Java Books
Java Библиотека По всем вопросам- @notxxx1 @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -it 📚 № 5032728887
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام Java Books
تُعد قناة Java Books (@java_library) لاعباً نشطاً. يضم المجتمع حالياً 14 133 مشتركاً، محتلاً المرتبة 9 050 في فئة التكنولوجيات والتطبيقات والمرتبة 46 062 في منطقة روسيا.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 14 133 مشتركاً.
بحسب آخر البيانات بتاريخ 26 أكتوبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -88، وفي آخر 24 ساعة بمقدار -5، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 8.38%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 3.46% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 1 184 مشاهدة. وخلال اليوم الأول يجمع عادةً 489 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 2.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل docker, собеседование, sql, boot, string.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Java Библиотека
По всем вопросам- @notxxx1
@ai_machinelearning_big_data - machine learning
@pythonl - Python
@itchannels_telegram - 🔥 best it channels
@ArtificialIntelligencedl - AI
@pythonlbooks-📚
@programming_books_it -it 📚
№ 503272888...”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 27 أكتوبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.
Enumeration и Iterator. Оба позволяют пройтись по элементам, но у них разный синтаксис, возможности и история.
📌 1. Enumeration (старый интерфейс, до Java 2)
Используется в таких классах, как Vector и Hashtable.
🧪 Пример:
Vector<String> vector = new Vector<>();
vector.add("A");
vector.add("B");
Enumeration<String> e = vector.elements();
while (e.hasMoreElements()) {
System.out.println(e.nextElement());
}
✅ Преимущества:
– Прост
– Меньше накладных расходов
❌ Недостатки:
– Только чтение: нельзя удалить элемент
– Устарел: используется в legacy-коде
– Не поддерживает коллекции из java.util (List, Set и т.п.)
📌 2. Iterator (введён в Java 2, заменил Enumeration)
Работает с большинством коллекций: ArrayList, HashSet, HashMap, и т.д.
🧪 Пример:
ArrayList<String> list = new ArrayList<>();
list.add("X");
list.add("Y");
Iterator<String> it = list.iterator();
while (it.hasNext()) {
System.out.println(it.next());
}
✅ Преимущества:
– Совместим с современными коллекциями
– Поддерживает удаление элементов во время итерации (it.remove())
– Поддерживает обобщения (generics)
❌ Недостатки:
– Немного более "шумный" синтаксис
– Не поддерживает безопасную модификацию (если изменить коллекцию вне итератора — будет ConcurrentModificationException)
🧠 Вывод:
Используй Iterator в 99% случаев. Enumeration пригодится только при работе со старыми структурами (Vector, Hashtable), либо в очень специфичных случаях.
// Лучше:
for (Iterator<String> it = list.iterator(); it.hasNext();) {
String val = it.next();
if (val.equals("X")) it.remove();
}
Если нужен ещё более современный подход — смотри в сторону for-each, Stream API, и spliterator.
for (String item : list) {
System.out.println(item);
}
list.stream().forEach(System.out::println);
💡 Java развивается — пиши на ней современно.
@java_librarydocker run -d — запуск контейнера в фоне
✅ docker logs — просмотр логов
✅ docker attach — повторное подключение к контейнеру
Ничего не нужно устанавливать — всё прямо в браузере!
Попробовать можно здесь:
Если хочешь прокачать Docker на практике — начинай отсюда.
👉 https://labs.iximiuz.com/challenges/docker-101-container-run-in-background?x=2vector bucket. Внутри него вы создаете векторные индексы, указывая размерность векторов и метрику расстояния (косинусную или евклидову).
🟡Дальше все работает как магия
Вы просто загружаете в индекс свои эмбеддинги вместе с метаданными для фильтрации, а S3 берет на себя всю грязную работу по хранению, автоматической оптимизации и обеспечению субсекундного ответа на запросы. Никакого управления инфраструктурой.
Один бакет может содержать до 10 тысяч индексов, а каждый индекс, в свою очередь, десятки миллионов векторов.
🟡Главная сила этого решения - в экосистеме.
