这周学习了怎么画判断表和判断树，也明白了判断树(Decision Tree)是判断表的变形,一般比判断表更直观、易于理解。判断树代表的意义是:左边是树根,是决策序列的...判断树(Decision Tree)是判断表的变形,一般比判断表更直观、易于理解。判断树代表的意义是:左边是树根,是决策序列的。
阅读内容：（代码优化）
优化原则：
1： 在能应付当前性能需求的情况下，不建议进行性能优化。
2： 仅仅优化性能瓶颈
3： 编码时必须进行压力测试
4： 优化时，考虑现实生活中遇到的问题，现实如何处理，代码也如何处理。
5： 优化的唯一方法：去掉没有必要的操作 和 采取高效的算法。可以看到所有的优化方法都离不开这条原则，而最常用、也最容易发现的方案就是去掉没必要的操作。
代码优化
代码优化的唯一目的： 减少执行时间。
两种优化方法： 减少没必要的内存分配；减少没必要的计算。
当然这两种方法一般都会同时出现，如分配没必要的内存，分配这个操作就是没必要的计算。
内存分配：
最好的效果：一次申请正好足够的内存。不过一般都做不到，只能尽可能。
1：比如Java中的'+'进行字符串连接，不断产生新的char[]数组后又废弃不用。
2：避免频繁的内存回收，对某些大数据任务可以多分配内存，减少GC的次数。
计算：
计算一般涉及算法（数据结构）和缓存。
1: 算法（数据结构）当然越快越好,比如：hashSet的搜索效率就比ArrayList高
2: 不需要重新获取的东西就可以缓存起来，比如:处理过程中的中间结果
3: 如果某些操作需要创建某些资源，比如网络连接。那么最好不要每次操作都创建一个，而是一个连接进行多次操作。
策略优化：
以不同的交互策略来达到用户一致的体验。
最常用的策略：当用户操作时才进行处理，将集中式处理改为分散式。
例子1：懒加载
比如一张单据有很多子页签，用户查看时单据仅仅加载单据的数据，而不需要加载子页签的数据。只有用户点击子页签时才加载对应的页签数据。
这样就将集中式的查询分散到用户操作中去，提高用户的体验并减少系统瞬间压力。
例子2：
这里借用一下JavaEye中别人讨论过的例子：
某个系统要求在某个时间将用户积分清零的需求。
最直接的方案： 定时将系统中所有的用户积分清零。其弊端在于：如果系统用户量特别大，则在一小段时间内用户将不可进行积分操作。
优化后的策略：用户进行积分操作是分散的，同一时间进行积分操作的压力是很小。因此可以考虑在用户进行积分操作时才考虑是否进行积分清零。