Mac Eclipse安装lombok

Lombok是一个可以通过注解的形式可以帮助消除一些必须但是显得很臃肿的Java代码的工具,通过使用对应的注解,可以在进行编译源码的时候生成对应的方法,比如类属性的get/set/toString()/类的构造方法等.

  

下面记录一下在Mac Eclipse是如何安装Lombok

  1、下载相应的Jar包lombok.jar,下载地址:https://projectlombok.org/download

  2、将Lombok集成到Eclipse

    (1)Lombok复制到Eclipse.app/Contents/Eclipse目录下;

      

    (2)将如下内容添加到eclipse.ini尾部

1

2

-javaagent:../Eclipse/lombok.jar

-vmargs -javaagent:lombok.jar

  3、重启Eclipse即可。

下面记录一下常用的注解  

  1、在Maven项目中引入Lombok的Jar

<!-- https://mvnrepository.com/artifact/org.projectlombok/lombok -->
<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <version>1.16.20</version>
    <scope>provided</scope>
</dependency>

  2、使用注解

@Data
public class User {
    
    private int id;
    
    private String userName;
    
    private Date birthday;
}

  
    @Setter 和 @Getter

    注解在属性上(当然也可以使用在类上面)为属性提供 setting 方法,默认生成的方法是public的,如果要修改可以设置AccessLever。如下    

public class User {
    
    @Getter(AccessLevel.PRIVATE) @Setter private int id;
    
    @Getter @Setter private String userName;
    
    @Getter @Setter private Date birthday;

}

 

    @ToString

    注解在类上,生成toString()方法,默认情况下,它会按顺序(以逗号分隔)打印你的类名称以及每个字段。可以这样设置不包含哪些字段@ToString(exclude="id"),如果有多个可是是@ToString(exclude={"id","name"}),如果有继承父类的化,可以让其调用父类的toString(),如@ToString(calllSuper = true)     

@ToString(exclude = "id")
public class User {
    
    @Getter(AccessLevel.PRIVATE) @Setter private int id;
    
    @Getter @Setter private String userName;
    
    @Getter @Setter private Date birthday;
}

  @NoArgsConstructor, @RequiredArgsConstructor, @AllArgsConstructor

  @NoArgsConstructor生成一个无参构造方法。当类中有final字段没有被初始化时,编译器会报错,此时可用@NoArgsConstructor(force = true),然后就会为没有初始化的final字段设置默认值 0 / false / null。对于具有约束的字段(例如@NonNull字段),不会生成检查或分配,因此请注意,正确初始化这些字段之前,这些约束无效。

  @RequiredArgsConstructor会生成构造方法(可能带参数也可能不带参数),如果带参数,这参数只能是以final修饰的未经初始化的字段,或者是以@NonNull注解的未经初始化的字段
  @RequiredArgsConstructor(staticName = "of")会生成一个of()的静态方法,并把构造方法设置为私有的

    @AllArgsConstructor 生成一个全参数的构造方法

  

  @Data

  同时生成@Getter @Setter @ToString @RequiredArgsConstructor等功能。

 

  @Synchronized

  给方法添加同步锁Synchronized

 

  更多参看官方文档 https://projectlombok.org/features/all

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/386867.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

tf.reduce_sum()方法深度解析

首先看一下reduce_sum及其参数的注释 : def tf.reduce_sum(input_tensor, axisNone, keepdimsFalse, nameNone) Computes the sum of elements across dimensions of a tensor. Reduces input_tensor along the dimensions given in axis. Unless keepdims is true, the rank o…

主成分分析(PCA)原理详解_转载

一、PCA简介 1. 相关背景 在许多领域的研究与应用中&#xff0c;往往需要对反映事物的多个变量进行大量的观测&#xff0c;收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息&#xff0c;但也在一定程度上增加了数据采集的工作量&#xff0c;…

Mac cnpm装包时提示Error: EACCES: permission denied解决办法

Cnpm装包时提示Error: EACCES: permission denied解决办法 2018年03月04日 09:31:51 miniminixu 阅读数&#xff1a;1598 版权声明&#xff1a;本文为博主原创文章&#xff0c;未经博主允许不得转载。 https://blog.csdn.net/miniminixu/article/details/79434609 只需在cnpm …

特征点检测 FAST算法及代码详解

本文着重介绍了用于图像特征点检测的算法&#xff0c;FAST算法&#xff0c;以及使用matlab的实现。 FAST算法是一种拐点检测算法&#xff0c;其主要应用于提取图像中的特征点&#xff0c;在动态成像的一系列图像中追踪定位对象。众所周知&#xff0c;我们生活的世界是动态化的…

Python Email发送,通知业务完成

Email 发送 #!/usr/bin/python # -*- coding: UTF-8 -*- import base64 import smtplib from email.mime.text import MIMEText from email.header import Header from email.utils import formataddrdef crypt(source, key):from itertools import cycleresulttempcycle(key)f…

基于SpringCloud的分布式事务框架(LCN)

