唯一，而不是在整个 配置中（与 JDK 属性不同）。不过每个 section 都可以被看作单一的属性定义。 注释行能够以散列字符（# - 也就是"hash","pound"或"number"符号）或分号（";"）开始。 以下是 Shiro 能够理解的 section 例子： [main] [main] section 是你配置应用程序的 SecurityManager 知道如何去转换字符串值到正确的原始类型，然后调用相应的 JavaBean 的 setter 方法。 Reference Values 如果你需要设置的值不是一个原始的，而是另一个对象呢？那么，你可以使用美元符号（$）来引用之前定义的实 例。例如： 这简单地定位通过名称 sha256Matcher 来定位定义好的对象，然后使用 BeanUtils 在 myRealm 实例上设置该对象（通 set/list/map 元素赋 值。请参见 Apache Commons BeanUtils Website 及文档获取更多信息。 Byte Array Values 因为原始的字节数组本身不能使用文本格式，所以我们必须使用文本编码的字节数组。能够指定的值是一个 Base64 编码的字符串（默认），后一个 16 进制编码的字符串。默认是 Base64 是因为 Base64 编码只需较少的文本来表示

出来的对象和数组。 1。（Heap） 常量池 JVM 为每个已加载的类型维护一个常量池，常量池就是 这个类型用到的常量的一个有序集合。包括直接常量 （基本类型、String）和对其他类型、方法、字段的符号 引用。池中的数据和数组一样通过索引访问，常量池在 Java 程序的动态链接中起了核心作用。（Perm） 代码段 存放从硬盘上读取的源程序代码。（Perm） 数据段 存放 static 定义的静态成员。（Perm） 出来的对象和数组。 1。（Heap） 常量池 JVM 为每个已加载的类型维护一个常量池，常量池就是 这个类型用到的常量的一个有序集合。包括直接常量 （基本类型、String）和对其他类型、方法、字段的符号 引用。池中的数据和数组一样通过索引访问，常量池在 Java 程序的动态链接中起了核心作用。（Perm） 代码段 存放从硬盘上读取的源程序代码。（Perm） 数据段 存放 static 定义的静态成员。（Perm） 出来的对象和数组。 1。（Heap） 常量池 JVM 为每个已加载的类型维护一个常量池，常量池就是 这个类型用到的常量的一个有序集合。包括直接常量 （基本类型、String）和对其他类型、方法、字段的符号 引用。池中的数据和数组一样通过索引访问，常量池在 Java 程序的动态链接中起了核心作用。（Perm） 代码段 存放从硬盘上读取的源程序代码。（Perm） 数据段 存放 static 定义的静态成员。（Perm）

，则以上函数的操作数量为： ?(?) = 3 + 2? ?(?) 是一次函数，说明其运行时间的增长趋势是线性的，因此它的时间复杂度是线性阶。 我们将线性阶的时间复杂度记为 ?(?) ，这个数学符号称为大 ? 记号（big‑? notation），表示函数 ?(?) 的 渐近上界（asymptotic upper bound）。 时间复杂度分析本质上是计算“操作数量 ?(?)”的渐近上界，它具有明确的数学定义。 但对于较为复杂的算法，计算平均时间复杂度往往比较困难，因为很难分析出在数据分布下的整体数学期望。 在这种情况下，我们通常使用最差时间复杂度作为算法效率的评判标准。 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，因此我们常常使用它来表示平均时间复杂度。但从严格意义上讲，这 种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表述，请将其直接 理解为 Θ( 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，对应函数渐近上界，反映当 ? 趋向正无穷时，操作数量 ?(?) 的 增长级别。 ‧ 推算时间复杂度分为两步，首先统计操作数量，然后判断渐近上界。 ‧ 常见时间复杂度从低到高排列有 ?(1)、

