Java: fill the gaps

Критикую JDK: метод hashCode Сегодня на простом примере из JDK покажу, как НЕ нужно проектировать апи. Обычно всю теорию по этой теме можно свести к “делайте хорошо, а плохо не делайте”. Разбор ошибок - очень наглядный способ посмотреть все на практике. Поэтому углубимся в два метода класса Objects: Objects.hashCode(Object) Objects.hash(Object…) Человек, который видит их в первый раз, обязательно спросит 🤔 Чем отличается hash и hashCode? 🤔 Почему они выдают разные результаты? (ответ на вопрос перед постом: hash3 отличается от остальных хэшей) В хорошем апи у пользователя минимум вопросов, как им пользоваться. В идеале даже смотреть документацию на нужно. Это, наверное, самый главный принцип проектирования. В нашем случае приходится лезть в доку и исходный код👎 Что увидим внутри: ▫️ hashCode принимает 1 аргумент - Object, и возвращает его хэш ▫️ hash принимает массив объектов переменной длины, итоговый хэш считается на основе переданных полей. Чтобы учесть порядок, hash производит дополнительные вычисления, даже для одного поля. Поэтому итоговые хэши отличаются. Супер, я разобралась, но зачем мне в это погружаться? Я хочу просто посчитать хэш объекта, а не вникать в разницу 2 методов. Тратить даже 5 минут на такую простейшую задачу отвратительно. Bad user experience во всей красе. В случае хэшей исправить ситуацию элементарно, просто дать методам одинаковые имена: Objects.hashCode(Object) Objects.hashCode(Object…) Если передать один обьект, java не запутается и вызовет нужный метод. Плюсы очевидны: ✅ Не надо думать, какой метод вызвать ✅ Хэшкод обьекта будет одинаков в любом месте кода Почему так не сделано изначально? Я пыталась найти ответ, смотрела старые исходники и доки. Не нашла ни одной причины, почему имена разные и результаты не согласованы. Видимо автор решил, что и так сойдёт. Оставим это на совести разработчиков JDK, а себе заберём следующие выводы: ▫️ В хорошем апи пользователю не нужно смотреть документацию, чтобы сделать базовые вещи ▫️ Если в апи есть неочевидные моменты, их надо поправить, а не писать в доке warning ▫️ Если пользователь пошел смотреть исходники, чтобы разобраться - это полный провал Чем сложнее система, тем важнее вкладываться в простоту. Простоту понимания, чтения, поддержки. Даже собственный код через пару месяцев выглядит как чужой. Понятные названия переменных, классов и методов, непротиворечивость - база для комфортной работы❤️ Это уже не первый пост, где я разбираю неудачные методы в JDK. Если вам хочется больше, предлагаю почитать 🤦 Критикую метод HashMap из java 20 🤦 Критикую методы StreamAPI в java 22 🤦 Критикую методы BigDecimal

​Какой хэш отличается от остальных?

