序列化:
Unity ISerializationCallbackReceiver
技术引领潮流!
LRU全称是Least Recently Used,即最近最久未使用的意思。
LRU算法的设计原则是:如果一个数据在最近一段时间没有被访问到,那么在将来它被访问的可能性也很小。也就是说,当限定的空间已存满数据时,应当把最久没有被访问到的数据淘汰。
1. 用一个数组来存储数据,给每一个数据项标记一个访问时间戳,每次插入新数据项的时候,先把数组中存在的数据项的时间戳自增,并将新数据项的时间戳置为0并插入到数组中。每次访问数组中的数据项的时候,将被访问的数据项的时间戳置为0。当数组空间已满时,将时间戳最大的数据项淘汰。
2.利用一个链表来实现,每次新插入数据的时候将新数据插到链表的头部;每次缓存命中(即数据被访问),则将数据移到链表头部;那么当链表满的时候,就将链表尾部的数据丢弃。
3. 利用链表和hashmap。当需要插入新的数据项的时候,如果新数据项在链表中存在(一般称为命中),则把该节点移到链表头部,如果不存在,则新建一个节点,放到链表头部,若缓存满了,则把链表最后一个节点删除即可。在访问数据的时候,如果数据项在链表中存在,则把该节点移到链表头部,否则返回-1。这样一来在链表尾部的节点就是最近最久未访问的数据项。
对于第一种方法, 需要不停地维护数据项的访问时间戳,另外,在插入数据、删除数据以及访问数据时,时间复杂度都是O(n)。对于第二种方法,链表在定位数据的时候时间复杂度为O(n)。所以在一般使用第三种方式来是实现LRU算法。
当存在热点数据时,LRU的效率很好,但偶发性的、周期性的批量操作会导致LRU命中率急剧下降,缓存污染情况比较严重。
LRU-K中的K代表最近使用的次数,因此LRU可以认为是LRU-1。LRU-K的主要目的是为了解决LRU算法“缓存污染”的问题,其核心思想是将“最近使用过1次”的判断标准扩展为“最近使用过K次”。相比LRU,LRU-K需要多维护一个队列,用于记录所有缓存数据被访问的历史。只有当数据的访问次数达到K次的时候,才将数据放入缓存。当需要淘汰数据时,LRU-K会淘汰第K次访问时间距当前时间最大的数据。
数据第一次被访问时,加入到历史访问列表,如果书籍在访问历史列表中没有达到K次访问,则按照一定的规则(FIFO,LRU)淘汰;当访问历史队列中的数据访问次数达到K次后,将数据索引从历史队列中删除,将数据移到缓存队列中,并缓存数据,缓存队列重新按照时间排序;缓存数据队列中被再次访问后,重新排序,需要淘汰数据时,淘汰缓存队列中排在末尾的数据,即“淘汰倒数K次访问离现在最久的数据”。LRU-K具有LRU的优点,同时还能避免LRU的缺点,实际应用中LRU-2是综合最优的选择。由于LRU-K还需要记录那些被访问过、但还没有放入缓存的对象,因此内存消耗会比LRU要多。
Two queues(以下使用2Q代替)算法类似于LRU-2,不同点在于2Q将LRU-2算法中的访问历史队列(注意这不是缓存数据的)改为一个FIFO缓存队列,即:2Q算法有两个缓存队列,一个是FIFO队列,一个是LRU队列。 当数据第一次访问时,2Q算法将数据缓存在FIFO队列里面,当数据第二次被访问时,则将数据从FIFO队列移到LRU队列里面,两个队列各自按照自己的方法淘汰数据。
新访问的数据插入到FIFO队列中,如果数据在FIFO队列中一直没有被再次访问,则最终按照FIFO规则淘汰;如果数据在FIFO队列中再次被访问到,则将数据移到LRU队列头部,如果数据在LRU队列中再次被访问,则将数据移动LRU队列头部,LRU队列淘汰末尾的数据。
MQ算法根据访问频率将数据划分为多个队列,不同的队列具有不同的访问优先级,其核心思想是:优先缓存访问次数多的数据。 详细的算法结构图如下,Q0,Q1….Qk代表不同的优先级队列,Q-history代表从缓存中淘汰数据,但记录了数据的索引和引用次数的队列:
新插入的数据放入Q0,每个队列按照LRU进行管理,当数据的访问次数达到一定次数,需要提升优先级时,将数据从当前队列中删除,加入到高一级队列的头部;为了防止高优先级数据永远不会被淘汰,当数据在指定的时间里没有被访问时,需要降低优先级,将数据从当前队列删除,加入到低一级的队列头部;需要淘汰数据时,从最低一级队列开始按照LRU淘汰,每个队列淘汰数据时,将数据从缓存中删除,将数据索引加入Q-history头部。如果数据在Q-history中被重新访问,则重新计算其优先级,移到目标队列头部。 Q-history按照LRU淘汰数据的索引。
