java框架在线学习系统
系统化掌握Spring、Spring Boot、MyBatis、Hibernate等主流框架技术栈,从入门到架构师全程护航,构建企业级Java后端开发能力体系
立即开始学习〈Spring框架〉核心体系深度解析
控制反转(IoC)容器
Spring IoC是整个框架的基石,通过容器管理对象生命周期与依赖关系。开发者无需手动new对象,由容器根据配置动态创建并注入依赖。
- ● BeanDefinition:描述Bean元数据的接口
- ● BeanFactory:IoC容器核心接口,提供getBean()获取Bean
- ● ApplicationContext:增强版容器,支持国际化、事件发布等企业级特性
典型配置示例:<bean id="userService" class="com.example.service.UserService"/>
依赖注入(DI)模式
依赖注入实现组件松耦合,支持三种方式:构造器注入、Setter方法注入、字段注入(不推荐)。推荐优先使用构造器注入,确保对象不可变性与初始化完整性。
构造器注入示例:<constructor-arg ref="userDao"/>
在注解驱动模式下:@Autowired public UserService(UserDao userDao) { this.userDao = userDao; }
面向切面编程(AOP)
Spring AOP基于代理机制实现横切关注点分离,支持方法级权限校验、日志记录、事务管理等。核心概念包括:切点(Pointcut)、通知(Advice)、切面(Aspect)。
五种通知类型:
• 前置通知(@Before):方法执行前触发
• 后置通知(@After):方法执行后(无论是否异常)
• 返回通知(@AfterReturning):成功返回后
• 异常通知(@AfterThrowing):抛出异常时
• 环绕通知(@Around):完全控制方法执行流程
Spring IoC容器启动流程详解
1. 资源定位:通过ClassPathXmlApplicationContext加载配置文件,定位到classpath下的XML资源
2. BeanDefinition加载:DefaultBeanDefinitionDocumentReader解析XML,注册BeanDefinition到BeanDefinitionRegistry
3. Bean实例化:DefaultListableBeanFactory调用createBean(),经历:
• resolveBeforeInstantiation():允许InstantiationAwareBeanPostProcessor提前干预
• doCreateBean():实际创建Bean,包含实例化、属性填充、初始化
4. 初始化阶段:
• 执行BeanNameAware、BeanClassLoaderAware等回调
• 调用BeanPostProcessor.postProcessBeforeInitialization()
• 执行init-method
• 调用BeanPostProcessor.postProcessAfterInitialization()
关键源码分析:Singleton Pattern实现
DefaultSingletonBeanRegistry中维护singletonObjects(ConcurrentHashMap)存储单例缓存:
protected void addSingleton(String beanName, Object singletonObject) {
synchronized (this.singletonObjects) {
this.singletonObjects.put(beanName, singletonObject);
this.singletonFactories.remove(beanName);
this.earlySingletonObjects.remove(beanName);
this.singletonsRegistered.add(beanName);
}
}
三级缓存机制:
• 一级缓存singletonObjects:完整初始化后的单例对象
• 二级缓存earlySingletonObjects:早期暴露的原始对象(解决循环依赖)
• 三级缓存singletonFactories:ObjectFactory工厂,用于生成早期引用
避免常见陷阱的实战建议
- • 循环依赖:优先使用构造器注入避免;若必须循环依赖,改用setter注入(仅限单例)
- • Bean作用域:@Scope("prototype")需配合ObjectFactory获取新实例,否则依赖注入的是缓存实例
- • AOP失效:同类方法内部调用不会触发代理,解决方式:①自注入 ②通过AopContext.currentProxy()
- • 事务失效:非public方法、try-catch包裹、未启用@EnableTransactionManagement均会导致事务不生效
Spring框架演进时间轴
2002年:Spring雏形诞生
Rod Johnson发布《Expert One-on-One J2EE Design and Development》,提出轻量级容器理念,Spring Framework 1.0于2004年正式发布
