小菜鸟

Maven 生成 Javadoc 文档出错：原因与解决方案

使用 maven-javadoc-plugin 生成 Javadoc 时，经常会因注释不规范导致构建失败（如缺少参数说明、标签格式错误）。本文将详解错误原因，并提供多种解决方案，帮助顺利生成文档。

错误原因分析

Javadoc 工具对注释规范性要求严格，常见错误包括：

• @param/@return/@throws 标签缺失或与实际参数不匹配。
• 注释中使用未闭合的 HTML 标签（如 <p> 未闭合）。
• 特殊字符未转义（如 & 需写成 &）。
• 方法 / 类注释为空但使用了 Javadoc 格式（/** ... */）。

当 maven-javadoc-plugin 检测到这些问题时，会默认将警告视为错误，导致构建失败（如 Exit code: 1）。

解决方案

1. 忽略注释检查（快速解决）

通过配置 doclint 参数禁用 Javadoc 的语法检查，忽略所有注释不规范的警告：

解决 Java 中的 Illegal key size 异常

当使用 Cipher.init() 方法时遇到 java.security.InvalidKeyException: Illegal key size 异常，通常是由于 Java 加密扩展（JCE）的默认策略限制了加密算法的密钥长度。

1
2
3
4
5
6
7

java.security.InvalidKeyException: Illegal key size
        at javax.crypto.Cipher.checkCryptoPerm(Cipher.java:1039)
        at javax.crypto.Cipher.implInit(Cipher.java:805)
        at javax.crypto.Cipher.chooseProvider(Cipher.java:864)
        at javax.crypto.Cipher.init(Cipher.java:1396)
        at javax.crypto.Cipher.init(Cipher.java:1327)

以下是详细的解决方案和背景说明：

异常原因

Java 安装时默认包含的 JCE 权限策略文件（local_policy.jar 和 US_export_policy.jar）受限于加密出口管制，对部分加密算法的密钥长度做了限制（如 AES 密钥默认最大支持 128 位）。当使用更长的密钥（如 192 位、256 位）时，就会触发此异常。

解决方案

针对 JDK 7 / JDK 8（低于 8u161 版本）

需要手动替换 JCE 无限制权限策略文件：

• 步骤 1：下载无限制策略文件
  根据 JDK 版本下载对应文件：
  • JDK 7：Oracle 官方下载
  • JDK 8：Oracle 官方下载
• 步骤 2：替换策略文件
  1. 解压下载的压缩包，得到 local_policy.jar 和 US_export_policy.jar。
  2. 找到 JDK 安装目录下的安全策略文件夹：
     • 路径：${JAVA_HOME}/jre/lib/security（注意区分 JDK 和 JRE 目录，需替换 JDK 内置 JRE 的文件）。
  3. 备份原有文件（可选），将下载的两个 JAR 文件复制到该目录，覆盖原有文件。
• 步骤 3：重启应用
  替换后需重启 Java 应用，新策略才能生效。

Elasticsearch 数据迁移：基于快照（Snapshot）的完整方案

当 Elasticsearch 服务器更换位置或集群升级时，数据迁移是核心任务。快照（Snapshot）是官方推荐的迁移方式，通过将索引数据备份到共享存储，再在目标集群恢复，实现安全高效的数据迁移。本文详细讲解基于快照的迁移流程，包括源集群备份、目标集群恢复及关键注意事项。

迁移原理与优势

快照迁移的核心原理

• 快照（Snapshot）：将 Elasticsearch 索引的元数据、分片数据备份到指定存储（如本地文件系统、S3、HDFS 等）。
• 恢复（Restore）：在目标集群中读取快照文件，重建索引结构和数据。

优势

• 完整性：完整备份索引的所有数据（包括映射、设置、分片），无数据丢失风险。
• 灵活性：支持选择性备份 / 恢复指定索引，适合大规模集群。
• 低影响：备份过程为增量式（仅备份变更数据），对源集群性能影响小。