MQ需要维护多个队列,且需要维护每个数据的访问时间,复杂度比LRU高。
对比点 | 对比 |
命中率 | LRU-2 > MQ(2) > 2Q > LRU |
复杂度 | LRU-2 > MQ(2) > 2Q > LRU |
代价 | LRU-2 > MQ(2) > 2Q > LRU |
原文地址:https://blog.csdn.net/elricboa/article/details/78847305
首先,你应该已经安装了 Java 的 JDK 了(如果没有安装JDK,请跳转到此网址:http://www.oracle.com/technetwork/java/javase/downloads/index-jsp-138363.html)
笔者安装的是 jdk-8u91-windows-x64
接下来主要讲怎么配置 Java 的环境变量,也是为了以后哪天自己忘记了做个备份
(注:win10的Java环境变量配置和其他的windows版本稍有不同)
在电脑桌面 右键点击 “此电脑”的“属性”选项
选择“高级系统设置”选项
点击下面的“环境变量”选项
接下来就是具体的配置过程:
点击“系统变量”下面的”新建“选项
在”变量名“处填上”Java_Home“
”变量值“为JDK安装路径,笔者的路径是”D:\Program Files\Java\jdk1.8.0_91“
点击”确定“选项
在”系统变量“中找到”Path“
选中”Path“点击”编辑“选项
选择右边的“编辑文本”,将引号里面的全部复制“%Java_Home%\bin;%Java_Home%\jre\bin;”,到“变量值”栏的最前面,“确定”
在“系统变量”栏,“新建”,“变量名”为“CLASSPATH”,“变量值”为“.;%Java_Home%\bin;%Java_Home%\lib\dt.jar;%Java_Home%\lib\tools.jar”,“确定”
点击“环境变量”最下面的“确定”选项
回到电脑桌面,按快捷键“Win+R”,输入“cmd”
检查Java环境是否配置成功
输入”java”
输入”javac”
输入”java -version”
如果上面的三幅图都看见了,恭喜,环境变量配置好了!
这是MongoDB driver的第一部分。在这一部分,你可以看到如何去执行一些数据库的基本CRUD(C-创建,R-读取,U-更新,D-删除)操作。
以下展示了三种连接到MongoDB远程服务器和本地服务器的方式 :
// 连接到单实例MongoDB服务 // 这种连接方式不会自动检测连接的节点是主节点还是复制集的成员节点 var client = new MongoClient(); // 或者使用string连接本地服务器,localhost=127.0.0.1,连接到单实例 var client = new MongoClient("mongodb://localhost:27017"); // 连接到复制集(多节点) var client = new MongoClient("mongodb://localhost:27017,localhost:27018,localhost:27019");
客户端实例现在可以拥有连接到连接字符串中指定的服务器或服务器的连接池。
MongoClient 实例实际上表示一个连接数据库的连接池;
你仅仅只需要一个MongoClient 类实例,即使在多线程情况下;
标注:
实际上,你只需要为给定的集群创建一个MongoClient实例,并在应用程序中使用它。但是,如果连接字符串是相同的,那么创建多个MongoClient将仍然共享相同的连接池。
获取一个数据库实例,列举数据库的名称可以通过client中的GetDatabase方法,在数据库存在的情况下,该方式都是可行的。它将在首次被调用时创建。
var database = client.GetDatabase("foo");
现在,database变量保存了对数据库“foo”的引用.