框架特点 支持各种基于spring的db框架 兼容springcloud、dubbo 使用简单&#xff0c;代码完全开源 基于切面的强一致性事务框架 高可用&#xff0c;模块可以依赖dubbo或springcloud的集群方式做集群化&#xff0c;TxManager也可以做集群化 使用示例 分布式事务发起方&#xf…

一文看懂计算机神经网络与梯度下降

1. 计算机神经网络与神经元 要理解神经网络中的梯度下降算法&#xff0c;首先我们必须清楚神经元的定义。如下图所示&#xff0c;每一个神经元可以由关系式yf(∑i1nwixib)y f(\sum_{i1}^nw_ix_i b)yf(∑i1n​wi​xi​b)来描述&#xff0c;其中X[x1,x2,...,xn]X [x_1,x_2,..…

vs2015web项目无法加载64位c++的dll,提示试图加载不正确的格式

vs2015无法加载64位c的dll&#xff0c;提示试图加载不正确的格式&#xff01; 开始用winform引用64位的c的dll&#xff0c;在项目的属性设置生成里面选择any cpu或者x64都可以成功! 但在web项目和接口里面运行就提示试图加载不正确的格式&#xff0c;想办法找了一天也没处理掉&…

使用Rancher搭建K8S测试环境

环境准备&#xff08;4台主机&#xff0c;Ubuntu16.04Docker1.12.6 SSH&#xff09;&#xff1a; rancher1 192.168.3.160 只做管理节点 node1 192.168.3.161 K8S的节点1 node2 192.168.3.162 K8S的节点2 node3 192.168.3.163 K8S的节点3 此时如…

Anaconda安装tensorflow报错问题解决方法

最近脱离了googlecolab想使用本地的anaconda进行机器学习课题的演练&#xff0c;在安装tensorflow时报错 : UnsatisfiableError: The following specifications were found。下面给出解决方法。 发现实际原因是由于anaconda的python环境&#xff0c;当前版本的tensorflow只能适…

5.07—018—周二

今日所学内容 一、模块 二、递归删除的思路 三、案例&#xff1a;跨文件夹移动文件 四、案例 递归遍历打印目标路径中所有的txt文件 五、项目开放周期 一、模块 1、与时间相关的模块 1&#xff09;time &#xff1a;时间 时间戳(timestamp)&#xff1a;time.time()  延迟线程…

机器学习模型中step与epoch,batch_size之间的关系

本文主要谈谈自己对step&#xff0c;epoch&#xff0c;batch_size这几个常见参数的理解。 最近在调试模型的时候&#xff0c;发现在使用keras.optimizer.adam时&#xff0c;模型在添加了新的一层2D卷积层后难以收敛&#xff0c;在不调整初始权重矩阵的情况下&#xff0c;想通过…

yml的mybatis的sql查看

yml的mybatis的sql查看 控制台输出结果:

Debian 安装 yum

sudo apt-get updatesudo apt-get install build-essentialsudo apt-get install yum转载于:https://www.cnblogs.com/baiqian/p/10840169.html

unity如何让canvas总是显示在所有层的最上方?

由于unity中的图层都是从上至下渲染的&#xff0c;那么在渲染的过程中&#xff0c;只需要将canvas所在的UI层的渲染优先级order排在其他层之后&#xff0c;就可以保证UI画面总是最后加载出来的了。 在canvas的inspector中修改order in layer 或者 sorting layer都可以实现这一…

FZU - 2037 -Maximum Value Problem(规律题)

Let’s start with a very classical problem. Given an array a[1…n] of positive numbers, if the value of each element in the array is distinct, how to find the maximum element in this array? You may write down the following pseudo code to solve this proble…

解决Feign接口调用有时候不好用的分析思路

很多架构师为了鉴权&#xff0c;会把controller带过来的header信息一股脑的利用feign的拦截器带入RequestTemplate&#xff0c;然后方便feign接口鉴权。这时候可能会带入其他的header信息&#xff0c;比如content-type&#xff0c;而有的feign接口是对特定对header信息有要求的…

关于同时可用git命令clone和TortoiseGit拉取代码不需要密码

工作需要在windows7下使用git分布式版本控制系统&#xff0c;需要同时可以在git命令行模式或TortoiseGit拉取代码而不需要每次输入密码。 这时候需要同时安装git和TortoiseGit。 git使用命令ssh-keygen -C “邮箱地址” -t rsa产生的密钥在TortoiseGit中不能用。TortoiseGit 使…

交叉验证 cross validation 与 K-fold Cross Validation K折叠验证

交叉验证&#xff0c;cross validation是机器学习中非常常见的验证模型鲁棒性的方法。其最主要原理是将数据集的一部分分离出来作为验证集&#xff0c;剩余的用于模型的训练&#xff0c;称为训练集。模型通过训练集来最优化其内部参数权重&#xff0c;再在验证集上检验其表现。…

这个太有意思了,程序员可以消遣娱乐

/***        ┏┓ ┏┓ *       ┏┛┻━━━━━━━┛┻┓ *       ┃       ┃*       ┃   ━   ┃ *       █████━█████ ┃*       ┃       ┃ *       ┃   ┻   ┃* …