类时，编译后会生成多个字节码文件，即每个类都会 生成一个单独的“.class”文件，且文件名与类名相同。 1.6 课后习题 1. 安装配置 Eclipse Java 开发环境。 2. 使用一个文本编辑器（记事本等）编写一个简单的 Java 程序，并从命令行编译执 行该程序。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 保留字）如表2.3所示。 标识符是用来表示变量名、类名、方法名、数组名和文件名的有效字符序列。Java 语言对标识符的规定如下： • 可以由字母、数字、下划线 (_)、美元符号 ($) 组合而成。 • 必须以字母、下划线或美元符号开头，不能以数字开头。 • 关键字不能当标识符使用。 • 区分大小写。 建议遵循驼峰命名，类名首字母大写，变量、方法及对象首字母小写的编码习惯。 . . . . 实验名称： Eclipse 集成开发环境配置及 Java 语言基础编程练习 上机时间： 第一周 实验手册： 无（参照实验内容完成） 实验内容： 本次实验需要完成以下内容： 1. 使用文本编辑器完成 Java Hello World 程序编写，使用 javac 和 java 编译运 行该程序； 2. 熟悉 Eclipse 集成开发环境，学习创建 Java 工程，使用 Maven 创建 Java

被以该名（在此例中为myRealm）命名的对象调用。 Setting object properties 设置对象属性 Primitive Values 原始值 简单的原始值属性可以使用下面的等于符号进行设置： ... myRealm.connectionTimeout = 30000 myRealm.username = jsmith ... 这些配置行转换为方法调用就是： ... 将其设置到myRealm 的实例中（通 过调用 myRealm.setCredentialsMatcher(sha256Matcher) 方法）。 Nested Properties 嵌套属性 通过在等号左侧使用点符号，你可以得到你希望设置对象视图最终的对象/属性，例如下面这 行配置： ... securityManager.sessionManager.globalSessionTimeout = 1800000 密码是进行加密或解密的一种算法。该算法一般依赖于一块被称为 key 的信 息。基于不同的key 的加密算法也是不一样的，所有解密没有它是非常困难的。 密码有 不同的表现形式。分组密码致力于符号块，通常是固定大小的，而流密码致力于连续的 符号流。对称性密码加密和解密使用相同的密钥（key），而非对称性加密使用不同的密 钥。如果非对称性加密的密钥不能从其他地方得到，那么可以创建公钥/私钥对公开共 享。 Credential

working directory. Architecture Shell n 输入输出重定向： >：重定向输出 <：重定向输入 n 管道：将某一个程序的输出直接送入到另一个程序，作为输入，符号为“|” 命令1|命令2 |命令3… n 后台执行命令：执行shell命令时，如果在命令后加一个“&”，则回车后 立刻返回到命令提示符状态下，而命令在后台执行。 命令& Architecture 殊，软链接有着自己的 inode 号以及用户数据块。 Architecture Applications 标准的Linux系统（Linux发行版）一般都有一套称为应用程序集，它包括文本 编辑器、编程语言、X Window、办公套件、Internet工具和数据库等。 知乎：Vim 和 Emacs 到底哪个更牛逼一点？ http://www.zhihu.com/question/20846396

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)