获取一个集合实例,列举集合的名称可以通过database中GetCollection<TDocument>.在集合存在的情况下,它将在首次被调用时创建。
var collection = database.GetCollection<BsonDocument>("bar");
现在,collection变量保存了对数据库“foo”下“bar”集合的引用.
标注:
泛型参数TDocument表示集合中存在的模式,使用一个BsonDocument来表示没有预定的模式。
一旦你拥有了collection实例,你就可以插入一个文档到集合中。例如,考虑下面的JSON文档,它是一个包含了一个字段信息的嵌入式文档。
{ "name": "MongoDB", "type": "database", "count": 1, "info": { x: 203, y: 102 } }
你可以使用.NET driver中的BsonDocument类创建这个文档,方式如下:
var document = new BsonDocument { { "name", "MongoDB" }, { "type", "Database" }, { "count", 1 }, { "info", new BsonDocument { { "x", 203 }, { "y", 102 } } } };
把这个文档插入到集合中,可以是使用InsertOne或者InsertOneAsync方法
collection.InsertOne(document);//同步 await collection.InsertOneAsycn(document);//异步
标注:
.NET driver 当前已全部支持异步操作。关于更多的async和await的信息,参见MSDN documentation
https://msdn.microsoft.com/en-us/library/hh191443.aspx
驱动中所有的API都已经同时支持同步和异步.
插入多条数据到数据库,可以使用InsertMany或者InsertManyAsync两种方式.
// 生成 100 个counter从0~99递增的文档 var documents = Enumerable.Range(0, 100).Select(i => new BsonDocument("counter", i));
插入数据
collection.InsertMany(documnets); await collection.InsertManyAsycn(documents);
现在,我们插入了101个文档到数据库里面(100在循环中,首次插入1),我们可以核查这些数据,如果我们使用Count或者CountAsycn方法. 下面的代码应该可以使得count的值为101.
var count = collection.Count(new BsonDocument()); or var count = await collection.CountAsync(new BsonDocument());
标注:
空的BsonDocument参数是一个过滤器。在这里,指的是要计算所有的文档.
使用Find方法去集合中查询. 该方法会返回一个IFindFluent<TDocument, TProjection>实例,它提供一个接口链接find操作设置.
调用FirstOrDefault 或者FirstOrDefaultAsync 方法,可以获取集合的第一个文档.FirstOrDefault返回第一个文档或者null. 当你只需要一个匹配的文档或只对第一个文档感兴趣时,该方法非常有用.
下面的例子将会打印出再集合中查询出来的第一个文档:
var document = collection.Find(new BsonDocument()).FirstOrDefault(); Consloe.WriteLine(document.ToString());
var document = await collection.Find(new BsonDocument()).FirstOrDefaultAsync(); Console.WriteLine(document.ToString());
该例子将会打印出以下内容:
{ "_id": ObjectId("5940f2b98198abd6a5eea7b1") }, "name": "MongoDB", "type": "database", "count": 1, "info": { "x" : 203, "y" : 102 } }
元素 “id” 为 MongoDB 数据库自动添加到文档中,这是打印出来的内容与插入的内容不一致的原因。MongoDB数据库内部保留所有以 “_” 和 “$” 开头的字段名称.