S3 Vectors бесшовно интегрируется с Bedrock Knowledge Bases. Теперь при создании базы знаний для RAG-приложения можно просто указать S3-бакет в качестве векторного хранилища.
Процесс создания RAG-пайплайна для тех, кто уже живет в облаке AWS, упрощается до нескольких кликов. То же самое касается и SageMaker Unified Studio, где эта интеграция тоже доступна из коробки.
🟡"One more thing" анонса - умная интеграция с сервисом OpenSearch.
AWS предлагает гибкую, многоуровневую стратегию. Нечасто используемые или «холодные» векторы можно экономично хранить в S3 Vectors. А когда для части данных потребуется максимальная производительность и низкая задержка в реальном времени, например, для системы рекомендаций, их можно быстро экспортировать в OpenSearch.
Это очень прагматичный инженерный подход, позволяющий балансировать между стоимостью и производительностью.
Пока сервис находится в статусе превью и доступен в регионах US East (N. Virginia), US East (Ohio), US West (Oregon), Europe (Frankfurt), and Asia Pacific (Sydney) Regions.
Попробовать S3 Vectors можно в Amazon S3 console.
🟡Статья
🖥Github
@ai_machinelearning_big_data
#AI #ML #RAG #AmazonDispatcherServlet в Spring — два способа
DispatcherServlet — это сердце Spring MVC. Он принимает все HTTP-запросы и перенаправляет их нужному контроллеру. Вот как его можно настроить:
🔹 Через `web.xml` — классический способ
<servlet>
<servlet-name>dispatcher</servlet-name>
<servlet-class>org.springframework.web.servlet.DispatcherServlet</servlet-class>
<init-param>
<param-name>contextConfigLocation</param-name>
<param-value>/WEB-INF/app-config.xml</param-value>
</init-param>
<load-on-startup>1</load-on-startup>
</servlet>
<servlet-mapping>
<servlet-name>dispatcher</servlet-name>
<url-pattern>/</url-pattern>
</servlet-mapping>
🔹 Программно (без XML) — через WebApplicationInitializer
public class MyWebAppInitializer implements WebApplicationInitializer {
@Override
public void onStartup(ServletContext sc) throws ServletException {
XmlWebApplicationContext ctx = new XmlWebApplicationContext();
ctx.setConfigLocation("classpath:app-config.xml");
ServletRegistration.Dynamic servlet = sc.addServlet("dispatcher",
new DispatcherServlet(ctx));
servlet.setLoadOnStartup(1);
servlet.addMapping("/");
}
}
📌 Оба способа подойдут, но:
web.xml — для классических Java EE приложений
Java-код — для современного подхода и Spring Boot-проектов
Полное объяснение и примеры — в оригинальной статье:
https://www.blackslate.io/articles/how-to-configure-dispatcher-servlet-in-spring-framework
@Test
void shouldFulfillConstraints() {
Taikai.builder()
.namespace("com.enofex.taikai") // выбранный пакет
.java(java -> java // правила для Java-кода
.noUsageOfDeprecatedAPIs() // запрет устаревших API
.methodsShouldNotDeclareGenericExceptions()// никаких throws Exception
.utilityClassesShouldBeFinalAndHavePrivateConstructors())
.logging(logging -> logging // единый стиль логгеров
.loggersShouldFollowConventions(
Logger.class, "logger",
EnumSet.of(PRIVATE, FINAL)))
.spring(spring -> spring // правила для Spring-слоя
.controllers(c -> c
.shouldBeAnnotatedWithRestController() // все контроллеры = REST
.shouldNotDependOnOtherControllers()))
.build()
.check(); // тест упадёт, если есть ошибка
}
Плюсы подхода:
Быстрая обратная связь — CI сразу показывает, где правила нарушены.
Чёткая документация — правила читаемы прямо в коде, без вики-страниц.
Меньше рутины на ревью — обсуждаем дизайн, а не «почему здесь throws Exception».
Добавь такой тест-набор в проект и поддерживай кодовую базу в здоровом состоянии автоматически.
#Java #CodeQuality #ArchUnit #SpringBoot
@java_library