Стратегии деплоя – забота не только девопсов, но и разработчиков уровня сеньор+. В этом посте обозначу, какие схемы бывают, и в чем их суть. Все сценарии работают на одну из двух ситуаций: Ситуация 1: нужно обновить сервисы на проде с версии 1 на версию 2 🌔 Rolling update Добавляем инстанс с версией 2 и переводим туда часть запросов. Если все ок, понемногу добавляем сервисы с версией 2 и убираем с версией 1 👯 Blue-green У нас всегда в наличии 2 идентичных продакшн среды. На одной функционирует версия 1 и обрабатывает все запросы, другая простаивает. ▫️ Раскатываем сервисы версии 2 на неактивный стенд ▫️ Переключаем роутер с одного стенда на другой На практике чаще встречается Rolling update, потому что это дешевле. Ситуация 2: хотим протестировать фичу в продакшене😇 🎏 AB testing ▫️ Запускаем несколько экземпляров сервиса с новой фичей и направляем туда часть запросов ▫️ Сравниваем метрики старой и новой версии ▫️ Выбираем победителя ▫️ Раскатываем его на всех пользователей Способ часто используется для изменений на фронте. 🐤 Канареечный деплой (canary) Поднимаем сервис с новой версией, переводим туда трафик от определенной группы пользователей. Если все ок, раскатываем новую версию дальше. Технически похоже на rolling update, но в случае канарейки мы явно указываем, каким пользователям видна новая версия. Это могут быть бета тестеры или представители заказчика. Используется такой способ редко, лично ни разу не встречала. 🌚 Shadow deployment ▫️ Поднимаем сервис с новой версией ▫️ Дублируем туда трафик с продакшена ▫️ Смотрим, как сервис справляется (или нет🥲) Цель shadow deployment - проверить фичи на бэкенде под реальной нагрузкой. Иногда поднимается полная копия продакшен среды. Но чаще все же ограниченный набор сервисов. ❓ Как реализовать эти стратегии? Основную работу делают девопсы с помощью bash скриптов, Kubernetes, Consul, Istio и их аналогов. Со стороны разработки может понадобиться ▫️ добавить механизмы включения/выключения фич (feature toggle) ▫️ обеспечить совместимость старой и новой версии по данным и API. На практике бывает сложно, по миграциям данных даже целые книжки пишут! Ответ на вопрос перед постом – больше всего ресурсов требует Blue-green стратегия. Также принимается вариант с shadow deployment на максималках🔥

GraalVM, часть 2: native image Продолжаем вникать в GraalVM. Сегодня поговорим о самой интересной его части — native image билдер. Он компилирует java код и все нужные классы сразу в бинарный файл. Нет промежуточного этапа в виде байткода, а значит для запуска не нужна JVM. Джава код запускается без JVM🤯 Бинарник собирается под конкретную платформу, поэтому код больше не write once, run anywhere! Одна из киллер фич java отправляется на антресоль. Что получаем от такого богохульства: ✅ Быстрый старт, тк все классы уже загружены 😐 Немного усложняется CI и тестирование 😡 Нужно адаптировать код Например, статические блоки по классике выполняются при загрузке класса. Если класс не загружается, блок не выполнится. Это легко чинится переносом кода из статики в другое место. Таких нюансов довольно много, но почти для всех есть обходные пути 😡 Если приложение использует библиотеки, они тоже должны предоставлять нейтив вариант 😡 Долгая компиляция Сама с native images не сталкивалась, но видела доклад, как их используют в одном из проектов Сбера. Так что вещь рабочая, хоть и специфичная. Spring native image🍃 Интересный проект по адаптации Spring под нейтив имедж. Обычные спринг приложения стартуют несколько минут. Ожидается, что native вариант запустится за несколько секунд! Сложность в том, что в спринге большая часть магии происходит на старте. Активно используется рефлекшн и создаются прокси-классы. Чтобы адаптировать Spring под native, надо переписать огромную часть кода. Плюс не все библиотеки легко адаптируются под нэйтив. Например, сейчас нет поддержки Mockito. А куда мы без него? Поэтому сохраняется интрига — непонятно, что в итоге получится, и стоит ли оно того. Но следить за этим очень интересно🥰 Подведем итог GraalVM — проект, объединяющий несколько направлений: 🌸 JIT компилятор. Уже сейчас можно запустить на OpenJDK и OracleJDK и чуточку ускорить приложение 🌸 Виртуальная машина GraalVM 🌸 Сборщик native image. Интересен и сам подход, и проекты, которые его используют, например, Spring native image Есть в GraalVM и другие штуки, например, мультиязычный рантайм. Но они вряд ли пригодятся большинству из нас, поэтому не будем о них😊

