10003---Tomcat建立虚拟主机最佳实践

原文:----原文----


 一、需求和解决思路:

   在项目经验中,主机的TCP协议(HTTP协议是基于TCP/IP协议)的80端口是稀缺资源,

  很多情况下不可能为一个应用而去申请一台主机(不管是物理主机还是虚拟服务器)。

  这时候很多的Java Web应用会放到一个拥有TCP的80端口的Tomcat下面,

  由于每个应用都要有自己的域名地址(这里域名后面肯定不能有端口),

  所以需要我们配置该Tomcat来支持一个IP对应多个域名,甚至一个应用对应多个域名。


二、具体解决方案和步骤:

  在开源社区里,一般我们会用linux+tomcat来部署JavaEE应用,

  这里我们的生产环境也是如此,但是我们可以在Windows的开发环境下完成上述需求。

  这里我们已经有一个安装好的Tomcat6.0,并且在tomcat目录下自行建立了一个webapps2目录,

  在webapps和webapps2目录下分别都放置了一个测试项目“6”和“7”。两个项目的web.xml中均配置了:

 

  <welcome-file-list>
    <welcome-file>index.html</welcome-file>
  </welcome-file-list>


配置虚拟主机和URL重写的具体流程如下:

1.修改tomcat 6.0的默认访问端口(在conf目录的server.xml中),将8080改为80。

2.修改tomcat 6.0的虚拟主机配置(在conf目录的server.xml中)。

这里解释一下上面的配置:

1).Engine的dafaultHost:表示访问该tomcat默认进入的主机,注意一定不能是localhost,

    不然别人通过你的ip访问,就会默认进入tomcat的管理界面.

2).Host的name:表示该主机绑定的域名,如果绑定localhost

     则可以通过在浏览器中输入localhost访问该Host.

3).Host的appBase:表示该主机绑定的文件存放路径,可以使用相对路径或绝对路径.

按照上面的配置:
1).如果我在浏览器中输入http://localhost 则访问%TOMCAT_HOME%/webapps/ROOT下的网站
2).如果输入http://www.6.com 则访问 %TOMCAT_HOME%/webapps/ROOT 下的网站
3).如果输入http://www.7.com 则访问%TOMCAT_HOME%/webapps2/ROOT 下的网站.

3.修改tomcat 6.0的url重写配置(在conf目录的server.xml中)。

    

  <context>是Host标记的子元素,表示一个虚拟目录,它主要有两个属性,

  path就相当于虚拟目录名字,而docbase则是具体的文件位置。

  docBase可以是绝对路径也可以是相对路径,本文中使用相对路径。

4. 如果想要一个应用而绑定多个域名的方法,

   例如可以通过 http://www.7.com/或者http://7.com/都能够访问webapps2目录下的目录名称为“7”的工程。

   那么需要这样配置:

  

      这里只是增加了Alias属性。

5.修改系统的 windows 系统的 C:\Windows\System32\drivers\etc 目录下的 hosts 文件。
 进行虚拟的DNS映射。 这里用文本编辑器打开hosts文件,在最后增加如下配置并保存:
 
127.0.0.1 www.6.com
127.0.0.1 www.7.com
127.0.0.1 7.com

注意:

 配置hosts文件完成后,如果不能生效,必要时需重启系统。




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