2007年:Spring 2.0重大升级
引入XML命名空间、@AspectJ切面支持、Java 5注解驱动,奠定现代Spring基础架构
2014年:Spring Boot 1.0发布
简化配置,约定大于配置,推动微服务架构落地,成为Java生态主流开发模式
2020年:Spring Framework 5.3+
全面拥抱函数式编程(WebFlux)、支持JDK 11+、提升响应式编程支持,适配云原生需求
《Spring Boot》自动配置与生产就绪特性
自动配置机制深度剖析
Spring Boot Auto-Configuration基于条件化装配(@Conditional系列注解)实现,核心类为AutoConfigurationImportSelector。启动时扫描所有META-INF/spring.factories中定义的Configuration类。
关键流程:
1. SpringBootApplication启用@EnableAutoConfiguration
2. AutoConfigurationImportSelector.selectImports()获取候选配置类
3. 通过@ConditionalOnClass、@ConditionalOnMissingBean等条件过滤
4. 将符合条件的Configuration注册为BeanDefinition
自定义自动配置示例:
@Configuration(proxyBeanMethods = false)
@ConditionalOnClass(DataSource.class)
@ConditionalOnProperty(prefix = "spring.datasource", name = "url")
public class MyDataSourceAutoConfiguration { ... }
多环境配置管理方案
Spring Boot支持通过profile实现多环境配置:
• application.yml:通用配置
• application-dev.yml:开发环境
• application-test.yml:测试环境
• application-prod.yml:生产环境
激活方式:
• 命令行:--spring.profiles.active=prod
• JVM参数:-Dspring.profiles.active=test
• 环境变量:SPRING_PROFILES_ACTIVE=dev
高级技巧:使用@Profile注解按环境注册Bean@Profile("prod") @Bean public DataSource prodDataSource() { ... }
生产就绪监控实践
引入spring-boot-starter-actuator后,提供丰富端点:
• /actuator/health:健康检查(默认暴露)
• /actuator/info:应用信息
• /actuator/metrics:性能指标
• /actuator/loggers:日志级别动态调整
• /actuator/scheduledtasks:定时任务列表
自定义健康指示器:
@Component public class DatabaseHealthIndicator implements HealthIndicator {
@Override public Health health() {
try {
// 数据库连接测试
return Health.up().build();
} catch (Exception e) {
return Health.down(e).build();
}
}
}
单元测试与集成测试最佳实践
使用spring-boot-starter-test依赖:
• @SpringBootTest:启动完整应用上下文
• @WebMvcTest:仅加载Web层组件
• @DataJpaTest:专注JPA测试
• @MockBean:注入Mock对象替代真实Bean
测试事务管理:
@SpringBootTest
@Transactional
class UserServiceTest {
@Test void testCreateUser() {
// 测试逻辑
// 自动回滚事务
}
}
| 核心特性 | 实现原理 | 典型应用场景 |
|---|---|---|
| 内嵌Tomcat/Jetty | 通过TomcatStarter启动内嵌容器 | 微服务独立部署,无需外部Web容器 |
| 起步依赖(Starter) | 自动引入常用依赖组合 | 快速搭建模块,减少版本冲突 |
| 外部化配置 | ConfigFileApplicationListener加载配置 | 配置与代码分离,支持Git配置中心 |
| 健康检查与指标 | HealthEndpoint/MetricsEndpoint | 监控系统集成,Prometheus采集 |
《MyBatis》动态SQL与执行原理深度解析
核心架构组件
MyBatis采用分层设计:
• SqlSessionFactory:创建SqlSession的工厂
