantungan yang betul, menggunakan alat seperti Maven dan Gradle.

Artikel ini membincangkan pelaksanaan caching pelbagai peringkat di Java menggunakan kafein dan cache jambu untuk meningkatkan prestasi aplikasi. Ia meliputi persediaan, integrasi, dan faedah prestasi, bersama -sama dengan Pengurusan Dasar Konfigurasi dan Pengusiran PRA Terbaik

Artikel ini membincangkan menggunakan JPA untuk pemetaan objek-relasi dengan ciri-ciri canggih seperti caching dan pemuatan malas. Ia meliputi persediaan, pemetaan entiti, dan amalan terbaik untuk mengoptimumkan prestasi sambil menonjolkan potensi perangkap. [159 aksara]

Kelas kelas Java melibatkan pemuatan, menghubungkan, dan memulakan kelas menggunakan sistem hierarki dengan bootstrap, lanjutan, dan pemuat kelas aplikasi. Model delegasi induk memastikan kelas teras dimuatkan dahulu, yang mempengaruhi LOA kelas tersuai


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

SublimeText3 Linux versi baharu
SublimeText3 Linux versi terkini

DVWA
Damn Vulnerable Web App (DVWA) ialah aplikasi web PHP/MySQL yang sangat terdedah. Matlamat utamanya adalah untuk menjadi bantuan bagi profesional keselamatan untuk menguji kemahiran dan alatan mereka dalam persekitaran undang-undang, untuk membantu pembangun web lebih memahami proses mengamankan aplikasi web, dan untuk membantu guru/pelajar mengajar/belajar dalam persekitaran bilik darjah Aplikasi web keselamatan. Matlamat DVWA adalah untuk mempraktikkan beberapa kelemahan web yang paling biasa melalui antara muka yang mudah dan mudah, dengan pelbagai tahap kesukaran. Sila ambil perhatian bahawa perisian ini

ZendStudio 13.5.1 Mac
Persekitaran pembangunan bersepadu PHP yang berkuasa

SecLists
SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan