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
Показати більше📈 Аналітичний огляд Telegram-каналу Java Books
Канал Java Books (@java_library) є активним учасником. На даний момент спільнота об'єднує 14 022 підписників, посідаючи 9 112 місце в категорії Технології та додатки та 46 128 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 14 022 підписників.
За останніми даними від 15 листопада, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -136, а за останні 24 години на -4, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 9.19%. Протягом перших 24 годин після публікації контент зазвичай збирає N/A% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 288 переглядів. Протягом першої доби публікація в середньому набирає 0 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 3.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як docker, собеседование, sql, boot, string.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“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...”
Завдяки високій частоті оновлень (останні дані отримано 16 листопада, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
application.yml. По умолчанию он составляет 10 МБ. Вот как поднять его до 32 МБ.
server:
tomcat:
resource:
cache-max-size: 32MB
Кэш включён по умолчанию. Параметр server.tomcat.resource.cache-ttl задаёт интервал, через который Tomcat проверяет актуальность записи. По умолчанию это 5 секунд. За кэширование файлов в браузере отвечает HTTP-заголовок Cache-Control.
[Документация Spring Boot 4](https://docs.spring.io/spring-boot/4.0/appendix/application-properties/)За час эфира ты: → узнаешь, какие вопросы задают на технических собеседованиях по Java; → увидишь, какие ответы убеждают интервьюера, а какие вызывают сомнения; → поймёшь, какие темы стоит подтянуть перед собственным собеседованием.Кандидат увидит вопросы впервые. Никакого заранее подготовленного сценария ☝🏻 Участие бесплатное! Эфир проходит в рамках менторской программы ШОРТКАТ для разработчиков, которые хотят сменить работу, вырасти в грейде и зарплате или прокачать технические навыки 🎁 Бонус за регистрацию: файл «50 эталонных ответов на сложные вопросы Java-интервью» Переходи в бота, чтобы зарегистрироваться на эфир и забрать подарок: @shortcut_sh_bot Реклама. О рекламодателе.
FileReader и BufferedReader:
Path path = Path.of("notes.txt");
String text = Files.readString(path);
Files.writeString(path, "Привет, Java!");
List<String> lines = Files.readAllLines(path);
Меньше шаблонного кода, явная работа с путями и UTF-8 по умолчанию у этих методов чтения и записи.
Path.of, readString и writeString доступны с Java 11. Для больших файлов используйте потоковое чтение: приведённые методы загружают содержимое целиком.null недопустим, а где его нужно обработать.
String displayName(@NonNull User user) {
@Nullable String name = user.getName();
if (name == null) {
return "unknown";
}
return name.toUpperCase();
}
`user` не должен быть `null`, а имя может отсутствовать – поэтому перед toUpperCase() стоит проверка.
При поддержке выбранных аннотаций IDE или статический анализатор предупредит о нарушении контракта прямо во время написания кода.
Сами аннотации не гарантируют проверку во время выполнения. Их поведение зависит от библиотеки и инструментов. Чтобы контракт работал между методами, помечайте и параметры, и возвращаемые значения – например, getName().
spring.main.lazy-initialization=true
Она откладывает создание многих бинов до момента, когда они понадобятся. Вместе с ними откладывается и `@PostConstruct`.
Если внутри такого бина спрятаны прогрев кеша или ваша проверка схемы БД, они выполнятся только при его создании. Никто не запросил бин — код может вообще не запуститься.
Другие последствия: первый запрос может стать медленнее, а ошибка конфигурации обнаружится уже после старта приложения.
Критическую инициализацию можно оставить на старте:
@Component
@Lazy(false)
public class SchemaVerifier {
@PostConstruct
void init() {
verifySchema();
}
private void verifySchema() {
// Проверка совместимости схемы БД
}
}
`@PostConstruct` означает «после создания бина», а не «обязательно при запуске приложения».
Нюанс: lazy-бин всё же может создаться на старте, если нужен другому бину, который инициализируется сразу.
https://docs.spring.io/spring-boot/reference/features/spring-application.htmlMap.
✅ Если кэш общий для нескольких потоков, выбирайте ConcurrentHashMap.
✅ computeIfAbsent() вычислит и сохранит значение, если ключа ещё нет. Следующие вызовы вернут готовый результат.
Нюанс: если функция вернула null или выбросила исключение, результат не сохранится и вычисление может повториться.
Сам по себе ConcurrentHashMap не ограничивает размер кэша и не удаляет устаревшие записи.Question → Rewrite → MultiQuery → Vector Search → Jev Filter → Rerank → LLM
Jev проверяет каждый найденный chunk: есть ли там реальный ответ, противоречие или prompt injection.
В демо vector search нашёл 6 фрагментов, но до модели дошли только 2 действительно полезных.
Меньше мусора в контексте → точнее ответы и меньше шансов на prompt injection.
Код и разбор:
https://spring.io/blog/2026/10/02/spring-ai-modular-rag-typesafe-jev/is-a выглядит удобно: создаём подкласс, наследуем поведение и пишем меньше кода.
Но есть цена.
✅ Подкласс получает весь API родителя.
✅ Он зависит от деталей реализации суперкласса.
✅ Изменение родительского класса может неожиданно сломать потомка.
И чем глубже иерархия, тем сложнее понять, откуда вообще взялось конкретное поведение.
Часто безопаснее композиция:
class OrderService {
private final PaymentService paymentService;
}
Вместо наследования:
class OrderService extends PaymentService {
}
Композиция связывает объекты. Наследование связывает их судьбы.
Если объекту просто нужна чужая функциональность, чаще лучше её делегировать, а не наследовать.HashSet зависит от количества элементов и размера внутренней таблицы.
var ids = new HashSet<Integer>(1_000_000);
for (int i = 0; i < 10; i++) {
ids.add(i);
}
for (int id : ids) {
process(id);
}
После добавления элементов внутри выделена огромная таблица. Итератор проходит по её ячейкам, включая пустые, хотя size() возвращает всего 10.
Сложность обхода - O(size + capacity). Поэтому большая ёмкость «про запас» может замедлить регулярный перебор.
Если коллекция уже сильно разрослась, а затем почти опустела, можно пересобрать её:
ids = new HashSet<>(ids);
Новый набор подберёт ёмкость под оставшиеся элементы. Пересборка требует времени и дополнительной памяти, поэтому имеет смысл перед многократными обходами, а не внутри каждого цикла.
Документация - https://docs.oracle.com/en/java/javase/25/docs/api/java.base/java/util/HashSet.html@Mcp.Tool. Клиенту не нужно знать, какая модель работает внутри.
Доступны два режима:
* локальный MiniLM через DJL - 384-мерные эмбеддинги, без API и сети;
* OpenAI text-embedding-3-small - 1536-мерные эмбеддинги.
Финальную оценку в обоих случаях вычисляет локальная нейросеть DeepNetts.
Важный нюанс: для каждого типа эмбеддингов нужна отдельно обученная модель оценки. Нельзя взять модель, обученную на векторах MiniLM, и передать ей векторы OpenAI, даже если привести их к одинаковому размеру.
MCP-интерфейс при этом остаётся неизменным:
жалоба → эмбеддинг → DeepNetts → срочность 0–10
Локальный режим подходит для разработки и интеграционных тестов, внешний - для проверки качества на более мощной модели.
https://inside.java/2026/07/25/design-java-mcp-tool/