源服务器（旧集群）操作

准备备份目录

创建用于存储快照的本地目录，并授权 Elasticsearch 进程访问：

1
2
3
4
5

# 创建目录
mkdir -p /data/elasticsearch/backups
# 授权（假设 Elasticsearch 运行用户为 elasticsearch）
chown -R elasticsearch:elasticsearch /data/elasticsearch/backups
chmod 755 /data/elasticsearch/backups

配置快照仓库路径

修改 elasticsearch.yml，添加快照仓库的根目录配置：

K 最近邻算法（KNN）：原理、应用与实现

K 最近邻算法（K-Nearest Neighbours，KNN）是一种简单直观的监督学习算法，核心思想是 “物以类聚”—— 通过样本周围最近的 K 个邻居的信息来预测其类别或数值。它无需训练过程，属于 “惰性学习”（Lazy Learning），适用于分类和回归任务。

KNN 的核心原理

基本思想

对于未知样本，KNN 通过以下步骤进行预测：

1. 计算距离：计算未知样本与训练集中所有已知样本的距离（如欧氏距离、曼哈顿距离）。
2. 找邻居：选取距离最近的K 个样本（K 为超参数，通常为奇数，如 3、5、7）。
3. 投票 / 平均：
   • 分类任务：K 个邻居中出现次数最多的类别即为未知样本的预测类别（多数投票）。
   • 回归任务：K 个邻居的数值的平均值即为未知样本的预测值。

关键概念

• K 值选择：
  • K 过小：易受噪声影响，模型过拟合（决策边界复杂）。
  • K 过大：邻居中可能包含其他类别的样本，模型欠拟合（决策边界模糊）。
  • 通常通过交叉验证选择最优 K 值（如 3、5）。
• 距离度量：
  • 欧氏距离（最常用）：适用于连续特征，公式为 (d(x,y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2})。
  • 曼哈顿距离：适用于高维数据，公式为 (d(x,y) = \sum_{i=1}^{n}|x_i - y_i|)。

KNN 的分类与回归应用

分类任务（离散结果）

示例：预测鸢尾花类别（Setosa、Versicolor、Virginica）。

动态规划：从子问题到全局最优 —— 以背包问题为例

动态规划（Dynamic Programming，DP）是一种通过分解问题为重叠子问题，利用子问题的最优解逐步构建全局最优解的算法思想。它特别适合解决具有 “最优子结构” 和 “重叠子问题” 的问题，如背包问题、最长公共子序列、最短路径等。本文以经典的 0-1 背包问题为例，解析动态规划的核心原理、实现逻辑及优势。

动态规划的核心思想

核心特性

• 最优子结构：问题的最优解包含子问题的最优解。例如，“背包容量为 4 时的最大价值” 依赖于 “容量为 3 时的最大价值” 等子问题。
• 重叠子问题：不同的大问题可能包含相同的子问题，可通过存储子问题的解（“备忘录”）避免重复计算。
• 自底向上：从最小的子问题开始求解，逐步累积到原问题（与递归的 “自顶向下” 不同）。

与贪心算法的本质区别

• 贪心算法：每步选择局部最优，无回溯，可能得到近似解（如背包问题中仅选价值最高的物品）。
• 动态规划：通过枚举所有可能的子问题组合，确保得到全局最优解（如背包问题中考虑 “选或不选” 每个物品的所有情况）。

0-1 背包问题：动态规划的经典应用

问题重述

有 3 件物品和一个容量为 4 磅的背包，每件物品只能选一次（0-1 特性），求装入背包的最大价值：

动态规划解题步骤

定义状态（网格）

创建二维数组 v[i][j]，其中：

• i 表示 “前 i 件物品”（i=0 表示无物品，i=1 表示吉他，i=2 表示吉他 + 笔记本电脑，i=3 表示所有物品）。
• j 表示 “背包容量”（j=0 表示容量为 0，j=1 表示容量 1 磅，…，j=4 表示容量 4 磅）。
• v[i][j] 的值表示 “前 i 件物品在容量 j 下的最大价值”。