• SqlSession:执行SQL的会话对象(线程不安全)
• Executor:SQL执行器(Simple/Reuse/Batch)
• StatementHandler:处理JDBC Statement
• ParameterHandler:参数设置
• ResultSetHandler:结果集映射
动态SQL引擎
支持九种标签:
• <if>:条件判断
• <choose>/<when>/<otherwise>:类似switch
• <where>:自动添加WHERE并去除多余AND/OR
• <set>:UPDATE语句动态SET
• <trim>:通用字符串截取
• <foreach>:循环遍历集合
• <bind>:创建变量
• <sql>:定义可复用SQL片段
• <include>:引用SQL片段
插件机制(Interceptor)
四大可拦截对象:
• Executor(update/query/flushStatements)
• StatementHandler(prepare/parameterize/batch/update/query)
• ParameterHandler(getParameterObject/setParameters)
• ResultSetHandler(handleResultSets/getOutputParameters)
分页插件原理:拦截StatementHandler.prepare(),改写SQL添加LIMIT子句
SQL执行完整流程
1. SqlSessionFactoryBuilder.build() → SqlSessionFactory
2. SqlSessionFactory.openSession() → SqlSession
3. SqlSession.selectList() → Executor.query()
4. Executor创建StatementHandler → ParameterHandler.setParameters()
5. StatementHandler执行 → ResultSetHandler.handleResultSets()
6. 返回结果集
缓存机制:
• 一级缓存:SqlSession级别,默认开启,同一会话内相同查询命中缓存
• 二级缓存:Mapper级别,需配置
性能调优关键点
- • 批量操作:使用ExecutorType.BATCH减少网络交互
- • 延迟加载:配置lazyLoadingEnabled=true,关联查询按需加载
- • 结果映射:避免SELECT *,明确指定column/property映射
- • 分页优化:物理分页(LIMIT)优于内存分页(RowBounds)
- • 连接池:推荐使用HikariCP(默认),配置合理大小
自定义TypeHandler处理特殊类型
场景:数据库存储JSON字符串,Java对象使用Map接收
@Component public class JsonTypeHandler extends BaseTypeHandler
注册方式:
• 全局配置:<typeHandlers><typeHandler handler="JsonTypeHandler"/></typeHandlers>
• 注解方式:@Results(@Result(property = "data", column = "json_data", typeHandler = JsonTypeHandler.class))
MyBatis生态演进
2010年:MyBatis开源
原iBatis项目迁移到Google Code,2013年更名为MyBatis
2015年:MyBatis 3.3.0发布
支持Java 8 Lambda表达式,引入SqlProvider注解
2020年:MyBatis-Spring-Boot-Starter 2.0
适配Spring Boot 2.x,自动配置增强
2023年:MyBatis-Plus 3.5+
成为事实标准,提供CRUD封装、代码生成、分页插件等开箱即用功能
《Hibernate》ORM核心机制与JPA规范
一级/二级缓存与查询优化
Hibernate严格遵循JPA规范,核心特性包括:
• Session缓存:一级缓存自动维护,避免重复查询
• SessionFactory缓存:二级缓存需配置Provider(Ehcache/Redis)
• 查询缓存:对HQL结果集缓存,需显式启用
缓存策略:
• read-only:只读数据(如字典表)
• read-write:需事务支持
• nonstrict-read-write:低并发场景
• transactional:分布式事务环境
注解驱动的实体映射
核心注解:
• @Entity/@Table:实体类与表名
• @Id/@GeneratedValue:主键策略(IDENTITY/SEQUENCE/AUTO)
• @Column:字段映射(nullable/length/unique)
• @OneToMany/@ManyToOne:关联关系
• @Transient:忽略字段
复合主键示例:
@Embeddable public class OrderId { String userId; String orderId; }
