传知_14_ejb3

EJB  综合实例 DEMO

EJB2

Sessin Bean

stateless Session Bean

stateful Session Bean

Entity Bean

CMP(窗口管理持久化) Entity Bean/

BMP(Bean管理持久化)

Message Driven Beran()(MDB)

 

EJB3     DEMO(课堂)  DEMO课本

Session Bean                     <spring容器里的Bean对等>

stateless Session Bean (有状态的)

stateful Session Bean (无状态的)

只有无状态的Session Bean才可对外提供Web Service,其他EJB则不具备

EJB2Entity BeanJPAEntity基本上没有相似 之处

1.并发和线程安全

2.方便的web service支持

3.事务和安全管理

Message Driven Bean(MDB) 消息驱动

由于消息驱动Bean本身是由无状态的Sessin Bean变种而来的,因此它们都具有如下特征:

1.不会保留任何客户端状态,消息驱动Bean对任何客户端都是行装同的;

2.消息驱动器Bean可以处理来自多个客户端的消息。

消息驱动Bean与普通Session Bean的最大区别在于,客户端不能直接调用消息报驱动Bean,只能通过发送JMS消息到消息目的来触发消息驱动Bean]

消息驱动Bean与状态Session Bean最大的优势在于“完全解耦”,javaEE的其他组件无须获取消息驱  Bean,它们只要向消息目的发送JMS消息就可实现与消息驱动Bean的通信,相当于间接调用消息       驱动BeanonMessage()方法

WebLogic

开发模式  最好使用 sun jdk

生产模式  最好使用oraclejdk

默认端口 7001    locahost:7001/console

JBOSS

calsspath下添加Sun/SDK/lib/javaee.jar

run .bat -c <服务名称>

run .bat -c  all

(java_home ) (jboss_home  这个实际可以不要)

/deploy  自动部署目录

改变端口:                   /server/default/deploy/jbossweb.sar/server.xml

应用要以 .war 结尾

[P1] 

EJB3  

1.一个接口和一个实现类

2.Bean不要是抽象的,也不要是final

 

EJB3规范对业务方法的限制很少,但还是要遵守以下规则:

1.业务方法名尽量不要以EJB开头;

2.如果是一个允许远程调用的EJB,那么所有业务方法中的形参类型、返回值类型都必须是可序列化;

3.业务方法不应该使用static final修饰

 

 

@Remote  修饰的EJB

既可对外提供远程服务,允许通过网络调用EJB方法,甚至还可以通过再增加其他Annotatin对外提供Web Service(允许通过网络、来自任何平台、任何语言的程序调用)

如果用于修饰EJB的接口,不需要指定属性

意味着此方法的参数和返回值都是序列化的

方法不要加final修饰)

@Local 修饰的EJB 性能更好,但对外不会提供远程,web service

 

@Remote / @Local 修饰接口的

 

@Stateless / @Stateful

@Stateless          无状态会话Bean

mappedName name 尽管不要相同,否则在Jboss中可能出现异常

@Stateful           有状态会话Bean ,其生命周期、处理起来都比Stateless的复杂,但应用场景,Stateless更广泛

Stateful的生命周期、处理起来都比Stateless的复杂,但应用场景,Stateless更广泛。

用户信息放到 web层来 维护  http...

 

JNDI ( java Naming Directory Interface)  java命名目录接口

RMI(Remote Method Invoke)  远程方法调用

RMI底层依然是是依赖于Socket网络通信来实现,但RMI对其进行了包装

RMI服务器希望把自己提供的远程方法暴露出来时,它就要为自己绑定一个JNDI名称,而RMI客户机则通过JNDI查找来获取远程RMI服务器,然后调用RMI服务器上的远程方法

应用程序试图访问容器管理数据源时,需要通过Context.lookup(jndiName) 来查找数据源对象,这就是一个JNDI应用

 

配置第一个EJB注意

(把服务端的 接口类拷贝到 客户端EJB

Jboss clientlib包拷贝到 客户端EJBlib

 )

 

先开发实体

再开发EAO组件(DAO组件)

专门为各实体提供原子的增、删、改、查等方法。

再开发业务逻辑组件:

EAO和业务逻辑组件,都是由EJB 充当的。

EAOLocal EJB,而业务逻辑组件是Remote EJB


对比sprin度,EJB3大烦锁之处:

1.EJB组件的接口和类必须继承指定接口或类;

2.需要大量使用XML配置文件

3.EJB组件必须打包成JAR

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

打赏作者

折腾数据折腾代码

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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