GraalVM, часть 1 Последние годы на конференциях встречаются доклады про GraalVM. У них мало просмотров, тк есть мнение, что Грааль — что-то экспериментальное и далёкое от коммерческой разработки. Но нет! GraalVM — проект, который объединяет в себе целую смесь идей и технологий. В этом посте расскажу о самом близком к практике и понятном компоненте — JIT-компиляторе Graal и зачем он нужен. Начнем с основ: ✍️ Программист пишет java код ✍️ Компилятор превращает его в байт-код ✍️ JIT-компилятор внутри JVM переводит байт-код в системные вызовы для конкретной ОС JVM использует два типа компиляторов: С1 и С2: 🐍 С1 (client) — для десктопа, браузера и приложений на слабом железе. Быстрый старт, низкое потребления памяти, но мало оптимизаций 🐊 С2 (server) — для больших и мощных серверов. Алгоритмы сложнее, памяти нужно больше, зато на выходе более оптимизированный нативный код Разделение было актуально 20 лет назад. Сейчас железо мощнее и дешевле, поэтому с java 8 работает смешанный тип (tiered compilation) с участием обоих компиляторов. Технологии позволяют сделать компиляцию быстрее, но вносить серьезные изменения в С1 и С2 проблематично, так как код сложный и запутанный. Тот случай, когда проще написать заново:) В Java 9 работа с JIT-компилятором скрылась за отдельным интерфейсом JVMCI — JVM Compiler Interface. Теперь можно собрать JVM с другим компилятором. Например, с новым и свежим JIT компилятором Graal. В OpenJDK включается флажками -XX:+UnlockExperimentalVMOptions -XX:+UseJVMCICompiler Работает пока только для Linux, иногда показывает небольшой прирост скорости. Так что имеет смысл попробовать! В GraalVM есть ещё одно интересное направление, и о нем расскажу в следующем посте🔥

Как освоить многопоточку? Спасибо всем, кто поделился мнением в предыдущем опросе! Очень много интересных идей и комплиментов🥰 Но есть момент, который меня удивил — огромное количество запросов про многопоточку! С одной стороны, это понятно. Тема сложная, толковых материалов мало, гайдов по практике вообще нет. С другой стороны, решение же давным-давно висит в закрепе! 1️⃣ Бесплатный курс по основам многопоточки Мини курс по базовым темам с тестами и задачками. Такой формат гораздо полезнее постов. Ещё раз, абсолютно бесплатно! 2️⃣ Полный курс по java.util.concurrent Для тех, у кого многопоточка на проекте, и кто хочет отвечать на собесах не только на примитивные вопросы Много нюансов и практики, разбираем код реальных проектов. ✅ Полностью закрывает вопрос с многопоточкой ✅ Можно оплатить за счёт компании ✅ Можно вернуть 13% через налоговый вычет ✅ Есть рассрочка

Курс великолепный, не пожалел ни одного рубля, что потратил. Это уникальный курс в своем сегменте, особенно на русском рынке. Всем советую, на курсе вы найдете все ответы на интересующие вас вопросы. Более того из курса вы сможете узнать то, что просто нет в открытом доступе нигде, исключительно авторские наработки. Однозначно советую всем бэкэнд разработчикам, даже если вы не особо используете многопточку - это очень поможет вам в понимании многопоточного кода фреймворков и вообще сильно улучшит ваш кругозор.

Так что с многопоточкой всё давно решено, все ссылки в закрепе. Остальные ответы ещё разгребаю, буду писать посты по мере сил. Ещё раз спасибо, очень ценю вашу помощь❤️

Вышла Java 23🎉 Это не LTS версия, почти все фичи в превью стадии. Этап важный, но не самый интересный. Поэтому подниму другую тему. Я уже несколько лет делюсь знаниями в этом канале. У меня хорошо получается видеть главное и подсвечивать неочевидные моменты. Хочу продолжать в том же духе. Помогите мне с контент-планом:) В чем вам помочь разобраться? Какие знания хочется углубить? Заполните, пожалуйста, эту форму. Всего 3 вопроса!