@Entity public class Order { @EmbeddedId OrderId id; }
四种查询方式对比
| 方式 | 适用场景 | 性能 | 可读性 |
|---|---|---|---|
| HQL | 通用查询,支持聚合 | 中 | 高 |
| Criteria API | 动态查询,类型安全 | 高 | 中 |
| 原生SQL | 数据库特有功能 | 高 | 低 |
| QueryDSL | Fluent DSL,链式调用 | 高 | 高 |
常见性能陷阱与规避
- • N+1查询:使用JOIN FETCH或@BatchSize解决
- • 懒加载异常:确保Session未关闭,或启用OpenSessionInViewFilter
- • 缓存穿透:二级缓存未命中时查询数据库无结果,应缓存空值
- • 批量操作:避免逐条save,使用batch_size配置批量提交
与Spring Boot集成
依赖:spring-boot-starter-data-jpa
关键配置:
• spring.jpa.hibernate.ddl-auto=update
• spring.jpa.show-sql=true
• spring.datasource.hikari.maximum-pool-size=20
Repository接口自动实现:public interface UserRepository extends JpaRepository
支持方法名查询:List
《微服务架构》Spring Cloud核心组件实战
服务治理与通信机制
Spring Cloud基于Netflix OSS构建,核心组件包括:
• Eureka:服务注册与发现
• Ribbon:客户端负载均衡
• Feign:声明式HTTP客户端
• Hystrix:服务熔断降级
• Zuul/Gateway:API网关
服务发现流程:
1. 服务启动向Eureka Server注册
2. 客户端通过DiscoveryClient获取服务列表
3. Ribbon基于负载策略选择实例
4. Feign构造HTTP请求并处理响应
Spring Cloud Gateway路由策略
核心概念:
• Route:路由信息(ID、目标URL、断言、过滤器)
• Predicate:路由匹配条件(Path/Method/Header等)
• Filter:请求/响应修改(AddRequestHeader/RemoveRequestParameter)
配置示例:
spring:
cloud:
gateway:
routes:
- id: user-service
uri: lb://user-service
predicates:
- Path=/api/users/**
filters:
- AddRequestHeader=X-Team, A-team
Config Server集中配置管理
架构:
• 配置仓库(Git/ SVN)
• Config Server提供HTTP接口
• 微服务客户端通过bootstrap.yml连接Server
刷新机制:
• 手动触发POST /actuator/refresh
• 集成Spring Cloud Bus(RabbitMQ/Kafka)实现自动刷新
Sleuth + Zipkin链路追踪
核心注解:
• @EnableZipkinServer:启动Zipkin服务
• @EnableZipkinClient:启用客户端采样
关键字段:
• traceId:全链路唯一标识
• spanId:单次调用ID
• parentId:调用链父节点
| 组件 | 替代方案 | 优势 |
|---|---|---|
| Eureka → Nacos | Nacos | 支持CP/AP模式切换,配置中心一体化 |
| Zuul → Gateway | Spring Cloud Gateway | 基于WebFlux,非阻塞高性能 |
| Hystrix → Resilience4j | Resilience4j | 轻量级,适配Reactive编程 |
《系统架构设计》高并发与高可用保障方案
多级缓存架构设计
缓存分层策略:
1. 浏览器缓存:Cache-Control/ETag
2. 本地缓存:Caffeine(Guava Cache)
3. 分布式缓存:Redis(主从+哨兵+Cluster)
4. CDN缓存:静态资源分发
缓存穿透解决方案:
• 空结果缓存(设置短TTL)
• 布隆过滤器(BloomFilter)预过滤
• 参数校验(防恶意ID攻击)
高可用保障时间轴
服务降级策略
• 服务超时熔断(Hystrix defaultConfig)
• 限流:令牌桶(Bucket4j)/漏桶算法
• 降级开关:配置中心动态控制
• 降级策略:返回兜底数据(如静态页)
分布式事务方案
• Seata AT模式(自动回滚)
• Saga模式(长事务补偿)
• 消息事务(本地消息表)
• 最终一致性(TCC模式)
灾备设计
• 多可用区部署
• 异地多活(双活/三活)
• 灾备演练机制
• 数据库读写分离+分库分表
分布式ID生成方案
• UUID:无序,存储空间大
• 数据库自增:单点瓶颈
• Redis INCR:依赖Redis可用性