使用ToList或者ToListAsycn方法可以检索到集合中的所有文档,当需要返回的文档比较少量时,该方法非常有用.
var documents = collection.Find(new BsonDocument()).ToList();
var documents = await collection.Find(new BsonDocument()).ToListAsync();
如果返回的文档数量比预期的大,可以使用通过迭代的方式进行处理。ForEachAsync将会为每个返回的文档调用一个回调。
await collection.Find(new BsonDocument()).ForEachAsync(d => Console.WriteLined(d));
如果使用的是同步的API,则要使用C#中的ToEnumerable抽象方法去迭代每个文档:
var cursor = collection.Find(new BsonDocument()).ToCursor(); foreach (var document in cursor.ToEnumerable()) { Console.WriteLine(document); }
上面的例子将会打印出相同的信息。更多的信息参见reference documention
在一个集合中,我们可以创建一个筛选器传递给Find方法去获取一个文档的子集。例如,如果我们想查找“i”字段的值为71的文档,我们可以使用如下的方式:
var filter = Builders<BsonDocument>.Filter.Eq("i", 71);
var document = collection.Find(filter).First(); Console.WriteLine(document);
var document = await collection.Find(filter).FirstAsync(); Console.WriteLine(document);
以上应该仅打印出一个文档:
{ "_id" : ObjectId("5515836e58c7b4fbc756320b"), "i" : 71 }
标注:
使用 Filter,Sort 和 Projection 以简单和简洁的方式创建一个查询.
我们也可以从集合中获取一组文档。例如,如果我们获取所有符合 i > 50 条件的文档,可以使用如下的方式:
var filter = Builders<BsonDocument>.Filter.Gt("i", 50);// Gt表示大于
var cursor = collection.Find(filter).ToCursor(); foreach (var document in cursor.ToEnumerable()) { Console.WriteLine(document); }
await collection.Find(filter).ForEachAsync(document => Console.WriteLine(document));
还可以限定一个范围查询,例如 50 < i <= 100;
var filterBuilder = Builders<BsonDocument>.Filter; var filter = filterBuilder.Gt("i", 50) & filterBuilder.Lte("i", 100);//Lt表示小于,Lte表示小于等于
var cursor = collection.Find(filter).ToCursor(); foreach (var document in cursor.ToEnumerable()) { Console.WriteLine(document); }
await collection.Find(filter).ForEachAsync(document => Console.WriteLine(document));
我们可以通过调用 Sort 方法来创建一个排序匹配查询。在现有的 filter 构造方法下,我们可以使用 Descending 建立一个降序构造器来排序我们的文档:
var filter = Builders<BsonDocument>.Filter.Exists("i"); var sort = Builders<BsonDocument>.Sort.Descending("i");
var document = collection.Find(filter).Sort(sort).First();
var document = await collection.Find(filter).Sort(sort).FirstAsync();
很多时候,我们不需要文档中包含的所有字段,Projection 构造器可以在一个查询操作中构造映射字段。下面的例子中,我们排除了“_id”字段,并且输出第一个匹配的文档:
var projection = Builders<BsonDocument>.Projection.Exclude("_id");
var document = collection.Find(new BsonDocument()).Project(projection).First(); Console.WriteLine(document.ToString());