Как быстро отдавать данные по частям Пагинация с первого взгляда кажется простой задачей. На практике это та ещё кроличья нора🌚 В этом посте расскажу 2 подхода к пагинации со стороны SQL, их плюсы, минусы и основные кейсы. За кадром оставим нюансы спринга и хибернейта. Итак, пагинация бывает двух видов: offset и keyset. 🌸 Offset - для получения части данных используется (сюрприз) оператор offset. Первую страницу получаем так:

SELECT * FROM t ORDER BY …
LIMIT 100

Для второй и последующих добавляем offset:

SELECT * FROM t ORDER BY …
LIMIT 100 OFFSET 100

Offset показывает, сколько строк пропустить. В чем подвох: кажется, что при offset 100 постгрес сразу прыгнет на 101 строку, но это не так. Он честно пройдет 100 строк, и потом отдаст следующие 100. ❌ В случае большого оффсета такая операция будет работать долго даже при наличии индекса ✅ Просто реализовать. Минимум действий со стороны клиента и поддержка в фреймворках. 🌸 Keyset пагинация. Она же cursor, она же seek. Здесь мы используем where в паре с индексом и сразу прыгаем на нужную позицию. Первую страницу получаем так:

SELECT * FROM t ORDER BY name
LIMIT 10

Если записи отсортированы по имени, запоминаем имя последнего элемента. Пусть это будет х. Чтобы получить вторую страницу, добавляем where:

SELECT * FROM t ORDER BY name
WHERE name > x
LIMIT 10

✅ Работает быстрее, чем вариант с оффсетом. Чем больше оффсет, тем значительнее разница ❌ Сложнее в реализации, надо запоминать поле в последней пачке ❌ Нельзя перейти к произвольной странице, только последовательная выдача данных Когда что использовать? Во многих докладах/статьях часто встречается мысль, что оффсет это ужас, и надо всегда использовать кейсет. На практике все не так категорично: ▫️ Если на сайте infinite scrolling или пользователь вряд ли будет много смотреть, вполне ок использовать простую оффсет пагинацию. ▫️ Если данные выкачиваются большими пачками для обработки, аналитики, миграции и тд, берём keyset пагинацию. ▫️ Если надо выгрузить много данных и прыгать по ним туда-сюда или у вас другой сложный случай, придется экспериментировать с индексами и запросами. Этот доклад хорошо показывает, что пагинация - далеко не тривиальная задача. А поставить огонек качественному контенту очень просто, поэтому это нужно обязательно сделать🔥

Посолить, поперчить по вкусу Пароли пользователей нужно беречь. Для защиты используется целый комплекс мер: от безопасной передачи по сети до шифрования данных на уровне БД. Сегодня поговорим о способе защиты, с которым может встретиться любой бэкендер — соли🧂. Обсудим, что это и зачем она нужна. Начнём с основ. Почему нельзя хранить пароль как обычный текст? 🥷🏼 Любой человек с доступом к БД сделает select, запишет логин-пароль и никто об этом не узнает 🥷🏼 Злоумышленник найдёт бэкап БД и прочитает данные Первый логичный шаг — хранить не сам пароль, а его хэш. Операция однонаправленная: проверить введённый пароль можно, а вот получить пароль из хэша нельзя. Почему хэш — это недостаточно безопасно? Злоумышленник может воспользоваться rainbow tables🌈. Это база, где хранятся миллиарды хэшей разных строк. Это не какой-то даркнет, есть много сайтов с таким функционалом. Например, этот. И здесь на сцену выходит наш главный герой🦸‍♂️ Соль — это последовательность символов, которая добавляется к паролю перед расчётом хэша: Пароль: qwerty Соль: 34%$b В БД записываем хэш от qwerty34%$b Если злоумышленник узнал хэш пароля, вероятность, что этот хэш найдётся в rainbow table ощутимо снижается. Соль генерируется случайным образом, у каждого пользователя она своя. Может хранится вместе с паролем или в отдельном поле в БД. 🌶 Pepper При доступе к БД можно прочитать и засоленный пароль, и саму соль. Восстановить исходный пароль сложно, но если очень хочется, то можно. Чтобы усилить защиту, используется вариация под названием pepper (или secret salt). В этом случае последовательность символов, которая добавляется к паролю, хранится не в БД, а в другом месте. Spring Security К счастью, Spring предлагает готовые энкодеры, которые упрощают манипуляции с солью: 🔸 BCryptPasswordEncoder генерирует соль и хранит её в итоговой строке. Разработчику ничего делать не надо, всё работает само:) 🔸 Pbkdf2PasswordEncoder тоже сам разбирается с солью, плюс можно передать pepper в конструкторе объекта. Ответ на вопрос перед постом: соль помогает в случае, когда злоумышленник прочитал из базы поле password. Она снижает вероятность, что по хэшу можно восстановить исходный пароль.

