這篇文章主要講解了“JAVA異常是不是對性能有影響”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“JAVA異常是不是對性能有影響”吧！

超過十年行業(yè)經(jīng)驗，技術(shù)領(lǐng)先，服務(wù)至上的經(jīng)營模式，全靠網(wǎng)絡(luò)和口碑獲得客戶，為自己降低成本，也就是為客戶降低成本。到目前業(yè)務(wù)范圍包括了：網(wǎng)站設(shè)計制作、網(wǎng)站設(shè)計，成都網(wǎng)站推廣，成都網(wǎng)站優(yōu)化，整體網(wǎng)絡(luò)托管，微信小程序，微信開發(fā)，成都app軟件開發(fā)，同時也可以讓客戶的網(wǎng)站和網(wǎng)絡(luò)營銷和我們一樣獲得訂單和生意！

實驗

我的實驗基于一段隨機拋出異常的簡單代碼。從科學(xué)的角度，這并非完全準(zhǔn)確的測量，同時我也并不了解HotSpot 編譯器會對運行中的代碼做何動作。但無論如何，這段代碼應(yīng)該能夠讓我們了解一些基本情況。

結(jié)果很有意思：拋出與捕獲異常的代價似乎極低。在我的例子里，大約是每個異常 0.02 毫秒。除非你真的拋出太多異常（我們指的是 10 萬次或者更多），否則這一點基本都可忽略。 盡管這些結(jié)果顯示出異常處理本身并不影響代碼性能，但卻并未解決下面這個問題：異常對性能的巨大影響該由誰負責(zé)？

我明顯遺漏了什么重要的問題。

重新想了一下，我意識到自己遺漏了異常處理的一個重要部分。我沒考慮到異常發(fā)生時你做了什么。在多數(shù)情況下你很有可能不僅僅是捕獲異常！而問題就在 這里：一般情況下，你會試圖對問題進行補充，并讓應(yīng)用在最終用戶那里仍能發(fā)揮功能。所以我遺漏的就是：“”為了處理異常而執(zhí)行的補充代碼“”。按照補充代 碼的不同，性能損失可能會變得相當(dāng)顯著。在某些情況下這可能意味著重試連接到服務(wù)器，在另一些情況下則可能意味著使用默認的回滾方案，而這種方案提供的解 決辦法肯定會帶來非常差勁的性能。對于我們在很多情況下看到的行為，這似乎給出了很好的解釋。

不過我卻不覺得分析到這里已經(jīng)萬事大吉，而是感到這里還遺漏了別的什么東西。

Stack trace

對此問題，我仍頗為好奇，為此監(jiān)視了收集 strack trace 時情況性能有何變化。

經(jīng)常發(fā)生的情況應(yīng)該是這樣的：記下異常及其棧軌跡，嘗試找出問題到底在哪。

為此我修改了代碼，額外收集了異常的 strack trace 。這讓情況顯著改變。對異常的 strack trace 的收集，其性能影響要比單純捕獲并拋出異常高出10倍。因此盡管 strack trace 有助于理解哪里發(fā)生了問題（有可能還有助于理解為何發(fā)生問題），但卻存在性能損失。 由于我們談?wù)摰牟⒎且粭l strack trace，所以此處的影響往往非常之大。 多數(shù)情況下，我們都要在多個層次上拋出并捕獲異常。 我們看一個簡單的例子： Web 服務(wù)客戶端連接到服務(wù)器。首先，Java 庫級別上存在一個連接失敗異常。此后會有框架級別上的客戶端失敗異常，再以后可能還會有應(yīng)用層次上的業(yè)務(wù)邏輯調(diào)用失敗異常。到現(xiàn)在為止，總共要搜集三條 strack trace。 多數(shù)情況下，你都能從日志文件或者應(yīng)用輸出中看到這些 strack trace，而寫入這些較長的strack trace 往往也會也帶來性能影響。

感謝各位的閱讀，以上就是“JAVA異常是不是對性能有影響”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對JAVA異常是不是對性能有影響這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！