今天大部分时间都在写业务代码,然后算是从无到有的配置了下spring与mybatis的集成。
SpringMVC+Mybatis Web开发流程
配置数据源
在applicationContext.xml中引入数据源的配置:
在spring-my-datasource.xml中配置数据源相关的内容:
配置完成后,工程的目录结构如下:
com.test
---controller(存放controller类)
---dao(存放mybaits mapper接口)
---service(存放service)
mybatis
--testMapper.xml
在controller中设置相应的链接:
@RestController
@RequestMapping("/test")
public class testController {
@Autowired
private TestService testService;
@RequestMapping(value = "abc/123")
public Page getDataProfilingDetail(HttpServletRequest request, @ModelAttribute TestDto testDto){
return testService.getSomething(testDto);
}
}
其中Dto是自己封装的参数对象:
public class TestDto{
private String a;
public void setA(String a){
this.a = a;
}
public String getA(){
return a;
}
}
然后编写Service代码:
@Service
public class TestService {
@Autowired
private TestMapper testMapper;
public Integer getSomething(TestDto testDto){
return testMapper.getSomething(testDto);
}
}
然后是相应的Mapper接口:
public interface TestMapper {
public Integer getSomething(@Param(value="testDto")TestDto testDto);
}
最后配置上mybatis的配置文件即可:
/p>
"http://mybatis.org/dtd/mybatis-3-mapper.dtd">
select * from xxx
关于百分点推荐系统
下午的时候去参加了百分点的推荐系统的交流会,算是对推荐系统有了很多的了解。
相关的技术点:
1 百分点通过sass服务,接通全网的线上数据。
2 通过1可以达到跨终端、跨站的联合推荐,并且是毫秒级延迟的。比如你在某站看中了口红,那么换一个电商,可能还会推荐给你口红;再比如在手机上看到了某个产品,也可以同步到web端。
3 这种跨终端、跨站的推荐,可以通过两种方式实现。一种是精准推荐,即需要用户登录过,然后绑定终端信息与用户信息,这样就可以进行跨站、终端的推荐了。另外还可以通过网站的cookie来实现跨站的推荐同步;另一种就是模糊推荐,是根据大量的操作习惯、无线网络等信息进行判断的。
4 推荐算法上最常用的就是协同过滤...A与B和C都有相似的购买行为,那么B和C有相似行为的D与A也同样保持相似行为。
通过这些推荐算法:
一方面可以在首页保证用户的留存,不会一进来就跳出。
另一方面,在移动端等有限的位置,可以更精准的推销给用户产品。
另外,还可以做一些去留存的功能。比如仓库里面堆积了很多过时的产品,可以通过推荐去库存。
总的来说,有舍就有得。想要共享全网数据,就需要自己也奉献出来数据。这种取舍还是需要企业进行衡量的。