Распределенные транзакции Кукусики, спасибо за огоньки к прошлому посту! Очень приятно, вижу, что цените качественный контент🥰 А теперь к делу. В посте про сагу мы сформулировали, что она нужна для распределенных транзакций. Если на собесе упоминается термин “распределенная транзакция”, грех не спросить, что же это такое. Удивительно, но на этом шаге многие сыпятся🤷 Транзакция — очень многозначительное понятие в айтишке, но первое, что приходит на ум — транзакции в базе данных. Соответственно, распределённая транзакция — набор изменений в нескольких БД, которые выполняются атомарно. В любой момент времени система находится в согласованном состоянии. — И как это, хорошо или плохо? — спрашивают вас Чувствуете подвох, но пока не понимаете где: — Да нормально вроде… Интервьюер понимает, что вы опасны для проекта и ставит жирный минус. ❓ Что не так с распределенными транзакциями в БД? Во-первых, медленно работают. Во-вторых, часто являются признаком косяков в архитектуре. Каждый сервис выполняет задачи определенного типа. Сервис заказов работает с заказами, сервис логистики — с маршрутами и тд. Все нужные сервису данные обычно лежат в одной БД. 🚩 Распределённая транзакция в БД — это обычно знак, что мы неверно распределили функции по сервисам. Второе значение слова транзакция — набор изменений, которые происходят атомарно. Либо все завершатся успешно либо ни одно. Тут нет отсылок на БД, нет требования одновременности и согласованности в каждый момент времени. И это уже нормальный вариант для жизни. Если что-то пошло не так, делаем ретрай или потихоньку откатываем изменения. Ещё раз подсвечу разницу. 🛢️ Распределённая транзакция в БД: ▫️ Данные в системе согласованы в каждый момент времени ▫️ Гарантия распространяется только на изменения в БД ▫️ Сложно и долго ▫️ Признак плохой архитектуры 🎩 Распределённая транзакция бизнес-процесса: ▫️ Eventual consistency. Однажды всё станет хорошо, но в процессе возможны несогласованные данные ▫️ Можно менять состояние не только в БД, но и в других сервисах, файлах, отправлять сообщения в месседж брокер ▫️ Не требует сложных блокировок Термин один, а значения абсолютно разные! Обидно, когда кандидат их путает и предлагает масштабно блокировать систему, где это не требуется.

