వివిధ రకాల విలువలను సూచించడానికి జావా అనేక అంతర్నిర్మిత డేటా రకాలను అందిస్తుంది. ఈ డేటా రకాలు రెండు వర్గాలుగా విభజించబడ్డాయి: ఆదిమ డేటా రకాలు మరియు సూచన డేటా రకాలు.
ఆదిమ డేటా రకాలు జావాలో అత్యంత ప్రాథమిక డేటా రకాలు. జావాలో ఎనిమిది ఆదిమ డేటా రకాలు ఉన్నాయి:
- బైట్: 8-బిట్ సంతకం చేసిన పూర్ణాంకం
- సంక్షిప్త: 16-బిట్ సంతకం పూర్ణాంకం
- int: 32-bit సంతకం చేసిన పూర్ణాంకం
- పొడవు: 64-బిట్ సంతకం చేసిన పూర్ణాంకం
- ఫ్లోట్: 32-బిట్ ఫ్లోటింగ్ పాయింట్ నంబర్
- డబుల్: 64-బిట్ ఫ్లోటింగ్ పాయింట్ నంబర్
- చార్: 16-బిట్ యూనికోడ్ అక్షరం
- బూలియన్: నిజం లేదా తప్పు
ఆదిమ డేటా రకాలు
జావా మద్దతు ఇచ్చే ఎనిమిది ఆదిమ డేటాటైప్లు ఉన్నాయి. ఆదిమ డేటాటైప్లు భాష ద్వారా ముందే నిర్వచించబడతాయి మరియు కీవర్డ్తో పేరు పెట్టబడతాయి. ఇప్పుడు ఎనిమిది ఆదిమ డేటా రకాలను వివరంగా పరిశీలిద్దాం.
బైట్
బైట్ డేటా రకం 8-బిట్ సైన్డ్ టూ యొక్క కాంప్లిమెంట్ పూర్ణాంకం
కనిష్ట విలువ -128 (-2^7)
గరిష్ట విలువ 127 (కలిసి)(2^7 -1)
డిఫాల్ట్ విలువ 0
బైట్ డేటా రకం పెద్ద శ్రేణులలో స్థలాన్ని ఆదా చేయడానికి ఉపయోగించబడుతుంది, ప్రధానంగా పూర్ణాంకాల స్థానంలో, బైట్ పూర్ణాంకం కంటే నాలుగు రెట్లు చిన్నది.
ఉదాహరణ: బైట్ a = 100, బైట్ b = -50
చిన్నది
సంక్షిప్త డేటా రకం 16-బిట్ సంతకం చేసిన రెండు పూరక పూర్ణాంకం
కనిష్ట విలువ -32,768 (-2^15)
గరిష్ట విలువ 32,767 (కలిసి) (2^15 -1)
మెమరీని బైట్ డేటా రకంగా సేవ్ చేయడానికి షార్ట్ డేటా రకాన్ని కూడా ఉపయోగించవచ్చు. చిన్నది పూర్ణాంకం కంటే 2 రెట్లు చిన్నది
డిఫాల్ట్ విలువ 0.
ఉదాహరణ: చిన్న s = 10000, చిన్న r = -20000
int
Int డేటా రకం 32-బిట్ సైన్డ్ టూ యొక్క కాంప్లిమెంట్ పూర్ణాంకం.
కనిష్ట విలువ - 2,147,483,648 (-2^31)
గరిష్ట విలువ 2,147,483,647(కలిసి) (2^31 -1)
పూర్ణాంకం సాధారణంగా సమగ్ర విలువల కోసం డిఫాల్ట్ డేటా రకంగా ఉపయోగించబడుతుంది, మెమరీ గురించి ఆందోళన ఉంటే తప్ప.
