WedX - журнал о программировании и компьютерных науках

Как мне обрабатывать сторонние потоки ввода/вывода?

Есть часть проекта, посвященная в основном потокам ввода/вывода. Поэтому мне приходится передавать потоки в качестве аргументов и получать их из сторонних библиотек. Я прочитал Хороший дизайн: как передать InputStreams в качестве аргумента? и Закрытие входных потоков Java, но я не уверен на 100 %, что сторонние одинаковые значения кодирования и следование шаблонам наилучшего дизайна (в частности - "тот, кто открывает поток, должен закрыть поток")

Предполагая, что потоки довольно большие (500 МБ - 3 ГБ), и у меня мало ресурсов ЦП и памяти, вот несколько вопросов к сообществу java SO:

  1. Должен ли я когда-нибудь пытаться закрыть потоки, полученные из сторонней библиотеки?
  2. Каковы возможные опасные последствия незакрытых потоков (не считая дополнительной рабочей нагрузки GC)
  3. Пропорциональны ли эти последствия размеру потока?
java outputstream inputstream coding-style iostream
23.01.2011

Ответы:


1
  1. Вы должны закрыть поток, когда он достигнет конца. Если передающая библиотека не хочет, чтобы вы это делали, она должна обернуть поток, чтобы игнорировать close().
  2. Незакрытые потоки оставляют ресурсы открытыми, например. открытый файл не может быть удален.
  3. Размер не важен.
23.01.2011
  • спасибо, а как насчет потоков, полученных из переменных, таких как массивы байтов, строки, XML DOM и т. д.? Я предполагаю, что эти внутренние сторонние вары съедят размер моей кучи, пока я не закрою поток, не так ли? 24.01.2011
  • Обычно в памяти модели очищаются потоком или объектом, который их содержит, GCed. Их закрытие редко имеет большое значение. Их закрытие имеет значение для внешних ресурсов, таких как сокеты/файлы. В конечном итоге они также будут закрыты при сборке мусора, но у вас могут закончиться файловые дескрипторы до того, как будет выполнена сборка мусора. 24.01.2011
    • Новые материалы
    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..
    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
    Для любых предложений по сайту: [email protected]