var document = await collection.Find(new BsonDocument()).Project(projection).FirstAsync(); Console.WriteLine(document.ToString());
MongoDB 支持多种更新操作方式
更新最多一个文档(如果没有匹配筛选器,可能为零个文档),使用UpdateOne或者UpdateOneAsync去指定筛选器并更新匹配的文档。下面,我们更新筛选器为 i == 10 匹配的第一个文档,并将该文档 i 的值更新为110:
var filter = Builders<BsonDocument>.Filter.Eq("i", 10); var update = Builders<BsonDocument>.Update.Set("i", 110); collection.UpdateOne(filter, update); await collection.UpdateOneAsync(filter, update);
更新筛选器匹配的所有文档,使用UpdateMany或者UpdateManyAsync方法。下面例子,将把所有 i < 100 匹配的文档中 i 的值增加 100。
var filter = Builders<BsonDocument>.Filter.Lt("i", 100); var update = Builders<BsonDocument>.Update.Inc("i", 100);// Inc操作符表示:给i字段增加某个大小的值 var result = collection.UpdateOne(filter, update); if (result.IsModifiedCountAvailable) { Console.WriteLine(result.ModifiedCount); } var result = await collection.UpdateOneAsync(filter, update); if (result.IsModifiedCountAvailable) { Console.WriteLine(result.ModifiedCount); }
更新方法返回的结果为UpdateResult,它提供关于该操作的信息,包括更新后修改的文档的数量。
标注:
根据MongoDB数据库的版本,某些特性可能无法使用。在这些情况下,我们已经尝试了检查是否有能力检查它们的可用性。
删除最多一个文档(如果没有匹配筛选器,可能为零个文档),使用 DeleteOne 或者DeleteOneAsync方法:
var filter = Builders<BsonDocument>.Filter.Eq("i", 110)); collection.DeleteOne(filter); await collection.DeleteOneAsync(filter);
删除筛选器匹配的所有文档,使用DeleteMany 或者 DeleteManyAsync 方法。下面是删除所有 i >= 100 匹配的文档:
var filter = Builders<BsonDocument>.Filter.Gte("i", 100));// Gte表示大于等于 var result = collection.DeleteMany(filter); Console.WriteLine(result.DeletedCount); var result = await collection.DeleteManyAsync(filter); Console.WriteLine(result.DeletedCount);
删除方法返回的结果为DeleteResult ,它提供关于该操作的信息,包括删除的文档数量。
Bulk 操作有两种类型:
有序Bulk操作
以有序的方式执行所有的操作,并且在首次遇到异常时抛出异常。
无序Bulk操作
执行所有的操作,并记录操作过程中的全部异常。无序的批量操作不能保证执行的顺序。
让我们看一看下面的两个关于有序和无序的操作例子:
var models = new WriteModel<BsonDocument>[] { new InsertOneModel<BsonDocument>(new BsonDocument("_id", 4)), new InsertOneModel<BsonDocument>(new BsonDocument("_id", 5)), new InsertOneModel<BsonDocument>(new BsonDocument("_id", 6)), new UpdateOneModel<BsonDocument>( new BsonDocument("_id", 1), new BsonDocument("$set", new BsonDocument("x", 2))), new DeleteOneModel<BsonDocument>(new BsonDocument("_id", 3)), new ReplaceOneModel<BsonDocument>( new BsonDocument("_id", 3), new BsonDocument("_id", 3).Add("x", 4)) }; // 1. 有序的批量操作 - 保证操作的顺序 collection.BulkWrite(models); // 2. 无序的批量操作 - 无法保证操作的顺序 collection.BulkWrite(models, new BulkWriteOptions { IsOrdered = false });