డిఫాల్ట్ విలువ 0
ఉదాహరణ: int a = 100000, int b = -200000
పొడవు
- లాంగ్ డేటా టైప్ అనేది 64-బిట్ సైన్డ్ టూ యొక్క కాంప్లిమెంట్ పూర్ణాంకం
- కనిష్ట విలువ -9,223,372,036,854,775,808(-2^63)
- గరిష్ట విలువ 9,223,372,036,854,775,807 (కలిసి)(2^63 -1)
- Int కంటే విస్తృత పరిధి అవసరమైనప్పుడు ఈ రకం ఉపయోగించబడుతుంది
- డిఫాల్ట్ విలువ 0L
- ఉదాహరణ: దీర్ఘ a = 100000L, దీర్ఘ b = -200000L
తేలుతుంది
ఫ్లోట్ డేటా రకం ఒకే-ఖచ్చితమైన 32-బిట్ IEEE 754 ఫ్లోటింగ్ పాయింట్
ఫ్లోటింగ్ పాయింట్ సంఖ్యల పెద్ద శ్రేణులలో మెమరీని సేవ్ చేయడానికి ఫ్లోట్ ప్రధానంగా ఉపయోగించబడుతుంది
డిఫాల్ట్ విలువ 0.0f
కరెన్సీ వంటి ఖచ్చితమైన విలువల కోసం ఫ్లోట్ డేటా రకం ఎప్పుడూ ఉపయోగించబడదు
ఉదాహరణ: ఫ్లోట్ f1 = 234.5f
రెట్టింపు
డబుల్ డేటా టైప్ అనేది డబుల్-ప్రెసిషన్ 64-బిట్ IEEE 754 ఫ్లోటింగ్ పాయింట్
ఈ డేటా రకం సాధారణంగా దశాంశ విలువల కోసం డిఫాల్ట్ డేటా రకంగా ఉపయోగించబడుతుంది, సాధారణంగా డిఫాల్ట్ ఎంపిక
కరెన్సీ వంటి ఖచ్చితమైన విలువల కోసం డబుల్ డేటా రకాన్ని ఎప్పుడూ ఉపయోగించకూడదు
డిఫాల్ట్ విలువ 0.0d
ఉదాహరణ: డబుల్ d1 = 123.4
బూలియన్
- బూలియన్ డేటా రకం ఒక బిట్ సమాచారాన్ని సూచిస్తుంది
- రెండు సాధ్యమయ్యే విలువలు మాత్రమే ఉన్నాయి: నిజం మరియు తప్పు
- ఈ డేటా రకం నిజమైన/తప్పు పరిస్థితులను ట్రాక్ చేసే సాధారణ ఫ్లాగ్ల కోసం ఉపయోగించబడుతుంది
- డిఫాల్ట్ విలువ తప్పు
- ఉదాహరణ: బూలియన్ ఒకటి = నిజం
చార్
- చార్ డేటా రకం ఒకే 16-బిట్ యూనికోడ్ అక్షరం
- కనిష్ట విలువ '\u0000' (లేదా 0)
- గరిష్ట విలువ '\uffff' (లేదా 65,535 కలుపుకొని)
- ఏదైనా అక్షరాన్ని నిల్వ చేయడానికి చార్ డేటా రకం ఉపయోగించబడుతుంది
- ఉదాహరణ: char letterA = 'A'
సంఖ్యలు, అక్షరాలు మరియు బూలియన్ విలువలు వంటి సాధారణ విలువలను సూచించడానికి ఈ ఆదిమ డేటా రకాలను ఉపయోగించవచ్చు.
రిఫరెన్స్ డేటా రకాలు, మరోవైపు, వస్తువులు మరియు శ్రేణుల వంటి సంక్లిష్ట డేటా నిర్మాణాలను సూచించడానికి ఉపయోగించబడతాయి. ఈ డేటా రకాలు ఉన్నాయి:
- తరగతులు
- ఇంటర్ఫేస్లు
- శ్రేణులు
- తీగలు
ప్రిమిటివ్ డేటా రకాల వేరియబుల్స్ విలువను కలిగి ఉంటాయి, అయితే రిఫరెన్స్ డేటా రకాల వేరియబుల్స్ మెమరీలో ఒక వస్తువుకు సూచనను కలిగి ఉంటాయి.
ఈ అంతర్నిర్మిత డేటా రకాలతో పాటు, జావా ప్రతి ఆదిమ డేటా రకాలకు రేపర్ తరగతులను కూడా అందిస్తుంది. ఈ రేపర్ తరగతులు ఆదిమ డేటా రకాలు మరియు వస్తువుల మధ్య మార్చడానికి పద్ధతులను అందిస్తాయి, అలాగే ఇతర ఉపయోగకరమైన పద్ధతులను అందిస్తాయి.
ఉదాహరణకు, రేపర్ క్లాస్ విలువను a కి Integer
మార్చడానికి అలాగే aని విలువగా అన్వయించడానికి పద్ధతులను అందిస్తుంది . అదేవిధంగా, రేపర్ క్లాస్ విలువను a గా మార్చడానికి అలాగే aని విలువగా అన్వయించడానికి పద్ధతులను అందిస్తుంది .int
String
String
int
Double
double
String
String
double
సాధారణంగా, సాధ్యమైనప్పుడల్లా ఆదిమ డేటా రకాలను ఉపయోగించమని సిఫార్సు చేయబడింది, ఎందుకంటే అవి రిఫరెన్స్ డేటా రకాల కంటే మరింత సమర్థవంతంగా మరియు వేగంగా పని చేస్తాయి. అయితే, మీరు మరింత క్లిష్టమైన డేటా నిర్మాణాలను సూచించాల్సిన లేదా వస్తువులతో పని చేయాల్సిన సందర్భాల్లో, రిఫరెన్స్ డేటా రకాలు అవసరం.