• Snowflake算法:64位(时间戳+机器ID+序列号)
• 美团Leaf:Zookeeper+号段模式
• 百度UidGenerator:时间戳+workerId+循环因子
数据库分库分表
• 垂直拆分:按业务拆分(用户库/订单库)
• 水平拆分:按范围/哈希分片(ShardingSphere)
• 中间件:MyCat/ShardingSphere
• 全局表:字典表冗余到各分片
• ER分片:关联表强制分片键一致
《性能优化》JVM调优与数据库优化实战
JVM调优关键参数
堆内存配置:
• -Xms2g -Xmx2g(固定堆大小)
• -XX:NewRatio=2(新生代/老年代比例)
• -XX:SurvivorRatio=8(Eden/S0比例)
垃圾回收器选择:
• G1(默认):适用于大内存(>4GB),低停顿
• ZGC(JDK11+):亚毫秒级停顿,超大堆场景
• CMS(已弃用):低延迟但易产生碎片
常用诊断工具:
• jstat -gcutil 1234 1000(实时GC统计)
• jmap -histo:live 1234 | head -20(对象分布)
• VisualVM远程监控
SQL执行计划分析
关键指标:
• type:ALL(全表扫描)→ index → range → ref → eq_ref → const
• key:实际使用的索引
• rows:预估扫描行数
• Extra:Using filesort/Using temporary(需优化)
优化案例:
• 索引失效:WHERE UPPER(name) = 'JOHN' → 改为函数索引
• 深分页:SELECT * FROM user LIMIT 1000000,10 → 用ID范围查询
• 避免SELECT *:只查必要字段
热点数据处理方案
• 热点Key:Redis分片(如user:1001 → user:1001_shard1)
• 缓存击穿:互斥锁(SETNX)+ 逻辑过期
• 缓存雪崩:随机过期时间(TTL+随机偏移)
• 缓存预热:启动时加载高频数据
JMeter压测配置要点
• 线程组:模拟并发用户
• HTTP请求默认值:协议/域名/端口
• 断言:验证响应状态
• 监听器:聚合报告/查看结果树
• 配置元素:CSV Data Set Config(参数化)
压测指标:
• TPS:每秒事务数
• RT:平均响应时间
• 错误率:<5%
• CPU/内存/GC:监控资源消耗
《实战案例》电商与金融系统架构解析
电商秒杀系统设计
核心挑战:
• 高并发库存扣减(Redis原子操作)
• 订单超时取消(延迟队列)
• 防刷机制(IP限流+图片验证码)
技术方案:
1. 秒杀接口预热(Redis预减库存)
2. 请求排队(RabbitMQ削峰)
3. 动态库存(Redis + Lua脚本)
4. 异步下单(消息队列)
5. 限流熔断(Sentinel)
金融交易系统保障
关键要求:
• 事务一致性(Seata AT模式)
• 防重放(唯一交易号)
• 审计日志(操作留痕)
安全措施:
• 敏感数据加密(AES+RSA)
• 接口签名(HMAC-SHA256)
• 交易对账(每日对账任务)
• 异地灾备(双活数据中心)
典型系统演进路径
单体架构 → 分布式
初期:单应用部署(Tomcat)
中期:业务拆分(订单/用户/商品)
后期:服务网格化(Service Mesh)
同步调用 → 异步化
同步:HTTP直调
异步:消息队列解耦
结果:提升吞吐量300%+
人工运维 → DevOps
CI/CD流水线(Jenkins)
容器化(Docker + K8s)
监控告警(Prometheus + Grafana)
性能对比数据
以电商订单系统为例:
• 单体架构:TPS 1200,响应时间 280ms
• 分布式架构:TPS 3800,响应时间 110ms
• 优化后(Redis缓存+异步):TPS 6200,响应时间 75ms
网友们还关心的高频问题
1. Spring Boot与Spring Framework关系?
Spring Boot是Spring的快速开发框架,基于Spring Framework构建,提供自动配置、起步依赖、生产就绪特性,简化传统Spring应用的XML配置。
2. MyBatis与Hibernate选择建议?
• MyBatis:灵活可控,适合SQL优化要求高、业务逻辑复杂的系统
• Hibernate:开发效率高,适合CRUD为主、实体关系复杂的系统
• 混合方案:核心查询用MyBatis,关联操作用Hibernate
3. 如何避免微服务过度拆分?
遵循领域驱动设计(DDD):
• 业务边界清晰(限界上下文)
• 团队规模匹配(康威定律)
• 服务粒度:一个服务对应一个子域
• 避免跨服务事务(最终一致性)
4. Redis缓存更新策略?
• Cache-Aside:应用负责缓存更新(推荐)
• Read-Through:缓存层自动加载
• Write-Through:写入时同步更新缓存
• Write-Behind:异步批量更新
5. 如何处理分布式事务?
优先级方案:
1. 避免分布式事务(服务内聚)
2. 最终一致性(消息队列)
3. Seata AT模式(自动回滚)
4. TCC模式(高一致性要求)