异步
// 1. 有序的批量操作 - 保证操作的顺序 await collection.BulkWriteAsync(models); // 2. 无序的批量操作 - 无法保证操作的顺序 await collection.BulkWriteAsync(models, new BulkWriteOptions { IsOrdered = false });
重要:
批量操作功能在MongoDB数据库版本为2.6及之前的版本不被推荐使用,在性能上有较大的影响。
1、格式化货币(跟系统的环境有关,中文系统默认格式化人民币,英文系统格式化美元)
string.Format(“{0:C}”,0.2) 结果为:¥0.20 (英文操作系统结果:$0.20)
默认格式化小数点后面保留两位小数,如果需要保留一位或者更多,可以指定位数
string.Format(“{0:C1}”,23.15) 结果为:¥23.2 (截取会自动四舍五入)
格式化多个Object实例
string.Format(“市场价:{0:C},优惠价{1:C}”,23.15,19.82)
2、格式化十进制的数字(格式化成固定的位数,位数不能少于未格式化前,只支持整形)
string.Format(“{0:D3}”,23) 结果为:023
string.Format(“{0:D2}”,1223) 结果为:1223,(精度说明符指示结果字符串中所需的最少数字个数。)
3、用分号隔开的数字,并指定小数点后的位数
string.Format(“{0:N}”, 14200) 结果为:14,200.00 (默认为小数点后面两位)
string.Format(“{0:N3}”, 14200.2458) 结果为:14,200.246 (自动四舍五入)
4、格式化百分比
string.Format(“{0:P}”, 0.24583) 结果为:24.58% (默认保留百分的两位小数)
string.Format(“{0:P1}”, 0.24583) 结果为:24.6% (自动四舍五入)
5、零占位符和数字占位符
string.Format(“{0:0000.00}”, 12394.039) 结果为:12394.04
string.Format(“{0:0000.00}”, 194.039) 结果为:0194.04
string.Format(“{0:###.##}”, 12394.039) 结果为:12394.04
string.Format(“{0:####.#}”, 194.039) 结果为:194
下面的这段说明比较难理解,多测试一下实际的应用就可以明白了。
零占位符:
如果格式化的值在格式字符串中出现“0”的位置有一个数字,则此数字被复制到结果字符串中。小数点前最左边的“0”的位置和小数点后最右边的“0”的位置确定总在结果字符串中出现的数字范围。
“00”说明符使得值被舍入到小数点前最近的数字,其中零位总被舍去。
数字占位符:
如果格式化的值在格式字符串中出现“#”的位置有一个数字,则此数字被复制到结果字符串中。否则,结果字符串中的此位置不存储任何值。
请注意,如果“0”不是有效数字,此说明符永不显示“0”字符,即使“0”是字符串中唯一的数字。如果“0”是所显示的数字中的有效数字,则显示“0”字符。
“##”格式字符串使得值被舍入到小数点前最近的数字,其中零总被舍去。
6、日期格式化
string.Format(“{0:d}”,System.DateTime.Now) 结果为:2009-3-20 (月份位置不是03)
string.Format(“{0:D}”,System.DateTime.Now) 结果为:2009年3月20日
string.Format(“{0:f}”,System.DateTime.Now) 结果为:2009年3月20日 15:37
string.Format(“{0:F}”,System.DateTime.Now) 结果为:2009年3月20日 15:37:52
string.Format(“{0:g}”,System.DateTime.Now) 结果为:2009-3-20 15:38
string.Format(“{0:G}”,System.DateTime.Now) 结果为:2009-3-20 15:39:27
string.Format(“{0:m}”,System.DateTime.Now) 结果为:3月20日
string.Format(“{0:t}”,System.DateTime.Now) 结果为:15:41
string.Format(“{0:T}”,System.DateTime.Now) 结果为:15:41:50
更详细的说明请下面微软对此的说明或者上msdn上查询。
微软MSDN对string.format的方法说明:
名称 说明
String.Format (String, Object) 将指定的 String 中的格式项替换为指定的 Object 实例的值的文本等效项。