Сага -- паттерн в микросервисах, который часто упоминается на собесах уровня сеньор и выше. В этом посте расскажу, зачем нужна сага, какие есть виды, плюсы, минусы и альтернативы. ❓ Какую проблему решаем? В системе много компонентов: стайка микросервисов, несколько БД, кэши и месседж брокер. Каждый микросервис в норме работает с одной БД и имеет четкий круг обязанностей. Для многих задач нужно пройтись через несколько сервисов и зафиксировать изменения в нескольких БД. Пример — покупка в интернет-магазине. Создать заказ, проверить наличие, снять деньги и тд. Если на каком-то шаге случится ошибка, предыдущие изменения можно откатить, чтобы система осталась в согласованном состоянии. Для таких случаев на сцену выходит паттерн сага в двух вариантах: хореография и оркестрация. 💃 Хореография — каждый сервис “танцует” свой набор движений: знает, что делать при ошибке и кого предупредить. Например: ▫️ В сервисе А происходит ошибка ▫️ Сервис А шлёт сервису Б событие “я не смог” ▫️ Сервис Б дёргает у сервиса В команду “отмена” ▫️ Система снова в согласованном состоянии🥳 Плюсы: ✅ Легко сделать для простых бизнес-процессов Минусы: ❌ Высокая связность и усложнение логики в сервисах. Сервис логистики должен знать, что если на складе нет товара, надо уведомить систему обработки заказов ❌ Если процесс заглох на каком-то шаге, бывает сложно разобраться, что случилось и где проблема ❌ Если шаги внутри процесса поменяются, получим задачу на много человекодней 🥁 Оркестрация — когда за порядком следит отдельный сервис. Если кто-то не смог, оркестратор шлёт остальным участникам компенсирующие указания. Плюсы: ✅ Сервисы меньше знают друг о друге, и логика внутри проще. Сервис оплаты не придумывает, что делать при отмене заказа, а получает четкую команду “Верни деньги” ✅ Информация о шагах находится в одном месте Легче понять, что происходит и разобраться в ошибках ✅ Проще менять шаги в процессе ✅ Проще в управлении, если в системе несколько сложных процессов Минусы: ❌ Ещё один компонент. Дополнительный деплой, мониторинг, страничка в конфлюенс и тд ❓ Как реализуется оркестрация? Есть миллион библиотек и фреймворков, например, Apache Camel или Netflix Conductor. Упомянете их — получите плюсик. ❓ Почему сага редко встречается? Система не выполняет в итоге нужное действие. Чаще проблема решается через Retry или Fallback. Откат предыдущих шагов — очень крайняя мера. Собственно, на собесе ждут, что кандидат расскажет все, что выше. Хорошо, если на этом моменте обсуждение закончится, и вы перейдете к следующему вопросу. Но в обсуждении саги есть важный нюанс, который меняет все. Если его не понимать, напротив вашей кандидатуры появится жирный минус. Расскажу в следующем посте, а сейчас жду ваших огоньков🔥

Как написать компаратор Продолжим тему прошлого поста про сортировки и функциональный подход. Итак, компаратор задаёт правило сравнения элементов между собой. Делает он это с помощью метода compare: public int compare(T o1, T o2) {…} Если метод вернул ▫️ число больше нуля — первый элемент больше второго ▫️ 0 — элементы равны ▫️ число меньше нуля — первый меньше второго Простейшая и популярная реализация — вычесть одно значение из другого: (o1, o2) -> (int) (o1.getSum() - o2.getSum()) ❓ Что с этим не так? Я всегда сомневаюсь, что из чего вычитать. Если вы отвечали на опрос дольше одной секунды, значит мы в одном лагере:) Компаратор — совсем не то место, где мозг должен спотыкаться. В Java 8 в интерфейсе Comparator появился удобный метод: orders.sort(comparing(Order::getSum)) Что классно: ✅ Не надо вспоминать, что из чего вычитать ✅ Легко сделать сравнение в обратном порядке: comparing(Order::getSum).reversed() ✅ Можно учесть null: nullsFirst(comparing(Order::getSum)) nullLast(…) ✅ Удобно сортировать по нескольким полям: comparing(Order::getSum).thenComparing(Order::getId) Самостоятельно обрабатывать null и писать сложные сортировки очень утомительно. Помню, как с удовольствием удаляла из проекта компараторы на 20 строк после перехода на Java 8😊 Важные нюансы: 1️⃣ comparing* В интерфейсе Comparator также доступны методы comparingInt, comparingLong и comparingDouble. Используются для полей примитивного типа, чтобы избежать лишнего боксинга. Если в классе Order Long id → используем comparing(Order::getId) long id → comparingLong(Order::getId) Не указывайте тип лишний раз. Для работы с объектами подойдёт обычный comparing 2️⃣ Нетривиальная работа с null* В обычных методах легко понять, что происходит: comparing(A).reversed().thenComparing(Б) = отсортировать по полю А в обратном порядке, дубликаты отсортировать по Б Методы null* выбиваются из этой схемы. nullsFirst(comparing(Order::getSum)) означает, что первыми будут null объекты, а существующие заказы отсортируются по сумме. Этот компаратор работает для такого кода: orders.add(null); // эти элементы будут впереди orders.add(new Order(…)); // эти отсортируются по полю sum Если в списке нет null объектов, но в поле sum возможен null, придётся писать так: …comparing(Order::getSum, nullsFirst(naturalOrder())); Сравнение по нескольким nullable полям выглядит совсем плохо. К счастью, на практике такие задачи встречаются редко. Ответ на вопрос перед постом: (o1, o2) -> (int) (o2.getSum() - o1.getSum()) Но лучше использовать comparing(Order::getSum).reversed() ✨

