URL重写的几种实现方式的总结(2)

Apache 2.2 + Tomcat 使用UrlRewrite实现泛域名解析的尝试
1 安装 tomcat/apache
2 下载 jk.so, 具体版本请根据需要,不再多说
3 关键是配置
httpd.conf

Code
1
2 # 去掉这个前面的#,启用它
3 LoadModule rewrite_module modules/mod_rewrite.so
4
5 # 启用jk,同时配置参数
6 LoadModule jk_module modules/mod_jk.so
7 JkWorkersFile D:/Apache2.2/conf/workers.properties
8 JkLogFile d:/Apache2.2/logs/mod_jk.log
9 JkLogLevel info
10 #JkLogLevel debug
11 JkLogStampFormat "[%a %b %d %H:%M:%S %Y] "
12 JkOptions +ForwardKeySize +ForwardURICompat -ForwardDirectories
13 JkRequestLogFormat "%w %V %T"
14 JkMount /servlet/* myloadbalancer
15 JkMount /*.jsp myloadbalancer
16
17 # 虚拟主机,这里模拟了 a.test.com 和 b.test.com 以及 a.tst.com/blog的调用
18
19 <VirtualHost _default_:80>
20 ServerAdmin yourmail@domain.com
21 DocumentRoot D:\Apache2.2\htdocs
22 ServerName all-sites
23 ErrorLog logs/all-sites-error.log
24 CustomLog logs/all-sites-access.log common
25 RewriteEngine On
26 # 下面三行实现动态解析
27 RewriteCond %{HTTP_HOST} ^[a-z0-9\-]+\.test\.com$
28 RewriteRule ^/(.*)$ /%{HTTP_HOST}/$1
29 RewriteRule ^/([a-z0-9\-]+)\.test\.com/?$ /index.jsp?u=$1 [L,PT]
30 RewriteRule ^/([a-z0-9\-]+)\.test\.com/blog(/(.*))?$ /blog.jsp?u=$1&$3 [L,PT]
31
32 <Directory "D:\Apache2.2\htdocs">
33 Options FollowSymLinks
34 AllowOverride None
35 Order allow,deny
36 Allow from all
37 </Directory>
38
39 </VirtualHost>


workers.properties



Code
1 worker.list=myloadbalancer
2
3 worker.tomcat1.type=ajp13
4 worker.tomcat1.host=localhost
5 worker.tomcat1.port=8009
6 worker.tomcat1.lbfactor=1
7
8
9 worker.myloadbalancer.type=lb
10 worker.myloadbalancer.balance_workers=tomcat1
11 worker.status.type=status

server.xml
去掉前后的<!-- 和 -->启用 8009端口



Code
1 <Connector port="8009"
2


说明一下
在httpd.conf里面启用了rewrite_module,和 mod_jk, 并配置了 与tomcat的连接配置。
虚拟主机的配置是关键
ServerName all-sites
可以修改为
ServerName test.com
ServerAlias *.test.com
这样可以明确指定这个虚拟主机负责的域名
urlRewrite 配置部分


RewriteCond %{HTTP_HOST} ^[a-z0-9\-]+\.test\.com$
RewriteRule ^/(.*)$ /%{HTTP_HOST}/$1

RewriteRule ^/([a-z0-9\-]+)\.test\.com/?$ /index.jsp?u=$1 [L,PT]
RewriteRule ^/([a-z0-9\-]+)\.test\.com/blog(/(.*))?$ /blog.jsp?u=$1&$3 [L,PT]
第一行,声明这个重写只对主机名(%{HTTP_HOST}) 类似 XXXX.test.com 感兴趣,那个是正则的
第二行,将所有的对此域名的请求进行第一次改写,比如
a.test.com 改成
/a.test.com

b.test.com/blog 改成
/b.test/com/blog
第三行,对无参数的访问进行调整
将 /a.test.com 改成
/index.jsp?u=a
第四行,对有参数路径的进行调整
将 /b.test.com/blog 改成
/blog.jsp?u=b
如果还有参数比如
b.test.com/id=3 则最终改写为
/b.test.com/id=3
/blog.jsp?u=b&id=3
剩下的就不多说了!
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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