HttpContext.Current.Cache 与 HttpRuntime.Cache有什么区别?

HttpContext.Current.Cache 与 HttpRuntime.Cache有什么区别?

static ManageCache()
{
HttpContext context = HttpContext.Current;
if(context != null)
{
_cache = context.Cache;
}
else
{
_cache = HttpRuntime.Cache;
}
}

----------------------------------------

它们指的同一个对象,在某个请求其间,Page.Cache和HttpContext.Current.Cache是有效的,至于这2者的区别,一般是由你调用的地方决定的,如果在Page里,那么用Page.Cache,如果在global.asax或自己的函数里,那么用后者

但如果你需要在某个事件,譬如基于Timer的处理函数里访问,因为其时没有HttpContext,那么用HttpRuntime.Cache

-------------------------------------------

HttpContext.Current.Items和HttpContext.Current.Cache的区别是什么?

哪里有这两个东东的具体用法吗?

HttpContext.Current.Items is only good for the current request, HttpContext.Current.Cache is good as long as the cache is not expired

HttpContext.Current.Items["hello"] = object;

see how to use HttpContext.Current.Cache here:
http://www.fawcette.com/Archives/premier/mgznarch/vbpj/2001/11nov01/an0111/an0111-1.asp

HttpContext.Current.Items是针对当前Http请求的,即可以在一个http请求中共享数据,典型的用法是在一个aspx页中获得数据,然后保存在Context.Items中与当前http请求的页共享,象用户控件等。一个最好的例子是IBuyspy portal,你可以看看它的源码。而Cache中保存的数据可以在整修应用程序中使用。


但是,我看见好多程序是这样处理的
using System.Web;

namespace LukiyA.Uoo.WebUI
{
  public class Test
  {
    public static MapPath(HttpContext context, string url)
    {
      return context.MapPath(url);
    }
  }
}

 

HttpContext.Current表示当前HttpRequest 对应的Context对象。我的问题是:在webApplication 中,由一个页面转到 另一个页面,HttpContext.Current对象是否改变??
我发现很多程序是把登录的user信息存储到 HttpContext.Current.User 或httpContext.Current.Items中,这样看来HttpContext.Current是在整个应用进程中不改变的,不知道理解是否正确。

还有,把login user的信息存放在Context中和存放在session中各有什么好处,大家都放在什么地方。

錯.
會變得.

如果你要整個application都不變的話,那應該使用Application來存.

不过如果HttpContext.Current在页面跳转的时候会改变,为什么很多程序还用它来保存信息?
我感觉是不变的

那是為了在一個請求中共享數據.
請看例子:

http://jiezhi.cnblogs.com/archive/2005/01/12/90751.html

我好像搞明白了
httpContext.current对象只针对一个httpRequest (一个特定用户的一个特定页面),页面跳转后,该对象改变。

但httpContext.current.user 是跟thread相关的,也就是说一个特定的用户对应一个thread,即使页面跳转,httpcontext.current.user也是不变的

不知道对不对,请大家指正

每次客户发出一个httpRequest,HttpRuntime对象就会创建一个HttpContext对象,所以每次都不一样的。

谢谢大家,搞明白了
httpContext.current.user其实要存在cookie或session中,每次AcquireRequestState的时候要写代码读出来写入httpcontext才可以

htttpContext本身是无状态的,不能在页面间传递信息。

>>> httpContext.current.user其实要存在cookie或session中,每次AcquireRequestState的时候要写代码读出来写入httpcontext才可以
不在cookie或者session,直接是进程内对象。但是如果使用Forms验证,则总是通过读cookie来确定当前user。最后一个短句是对的

>>> 但httpContext.current.user 是跟thread相关的,也就是说一个特定的用户对应一个thread,即使页面跳转,httpcontext.current.user也是不变的
完全错误,这里和threading没有关系

>>> 把login user的信息存放在Context/cookie 中和存放在session中各有什么好处
session也是靠cookie实现的,而http是无状态的,so..

倒也不是说和Threading没有任何关系,实际上System.Threading.Thread.CurrentPrincipal和System.Web.HttpContext.Current.User是同步的
但是一个用户一个线程的观点绝对是错误的,如果你了解了http模型的话

 

-------

实际上这个类是systemframeWork处理的
1、在sysframeWork类中添加对system.web的引用
2、定义静态变量,如下
public static System.Web.HttpContext   httpContext;
3、在global.asax的Application_Start初始化httpContext
然后在数据访问层直接引用sysframeWork.httpContext.Current等就可以了

-----


有这么一个语句“Search searchform = (Search)Context.Handler;”我实在不明白。

上面这个语句很奇怪:

1.首先在源程序中没有定义Search这个类、接口、结构、枚举、enum,在msdn中也找不到这个东西。
2.其次Context这个东西我也不明白是什么东西,第一次看到,在msdn中虽然有介绍,但是看不太懂。

就是上面两个问题,请各位帮忙。

这一般是在Server.Transfer后的页面里用的

Search应该是某个基于Page的类,如果你的东西能够运行的话,这个类应该存在的,再好好查查吧,或者用IDASM.EXE打开你的DLL看看

Context是指HttpContext.Current,Handler是指Request对应的IHttpHandler ,在这里,应该是指当前Request的URL对应的页面

果然,Search是一个基于Page的类,

要在EMP.ASPX中用transfer方法,而Context.Handler的意思可以理解为当前页面AA.ASPX上一个页面的句柄..这样在source中即可以取到EMP页面中控件或者变量的值...

页面句柄,标识上一个页面用的

转载于:https://www.cnblogs.com/KUDO/archive/2006/07/05/443409.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
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
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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