Jboss通过数据源连接Oracle

配置Jboss访问Oracle数据库[@more@]

Jboss通过数据源连接Oracle

1. Jboss服务进程的Oracle数据源配置及部署

Jboss的安装路径为$Jboss,首先在路径$Jbossserverdefaultlib路径下放置连接数据库所用的JDBC Driverojdbc14.jar,然后在路径$Jbossserverdefaultdeploy下,创建Oracle数据源文件oracle-ds.xml,该文件需指明:

ü jndi-name:数据源的jndi名称

ü connection-url:数据库连接串,参照所访问数据库的TNS配置

ü user-name:访问数据库的用户名

ü password:访问数据库的用户密码

ü driver-classexception-sorter-class-namemetadata保留原样

文件内容如下:

OracleDS

jdbc:oracle:thin:@127.0.0.1:1521:remorse

oracle.jdbc.OracleDriver

scott

tiger

org.jboss.resource.adapter.jdbc.vendor.OracleExceptionSorter

Oracle9i

2. 应用引用Oracle数据源

应用引用数据源有两种方式,一种为直接进行JNDI名称查找,另一种使用资源引用方式,即应用使用某资源引用,而部署人员进行资源引用与JNDI所代表资源的映射。由于资源引用方式便于部署,故两种方式中推荐使用资源引用方式。设待部署应用$db_test,其部署路径为$Jbossserverdefaultdeploydb_test.war,在该路径下创建JSP文件index.jsp,文件内容如下:

/* direct lookup the JNDI configured in oracle-ds.xml */

InitialContext ctx = new InitialContext();

DataSource ds = (DataSource) ctx.lookup("java:/OracleDS");

Connection conn = ds.getConnection();

--&gt

/* Lookup the reference, The reference should be defined in web.xml and jboss-web.xml */

InitialContext ctx = new InitialContext();

Context envCtx = (Context) ctx.lookup("java:comp/env");

DataSource ds = (DataSource) envCtx.lookup("jdbc/TestDB");

Connection conn = ds.getConnection();

Statement stmt = conn.createStatement();

ResultSet rs = stmt.executeQuery("SELECT TO_CHAR(SYSDATE,'YYYY-MM-DD HH24:MI:SS') FROM DUAL");

while ( rs.next() ) {

out.println( rs.getString(1) + "
");

out.println( "Oracle Connection Test
");

}

conn.close();

Test Oracle Database

3. 部署应用

$Jbossserverdefaultdeploydb_test.warWEB-INF下创建两文件:jboss-web.xmlweb.xml,若使用直接查找JNDI的话,则两文件无有效内容,具体如下:

web.xml文件:

jboss-web.xml文件:

PUBLIC "-//JBoss//DTD Web Application 2.3V2//EN"

"http://www.jboss.org/j2ee/dtd/jboss-web_3_2.dtd">

若使用资源引用方式使用数据源,则具体如下:

web.xml文件:

DB Connection

jdbc/TestDB

javax.sql.DataSource

Container

jboss-web.xml文件:

PUBLIC "-//JBoss//DTD Web Application 2.3V2//EN"

"http://www.jboss.org/j2ee/dtd/jboss-web_3_2.dtd">

jdbc/TestDB

java:OracleDS

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/247757/viewspace-1006548/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/247757/viewspace-1006548/

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值