String.Format (String, Object[]) 将指定 String 中的格式项替换为指定数组中相应 Object 实例的值的文本等效项。
String.Format (IFormatProvider, String, Object[]) 将指定 String 中的格式项替换为指定数组中相应 Object 实例的值的文本等效项。指定的参数提供区域性特定的格式设置信息。
String.Format (String, Object, Object) 将指定的 String 中的格式项替换为两个指定的 Object 实例的值的文本等效项。
String.Format (String, Object, Object, Object) 将指定的 String 中的格式项替换为三个指定的 Object 实例的值的文本等效项。
标准数字格式字符串
格式说明符 名称 说明
C 或 c
货币
数字转换为表示货币金额的字符串。转换由当前 NumberFormatInfo 对象的货币格式信息控制。
精度说明符指示所需的小数位数。如果省略精度说明符,则使用当前 NumberFormatInfo 对象给定的默认货币精度。
D 或 d
十进制数
只有整型才支持此格式。数字转换为十进制数字 (0-9) 的字符串,如果数字为负,则前面加负号。
精度说明符指示结果字符串中所需的最少数字个数。如果需要的话,则用零填充该数字的左侧,以产生精度说明符给定的数字个数。
E 或 e
科学记数法(指数)
数字转换为“-d.ddd…E+ddd”或“-d.ddd…e+ddd”形式的字符串,其中每个“d”表示一个数字 (0-9)。如果该数字为负,则该字符串以减号开头。小数点前总有一个数字。
精度说明符指示小数点后所需的位数。如果省略精度说明符,则使用默认值,即小数点后六位数字。
格式说明符的大小写指示在指数前加前缀“E”还是“e”。指数总是由正号或负号以及最少三位数字组成。如果需要,用零填充指数以满足最少三位数字的要求。
F 或 f
定点
数字转换为“-ddd.ddd…”形式的字符串,其中每个“d”表示一个数字 (0-9)。如果该数字为负,则该字符串以减号开头。
精度说明符指示所需的小数位数。如果忽略精度说明符,则使用当前 NumberFormatInfo 对象给定的默认数值精度。
G 或 g
常规
根据数字类型以及是否存在精度说明符,数字会转换为定点或科学记数法的最紧凑形式。如果精度说明符被省略或为零,则数字的类型决定默认精度,如下表所示。
Byte 或 SByte:3
Int16 或 UInt16:5
Int32 或 UInt32:10
Int64 或 UInt64:19
Single:7
Double:15
Decimal:29
如果用科学记数法表示数字时指数大于 -5 而且小于精度说明符,则使用定点表示法;否则使用科学记数法。如果要求有小数点,并且忽略尾部零,则结果包含小数点。如果精度说明符存在,并且结果的有效数字位数超过指定精度,则通过舍入删除多余的尾部数字。
上述规则有一个例外:如果数字是 Decimal 而且省略精度说明符时。在这种情况下总使用定点表示法并保留尾部零。
使用科学记数法时,如果格式说明符是“G”,结果的指数带前缀“E”;如果格式说明符是“g”,结果的指数带前缀“e”。
N 或 n
数字
数字转换为“-d,ddd,ddd.ddd…”形式的字符串,其中“-”表示负数符号(如果需要),“d”表示数字 (0-9),“,”表示数字组之间的千位分隔符,“.”表示小数点符号。实际的负数模式、数字组大小、千位分隔符以及十进制分隔符由当前 NumberFormatInfo 对象指定。
精度说明符指示所需的小数位数。如果忽略精度说明符,则使用当前 NumberFormatInfo 对象给定的默认数值精度。
P 或 p
百分比
数字转换为由 NumberFormatInfo.PercentNegativePattern 或 NumberFormatInfo.PercentPositivePattern 属性定义的、表示百分比的字符串,前者用于数字为负的情况,后者用于数字为正的情况。已转换的数字乘以 100 以表示为百分比。
精度说明符指示所需的小数位数。如果忽略精度说明符,则使用当前 NumberFormatInfo 对象给定的默认数值精度。
R 或 r
往返过程
只有 Single 和 Double 类型支持此格式。往返过程说明符保证转换为字符串的数值再次被分析为相同的数值。使用此说明符格式化数值时,首先使用常规格式对其进行测试:Double 使用 15 位精度,Single 使用 7 位精度。如果此值被成功地分析回相同的数值,则使用常规格式说明符对其进行格式化。但是,如果此值未被成功地分析为相同数值,则它这样格式化:Double 使用 17 位精度,Single 使用 9 位精度。
虽然此处可以存在精度说明符,但它将被忽略。使用此说明符时,往返过程优先于精度。
X 或 x
十六进制数
只有整型才支持此格式。数字转换为十六进制数字的字符串。格式说明符的大小写指示对大于 9 的十六进制数字使用大写字符还是小写字符。例如,使用“X”产生“ABCDEF”,使用“x”产生“abcdef”。
精度说明符指示结果字符串中所需的最
Math.Round(3.45, 2, MidpointRounding.AwayFromZero);