博客
关于我
Java static 关键字详解
阅读量:445 次
发布时间:2019-03-06

本文共 1569 字,大约阅读时间需要 5 分钟。

Java中的静态关键字解析

在Java编程中,static关键字是一个非常重要的概念。它不仅用于修饰成员变量和成员方法,还可以用来定义静态代码块,用于优化程序性能。本文将从static成员变量、静态成员方法、静态代码块以及静态类等方面,详细阐述static关键字的用途和特点。

static成员变量

静态变量属于类,内存中只有一份复制。只要类被加载,这个静态变量就会被分配空间。与非静态变量(实例变量)不同,静态变量不会随着对象的创建而重新分配,而是从类加载时开始就已经存在。这使得静态变量能够在整个应用程序中共享数据,特别适用于需要跨对象操作的场景。

static成员方法

静态方法可以直接通过类名调用,而无需创建对象。这意味着即使类没有被实例化,静态方法依然可以被调用。静态方法的一个显著特点是,它们不能访问非静态成员变量或非静态成员方法。例如,在静态方法中,不能使用thissuper关键字,也不能直接访问实例变量或实例方法。静态方法只能访问静态成员变量和静态成员方法,确保了代码的安全性和一致性。

static代码块

静态代码块是类中独立于成员变量和成员方法的代码块。与非静态代码块不同,静态代码块只会在类加载时执行一次。这种特性使得静态代码块常用于初始化操作,比如加载静态数据或资源。需要注意的是,静态代码块中的变量和方法不能访问非静态成员变量或方法。

静态类

在Java中,通常不允许直接声明一个类为静态的。只有当一个类是另一个类的静态内部类时,才能通过直接调用该类而不需要实例化外部类。这种情况下,静态内部类可以作为独立的类使用,简化了调用外部类的过程。例如,可以直接通过外部类名访问静态内部类的方法或成员变量。

单例模式的实现

单例模式是一种常见的设计模式,确保一个类在程序中只存在一个实例。传统的实现方式是使用双重锁,确保在多线程环境下也能正确创建单例实例。以下是一个利用双重锁实现单例模式的示例:

public class Singleton {    private volatile static Singleton singleton;    private Singleton() {    }    public static Singleton getSingleton() {        if (singleton == null) {            synchronized (Singleton.class) {                if (singleton == null) {                    singleton = new Singleton();                }            }        }        return singleton;    }}

此外,还有一种利用静态内部类实现单例模式的方式。由于静态内部类只会被加载一次,这种方式本身就是线程安全的。以下是一个静态内部类实现单例模式的示例:

public class Singleton {    private static class SingletonHolder {        private static final Singleton INSTANCE = new Singleton();    }    private Singleton() {    }    public static final Singleton getInstance() {        return SingletonHolder.INSTANCE;    }}

这种实现方式通过利用静态内部类的特性,确保了在多线程环境下也能正确地创建单例实例。

转载地址:http://xlufz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
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OpenCV确定对象的方向(附源码)
查看>>