使用eclipse远程调试tomcat

 

在做远程调试时,在windows系统和非windows系统下的配置。

Tomcat中会有所差别,具体如下:

第一步、配置tomcat

一、在windows系统中:

打开%CATALINE_HOME%/bin下的文件catalina.bat,加入下面这行:

set CATALINE_OPTS=-server  -Xdebug  -Xnoagent -Djava.compiler=NONE-Xrunjdwp:transport=dt_socket,server=y,suspend=n,address=8787

其中address=8787 是没被使用的端口号。连接方式有两种,为dt_shmen和dt_socket,分别表示本机调试和远程调试。

二、在非windows系统中:

还需要把%CATALINE_HOME%/bin/startup.sh中的最后一行exec"$PRGDIR"/"$EXECUTABLE" start "$@" 中的start改成jpda start .由于默认的端口是8000,所以如果8000端口已有他用的话,还需在catalina.sh文件中设置:JPDA_ADDRESS=8787。

输入命令startup.sh或者catalina.sh jpda start就可启动tomcat。

第二步、配置eclipse:

在eclipse中选择RunDebug在弹出的对话框右击,Remote Java Application新建一个远程调试项。如下如所示:

在“Name”输入框中输入远程调试的名称,在“Project"中选择要调试的项目,在"Host"中输入需要远程调试项目的IP,也就是tomcat所在的IP,在”Port“中输入设置的端口号,比如上面设置的8787,然后勾选"Allow termination of remote VM" ,点击"Apply"即可。

设置完后就可以开始调试了,大概分一下几步:

1、启动tomcat(远程),如在控制台输出"Listening for transport dt_socket at address:8787",

即说明在tomcat中设置成功:

2、在本机设置断点,即在需要监视的代码行前双击就出现一个小圆点;

3、进入上图界面,选择要调试的项,点击“Debug"即可进行远程调试;

4、当运行到设置了断点的代码行处即可看到如下图所示的浅绿条。

 

按键操作:

1、F5和F6键均为单步调试,F5是进入本行代码中执行,F6是执行本行代码,跳到下一行:

2、F7是跳出函数:

3、F8是执行到最后。

当然,为了方便,可以新建一个批处理文件,假如取名为debug.bat,

在这个文件中加入下面几行。

cd  %CATALINE_HOME%/bin

set  JPDA_ADDRESS=8787

set  JPDA_TRANSPORT=dt_socket

set  CATALINA_OPTS=-server  -Xdebug  -Xnoagent -Djava.compiler=NONE Xrunjdwp:transport=dt_socket,server=y,suspend=n,address=8787

startup

这样需要远程调试时,运行debug.bat即可:不需要远程调试时,还是运行startup.bat文件。

 

摘自 


http://www.itniwo.net/bbs/2836/22637.html

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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