Костыль в JDK и сортировка списков Вести абстрактные разговоры о разработке легко и приятно. Можно два часа рассуждать, что такое хорошее API, но гораздо полезнее обсудить конкретные примеры. Сегодня разберём метод сортировки. Если показать вопрос перед постом питонисту, он однозначно выберет list.sort(). Хотя бы потому что в питоне есть такой метод. Класс Integer реализует интерфейс Comparable, сортировка чисел — базовая функциональность любого языка программирования. Так что метод sort() максимально логичен. Однако в интерфейсе List нет такого метода, только void sort(Comparator<?super Е> c) {…} Для элементарной операции сортировки чисел приходится писать list.sort(Comparator.naturalOrder()) Код с Comparator.naturalOrder() похож на какой-то костыль. Под капотом не происходит ничего особенного, реализация компаратора очень простая: (с1, с2) -> c1.compareTo(c2) ❓ Так зачем писать так сложно? Почему в интерфейсе List нет метода sort()? Сейчас расскажу:) Java создавался как язык для больших и долгоживущих приложений, и его основные ценности — стабильность и обратная совместимость. C начала 2000-х в JDK есть метод Collections.sort(List). Статический метод, который меняет внутреннее состояние аргумента. Сейчас это порицается, но в те времена было норм. В больших компаниях классы JDK часто расширяли удобными методами, в том числе сортировкой в функциональном стиле: CustomList sorted = list.sort(); Спустя много лет стало понятно, что экземплярные методы сортировки — это классно, и надо добавить такой метод в JDK. Чтобы текущие реализации списков не сломались, это должен быть дефолтный метод в интерфейсе List. Но есть проблема. Допустим, на проекте есть такой класс: public class CustomList implements List { public CustomList sort() {…} } Допустим, в java 8 в интерфейс List добавили бы метод default void sort() {…} Старый метод не может переопределить дефолтный. тк возвращаемые значения не совместимы. Поэтому проекты, которые определили свой функциональный sort в начале 2000-х, перестанут компилироваться. Пользователи будут недовольны😡 Многие проекты полагаются на свой sort, поэтому разработчики JDK не стали добавлять его в интерфейс. Метод sort(Comparator) использовался редко, поэтому теперь он с нами. У Stream API нет проблем с совместимостью, так что для стримов есть прекрасный метод sorted(). Для коллекций метод sorted() есть в Kotlin💖 (обратите внимание на суффикс -ed, всё по правилам функционального подхода) Ответ на вопрос перед постом: отсортировать список можно так: ✅ list.sort(Comparator.naturalOrder()); ✅ list = list.stream().sorted().toList(); Если вам понравился list.sort(), значит у вас хороший вкус на API. К сожалению, у java свои загоны, поэтому этого метода в JDK нет.