，则以上函数的操作数量为： ?(?) = 3 + 2? ?(?) 是一次函数，说明其运行时间的增长趋势是线性的，因此它的时间复杂度是线性阶。 我们将线性阶的时间复杂度记为 ?(?) ，这个数学符号称为「大 ? 记号 big‑? notation」，表示函数 ?(?) 的「渐近上界 asymptotic upper bound」。 时间复杂度分析本质上是计算“操作数量 ?(?)”的渐近上界，它具有明确的数学定义。 但对于较为复杂的算法，计算平均时间复杂度往往比较困难，因为很难分析出在数据分布下的整体数学期望。 在这种情况下，我们通常使用最差时间复杂度作为算法效率的评判标准。 � 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，因此我们常常使用它来表示平均时间复杂度。但从严格意义 上讲，这种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表 述，请将其直接理解为 Θ( 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，对应函数渐近上界，反映当 ? 趋向正无穷时，操作数量 ?(?) 的 增长级别。 ‧ 推算时间复杂度分为两步，首先统计操作数量，然后判断渐近上界。 ‧ 常见时间复杂度从低到高排列有 ?(1)、

，则以上函数的操作数量为： ?(?) = 3 + 2? ?(?) 是一次函数，说明其运行时间的增长趋势是线性的，因此它的时间复杂度是线性阶。 我们将线性阶的时间复杂度记为 ?(?) ，这个数学符号称为大 ? 记号（big‑? notation），表示函数 ?(?) 的 渐近上界（asymptotic upper bound）。 时间复杂度分析本质上是计算“操作数量 ?(?)”的渐近上界，它具有明确的数学定义。 但对于较为复杂的算法，计算平均时间复杂度往往比较困难，因为很难分析出在数据分布下的整体数学期望。 在这种情况下，我们通常使用最差时间复杂度作为算法效率的评判标准。 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，因此我们常常使用它来表示平均时间复杂度。但从严格意义上讲，这 种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表述，请将其直接 理解为 Θ( 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，对应函数渐近上界，反映当 ? 趋向正无穷时，操作数量 ?(?) 的 增长级别。 ‧ 推算时间复杂度分为两步，首先统计操作数量，然后判断渐近上界。 ‧ 常见时间复杂度从低到高排列有 ?(1)、

2. 复杂度 hello‑algo.com 17 } } ?(?) 是一次函数，说明时间增长趋势是线性的，因此可以得出时间复杂度是线性阶。 我们将线性阶的时间复杂度记为 ?(?) ，这个数学符号称为「大 ? 记号 Big‑? Notation」，表示函数 ?(?) 的「渐近上界 Asymptotic Upper Bound」。 推算时间复杂度本质上是计算“操作数量函数 ?(?)”的渐近 但在实际应用中，尤其是较为复杂的算法，计算平均时间复杂度比较困难，因为很难简便地分析出在数据分 布下的整体数学期望。在这种情况下，我们通常使用最差时间复杂度作为算法效率的评判标准。 � 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，我们常常使用它来表示「平均复杂度」，但从严格意义上看， 这种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表述，请 将其直接理解为 Θ(?) 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，即函数渐近上界，反映当 ? 趋向正无穷时，?(?) 的增长级别。 ‧ 推算时间复杂度分为两步，首先统计计算操作数量，然后判断渐近上界。 ‧ 常见时间复杂度从小到大排列有 ?(1) , ?(log

，则以上函数的的操作数量为： ?(?) = 3 + 2? ?(?) 是一次函数，说明其运行时间的增长趋势是线性的，因此它的时间复杂度是线性阶。 我们将线性阶的时间复杂度记为 ?(?) ，这个数学符号称为「大 ? 记号 big‑? notation」，表示函数 ?(?) 的「渐近上界 asymptotic upper bound」。 时间复杂度分析本质上是计算“操作数量函数 ?(?)”的渐近上界，其具有明确的数学定义。 但对于较为复杂的算法，计算平均时间复杂度往往是比较困难的，因为很难分析出在数据分布下的整体数学 期望。在这种情况下，我们通常使用最差时间复杂度作为算法效率的评判标准。 � 为什么很少看到 Θ 符号？ 可能由于 ? 符号过于朗朗上口，我们常常使用它来表示平均时间复杂度。但从严格意义上看， 这种做法并不规范。在本书和其他资料中，若遇到类似“平均时间复杂度 ?(?)”的表述，请 将其直接理解为 Θ(?) 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可 能失效，如在输入的数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣。 ‧ 最差时间复杂度使用大 ? 符号表示，对应函数渐近上界，反映当 ? 趋向正无穷时，操作数量 ?(?) 的 增长级别。 ‧ 推算时间复杂度分为两步，首先统计操作数量，然后判断渐近上界。 ‧ 常见时间复杂度从小到大排列有 ?(1)、

