jBPM jPDL 用户开发手册 3.2.3 - 第23章

23章 工作流的TDD文件

23.1.工作流TDD介绍

既然开发面向流程的软件和开发其他的软件没有什么区别,我们相信流程定义应该是容易测试的。本章显示如何使用纯jUnit而没有任何扩展来单元测试你创作的流程定义。
开发周期应该尽可能的短。变化应使软件源代码立即可校验。更好的,不用任何中间的构建步骤。下面所给的例子将显示如何开发并测试jBPM流程而不需要中间的步骤。
大多数流程定义的单元测试是执行环境。每个环境在jUnit测试方法中被执行的并且将输入外部触发器(读:信号)进入流程执行然后在每个信号后检验是否流程是期待的状态。
让我们看一个这样的测试的例子。我们处理一个简化的使用下面的图形表示的拍卖流程的版本。

图 23-1 拍卖测试流程
现在,让我们写一个执行主环境的测试:

public class AuctionTest extends TestCase {

 
  // 解析流程定义

  static ProcessDefinition auctionProcess =

      ProcessDefinition.parseParResource("org/jbpm/tdd/auction.par");

 
  // 获得容易断言的节点

  static StartState start = auctionProcess.getStartState();

  static State auction = (State) auctionProcess.getNode("auction");

  static EndState end = (EndState) auctionProcess.getNode("end");

 
  // 流程实例

  ProcessInstance processInstance;

 
  // 执行主路径
  Token token;
 

  public void setUp() {

    // 为给定的流程定义创建一个新的流程实例

    processInstance = new ProcessInstance(auctionProcess);

 

    // 执行的主路径是根令牌

    token = processInstance.getRootToken();

  }
 

  public void testMainScenario() {

    // 在流程实例创建后,执行主路径位于start状态

    assertSame(start, token.getNode());

   

    token.signal();

   

    // 在信号后,执行的主路径已经移动支auction状态

 

    assertSame(auction, token.getNode());

   

    token.signal();

   

    // 在信号后,执行的主路径已经移动支end状态然后流程结束

    assertSame(end, token.getNode());

    assertTrue(processInstance.hasEnded());

  }
}

23.2. XML

在你开始写执行案例前,你需要一个ProcessDefinition。最简单获得ProcessDefinition对象的方式是通过解析xml。如果你有代码生成,键入ProcessDefinition。解析并激活代码生成。然后你会获得各种解析方法。有三种基本的去写能够解析成ProcessDefinition对象的xml的方法:
 

23.2.1. 解析流程包

流程包是一个在文件中包含流程xml的叫processdefinition.xml的zip文件。jBPM 流程设计器读写流程包。例如:
...

static ProcessDefinition auctionProcess =

    ProcessDefinition.parseParResource("org/jbpm/tdd/auction.par");

...

23.2.2.解析xml文件

在其他的情况下,你可能想手写processdefinition.xml文件然后使用如一个ant脚本打包zip文件。那样的话,你可能使用JpdlXmlReader
...

static ProcessDefinition auctionProcess =

    ProcessDefinition.parseXmlResource("org/jbpm/tdd/auction.xml");

...

23.2.3. 解析XML字符串

最简单的的选项是在单元测试行内从纯字符串解析xml 。
...
static ProcessDefinition auctionProcess =
    ProcessDefinition.parseXmlString(
  "<process-definition>" +
  "  <start-state name='start'>" +

  "    <transition to='auction'/>" +

  "  </start-state>" +
  "  <state name='auction'>" +

  "    <transition to='end'/>" +

  "  </state>" +
  "  <end-state name='end'/>" +
  "</process-definition>");
...

23.3. 测试子流程

将要做的(查看test/java/org/jbpm/graph/exe/ProcessStateTest.java文件)。
...absolutely awsome... to be success! :-))))
【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
本项目是一个基于SSM(Spring+SpringMVC+MyBatis)框架和Vue.js前端技术的二手手机回收平台系统。该系统旨在为二手手机回收提供一个便捷、高效的在线交易平台,同时确保交易的安全性和透明度。 在后台管理方面,系统提供了用户管理、商品管理、订单管理以及数据统计等功能。通过这些功能,管理员能够轻松地管理平台上的用户信息、审核商品发布、跟踪订单状态,并对平台的运营数据进行详细的分析。 在前端展示上,系统采用了Vue.js框架,实现了响应式的用户界面设计。用户可以通过直观的界面浏览商品、发布自己的二手手机信息、下订单以及查看交易记录。此外,系统还提供了搜索和筛选功能,帮助用户快速找到符合自己需求的商品。 技术实现上,后端使用了Java语言,结合Spring框架进行依赖注入和事务管理,SpringMVC负责处理Web请求,而MyBatis则用于数据库操作。前端则使用Vue.js进行页面渲染和交互逻辑处理,搭配Axios进行异步数据请求。 本项目的数据库设计充分考虑了数据的完整性和安全性,采用了关系型数据库MySQL进行数据存储。数据库表结构包括用户表、商品表、订单表等,确保了系统的高效运行和数据的一致性。 对于正在进行毕业设计的学生或需要项目实战练习的Java学习者来说,本项目提供了一个完整的技术栈和业务逻辑实现,可以作为学习和实践的良好参考。
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