不容錯過的13個Java項目

GitHub可謂一座程序開發的大寶庫,有些素材值得fork,有些則能幫助我們改進自有代碼或者學習編程技能。無論如何,開發工作當中我們幾乎不可能繞得開GitHub。

不容錯過的13個Java項目

下面和大家聊聊這些項目

  1.極致精簡的Java

Bootique是一項用於構建無容器可運行Java應用的極簡技術。該項目允許大家創建REST服務、Web應用、任務、數據庫遷移等等,且一切都立足於模塊實現。另外,大家也可以將其作爲簡單的命令進行使用。

該項目的目標在於將應用從Java容器中解放出來,允許開發者重新迴歸main()方法。另外其中還包含部分內置命令,因此就算各位需要處理的代碼量不多或者並未嚮應用中導入任何模塊,仍然能夠利用Bootique對其加以執行。

  2.優雅的問題處理方式

99-problems,光看名字就能對其功能瞭解一二。很明顯,它的作用是幫助大家磨練邏輯編程中的`具體技能。大家可以選擇利用Java 8、Scala或者Haskell進行問題解決,並最終找到最精緻的解決辦法。

如果大家喜愛解題,其中還提供多種不同層級的難度供各位選擇。另外,如果大家將全部99道難題解決掉,則可進一步衝擊Java Deathmatch。如果大家被難住了,請點擊此處查看難題——但請注意,認真思考之後再參閱比較好哦。

  3.字符串操作

Strman-java庫是一套Java 8庫,專門用於處理字符串。由於其可用於Maven,因此大家只需要面向選定的構建工具添加關聯性即可使用。

如果大家使用過Kik並聽說過其遭遇的leftPad問題,那麼Strman可能是個更好的選擇——其能夠返回特定長度的新字符串,且自動填充開頭部分內容。另外,其中還提供一整套功能列表,包括向值附加字符串、從特定目錄中提取字符以及利用字符串在開始與結束間返回數組等等。

  4.數據瀏覽

如果大家希望通過酷炫的方式進行數據交互,那麼Dex絕對不容錯過。它能夠幫助我們提取、轉換及可視化數據,同時附帶預測功能。大家可以將可視化結果發佈爲3D或者其它 HTML 變量形式。

Dex允許我們生成超過50種不同的可視化模式,其中包括世界地圖、參與時間表、網絡使用情況等。大家也可以利用R與其運行實例相結合,從而構建起復雜的統計分析與預測分析體系。

  5.小小大數據

Tablesaw是一套內存內數據表,其中包含多種數據工具與面向列的存儲格式。其設計思路認爲沒人會面向小型任務執行分佈式分析,而大家可以在單一服務器上對200萬行級別的表進行交互。

大家能夠利用Tablesaw執行各種規則,從而檢查顯示佈局、數據優先級或者針對數據顯示及交互向特定用戶提供擴展控制範圍。在它的幫助下,我們可以利用RDBMS與CSV文件導入數據,添加及刪除列,執行映射與規約操作或者將表保存在經過壓縮的列式存儲格式當中。

  6.鍵值存儲

Chronicle Map是一套內存內鍵值存儲方案,其設計目標在於實現低延遲與/或多進程應用,例如貿易與金融市場應用。這套庫主要面向中等讀取與寫入查詢延遲場景,允許用戶根據服務器中的硬件執行線程數量編寫合適的查詢機制。

其主要用途包括在單一服務器(例如Redis)中替代低速鍵值存儲方案,或者取代同類面向JVM的解決方案以實現速度提升。大家也可以將部分應用狀態移出Java堆,從而降低堆體積及GC壓力。

  7.負載調查工具

Gumshoe允許大家監控自己的應用性能統計指標。有了它,我們可以精確到具體代碼行並瞭解與堆棧調用及個別棧幀相關的統計數據,從而確切分析資源使用情況(例如TCP、UDP、文件系統或處理器使用量)。

這套庫能夠在統計數據生成時對其進行捕捉、過濾與可視化處理,從而更爲直觀地實現數據結論查閱。如果需要更爲具體地使用,大家還可以在數據捕捉與/或可視化處理過程中過濾棧幀,並在其運行中加以變更。

  音樂

SoundSea允許大家搜索並下載歌曲。其內置有元數據與專輯信息,大家在查找特定歌曲時,SoundSea會在iTunes上查找相關元數據與專輯信息,並顯示相關結果。如果匹配的歌曲超過一首,大家可在其中找到自己需要的條目。

歌曲本身下載自,大家還可以根據高品質、低品質或者VBR碼率進行過濾。這同時也是一款迷你播放器,供我們直接聆聽歌曲而不再經由其它音樂庫。

  9.檢查泄漏問題

LeakCanary是一套開源庫,旨在幫助我們解決內存泄漏問題。大家可以利用它在Java(與Android)中檢查內存泄漏。正如其GitHub頁面中所言,“千里之埋潰於蟻穴”。

在LeakCanary設置完成後,大家可以利用其自動檢查泄漏並在發現問題時給出通知。

  10.多維數組

ND4J是一套開源庫,能夠將多種來自Python社區的科學計算工具引入JVM。其面向生產環境設計,因此運行速度很快但對內存容量卻要求不高。在它的幫助下,工程師們能夠輕鬆將算法及接口移植到Java與Scala庫當中。

這套庫的主要貢獻是提供一套通用型n維數組對象,其多平臺功能包括GPU與線性代數外加信號處理能力。其與Hadoop及Spark相集成,且提供API以模擬Numpy——一款高人氣Python數學庫。