System.out.println(0); // +1 } } ?(?) 是个一次函数，说明时间增长趋势是线性的，因此易得时间复杂度是线性阶。 我们将线性阶的时间复杂度记为 ?(?) ，这个数学符号被称为「大 ? 记号 Big‑? Notation」，代表函数 ?(?) 的「渐近上界 asymptotic upper bound」。 我们要推算时间复杂度，本质上是在计算「操作数量函数 ?( 下的整体数学期望。这种情况下，我们一般使用最差时间复杂度来作为算法效率的评判标准。 2. 复杂度分析 hello‑algo.com 27 � 为什么很少看到 Θ 符号？ 实际中我们经常使用「大 ? 符号」来表示「平均复杂度」，这样严格意义上来说是不规范的。这 可能是因为 ? 符号实在是太朗朗上口了。如果在本书和其他资料中看到类似 平均时间复杂度 ?(?) 的表述，请你直接理解为 Θ(?) 即可。 2.3. 空间复杂度 ‧「时间复杂度」统计算法运行时间随着数据量变大时的增长趋势，可以有效评估算法效率，但在某些情况 下可能失效，比如在输入数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣性。 ‧「最差时间复杂度」使用大 ? 符号表示，即函数渐近上界，其反映当 ? 趋于正无穷时，?(?) 处于何种增 长级别。 ‧ 推算时间复杂度分为两步，首先统计计算操作数量，再判断渐近上界。 ‧ 常见时间复杂度从小到大排列有 ?(1)

System.out.println(0); // +1 } } ?(?) 是个一次函数，说明时间增长趋势是线性的，因此易得时间复杂度是线性阶。 我们将线性阶的时间复杂度记为 ?(?) ，这个数学符号被称为「大 ? 记号 Big‑? Notation」，代表函数 ?(?) 的「渐近上界 asymptotic upper bound」。 我们要推算时间复杂度，本质上是在计算「操作数量函数 ?( 下的整体数学期望。这种情况下，我们一般使用最差时间复杂度来作为算法效率的评判标准。 2. 复杂度分析 hello‑algo.com 27 � 为什么很少看到 Θ 符号？ 实际中我们经常使用「大 ? 符号」来表示「平均复杂度」，这样严格意义上来说是不规范的。这 可能是因为 ? 符号实在是太朗朗上口了。如果在本书和其他资料中看到类似 平均时间复杂度 ?(?) 的表述，请你直接理解为 Θ(?) 即可。 2.3. 空间复杂度 时间复杂度统计算法运行时间随着数据量变大时的增长趋势，可以有效评估算法效率，但在某些情况下 可能失效，比如在输入数据量较小或时间复杂度相同时，无法精确对比算法效率的优劣性。 ‧ 最差时间复杂度使用大 ? 符号表示，即函数渐近上界，其反映当 ? 趋于正无穷时，?(?) 处于何种增长 级别。 ‧ 推算时间复杂度分为两步，首先统计计算操作数量，再判断渐近上界。 ‧ 常见时间复杂度从小到大排列有 ?(1)

一个对象的？ 简单来说Java对象的创建过程总共分为5步： Java创建对象的过程 类加载检查 首先当虚拟机遇到一个new指令时，首先会去检查这个参数能否在常量池中定位到这个类的符号引用 并且检查这个符号引用所代表的的类是否已经被加载、连接、解析和初始化过，如果没有需要先执行 的加载操作（详细过程可参考"类的加载流程" ）。 分配内存 当类加载检查通过后，接下来虚拟机需要为新生对象分配内存，为对象分配空间的任务等同于把一块