【jsp/servlet】使用分層實現業務處理
本章目標:
- 會使用JNDI查詢資料來源
- 掌握資料連線池原理
- 會使用分層架構開發應用系統
JNDI:Java命名與目錄介面
是一個應用程式設計的API,為開發人員提供了查詢和訪問各種命名和目錄的通用、統一的服務。
使用JNDA的步驟:
1、配置資源。
//Tomcat跟目錄/conf/context.xml 檔案為全域性的上下文配置檔案,對所有web應用有效。將要釋出的資訊配置在此檔案中,在通過JNDA來查詢資訊。
//示例配置程式碼
<Context>
<Environment name="tjnda" value = "hello JNDI" type ="java.lang.String" />
</Context>
程式碼說明:< Environment>元素用於配置命名的值,所配置的值作為環境條目資源,對整個Web應用可見。
name:環境條目的名稱,相對於java:comp/env的名稱
type:環境條目的Java類名的全稱
value:用過JNDI context請求時,返回給應用的引數值,該值必須轉換成type屬性定義的Java型別。
2、用過Context的lookup()方法查詢資源
//示例查詢程式碼
<%
//javax.naming.Context 提供了查詢JANI Resource的介面
Context ctx = new InitializeContext();
String testjndi =(String)ctx.lookup("java:comp/env/tjndi");
out.print("JNDI:"+testjndi);
//JNDI:hello JNDI
%>
資料庫連線池
使用JNDI獲得資料來源的步驟:
1、配置context.xml檔案
2、配置web.xml檔案
3、新增驅動
4、進行程式碼編寫,使用lookup()方法獲得資料來源物件
軟體設計分層模式
三層架構:資料訪問層、業務邏輯層、表示層。
搭建三層步驟:
- 搭建表示層
- 搭建業務邏輯層
- 搭建資料訪問層
分層原則:
1、上一層依賴其下一層、依賴關係不跨層。
2、下一層不能呼叫上一層
3、下一層不依賴上一層
4、在上一層不能出現下一層的概念
特點:
- 下層不知道上層的存在
- 每一層僅知它下一層的存在,而不知另外的下層
優勢:
- 職責劃分清晰
- 無損替換
- 複用程式碼
- 降低了系統內部的依賴程度。
完
相關推薦
【jsp/servlet】使用分層實現業務處理
本章目標: 會使用JNDI查詢資料來源 掌握資料連線池原理 會使用分層架構開發應用系統 JNDI:Java命名與目錄介面 是一個應用程式設計的API,為開發人員提供了查詢和訪問各種命
【jsp/servlet】jsp資料互動(二)
本章目標: 掌握application的原理及應用 掌握物件的作用域 掌握cookie的原理及應用 使用jsp訪問資料庫 1、application物件 類似於系統的“全域性變數”,用於同一個伺服器內的所有使用者之間的資料共享,對於整個web伺服器,a
【MySQL】常見的業務處理-刪除重複資料
業務場景 日常工作中我們經常會遇到這樣的場景刪除資料庫中某個表中重複的資料。現在以一個案例驅動。 需求:刪除評論表中同一訂單同一商品的重複評論,只保留最早的一條。 上圖是商品評論表
【MySQL】常見的業務處理-分頁顯示
介紹 分頁在我們日常開發中是非常常見的需求,我們通常會用LIMIT加上偏移量的辦法實現。但是大家有沒有考慮過當偏移量大的時候分頁SQL的執行效率呢?下面以一個例子來模擬優化的過程。 業務
【MySQL】常見的業務處理-進行分割槽間的統計
場景 在日常工作中我們常常有這樣的需求:統計所有資料區間的資訊。 案例:統計某個商城系統中所有登入使用者消費金額大於1000元的,800到1000元的,以及800元以下的人數: 使用者登入表
【機器學習】數據預處理之將類別數據轉換為數值
行數據 pri and slab form ces nbsp 遍歷 encode 在進行python數據分析的時候,首先要進行數據預處理。 有時候不得不處理一些非數值類別的數據,嗯, 今天要說的就是面對這些數據該如何處理。 目前了解到的大概有三種方法: 1,通過LabelE
【js 實踐】js 實現木桶布局
cto enter 最後一行 scrip fine inner get code 兩個 還有兩個月左右就要準備實習了,所以特意練一練,今天終於搞定了js 的木桶布局了 這一個是按照一個插件的規格去寫的以防以後工作需要,詳細的解釋在前端網這裏 http://www.qdfun
【ASP.NET】UCenter實現多站點同步註冊
res login oct bst center 實現 log conf https 問題描述 上一篇文章寫了【ASP.Net】UCenter實現多站點同步登錄退出 在整合論壇的時候,同步註冊也是相當必要的一個功能:將論壇註冊的用戶同步到自己的網站,自己網站註冊
二、.Net常用基本類庫【2.1】字符串處理
大寫 ons 通過 split toc 元素 *** spa 索引 使用string 定義的字符串,在定義好後,是無法修改的。如果要想改變,必須通過tocharArray()函數將原來的字符串轉化為字符(char)數組。然後再通過轉換從而形成一個新的字符串。 字符串中常用的
【編譯原理】c++實現自下而上語法分析器
不可 acm times style size PC -i 表達式 鏈接 寫在前面:本博客為本人原創,嚴禁任何形式的轉載!本博客只允許放在博客園(.cnblogs.com),如果您在其他網站看到這篇博文,請通過下面這個唯一的合法鏈接轉到原文! 本博客全網唯一合法URL:ht
【TensorFlow實戰】TensorFlow實現經典卷積神經網絡之VGGNet
3*3 一次 卷積神經網絡 有意 研究 而不是 不同等級 帶來 這一 VGGNet VGGNet是牛津大學計算機視覺組與Google DeepMind公司的研究員一起研發的深度卷積神經網絡。VGGNet探索了卷積神經網絡的深度與其性能之間的關系,通過反復堆疊3*3的小型
【香港記事】 路不拾遺與失物處理
而是 shadow ffffff 真的是 led blog 附近 我不 RoCE https://hk.news.appledaily.com/local/daily/article/20170123/19906005 最近我也遇到跟新聞主題類似的情況,不過我的處理手法跟
【TensorFlow實戰】TensorFlow實現經典卷積神經網絡之ResNet
man bject dep lte 也會 weight params detail 三層 ResNet ResNet(Residual Neural Network)通過使用Residual Unit成功訓練152層深的神經網絡,在ILSVRC 2015比賽中獲得冠軍
使用JSP+Servlet+Jdbc+Echatrs實現對豆瓣電影Top250的展示
連接 html host 習慣 執行 result man 部分 quest 使用JSP+Servlet+Jdbc+Echatrs實現對豆瓣電影Top250的展示 寫在前面: 有的小夥伴,會吐槽啦,你這個標題有點長的啊。哈哈 ,好像是的!不過,這個也是本次案例中使用到的關鍵
08-【jsp重點】
jsp的四個作用域和9個內建物件 jsp內建物件【重點】:pageContext、request、session、application、response、out、page、exception、config 作用:servlet 和 jsp進行資料互動 ,四個作用域和 9 個內建物件中的 四個作用
【原始碼分享】java實現對接簡訊驗證碼應用功能
今天公司提出一個需求,要在現有專案上收集註冊使用者的真實手機號,由於之前沒有接觸過這一塊,只能尋求度孃的幫助,經過一天的努力,終於完成了,現整理記錄下已備查閱。 1 解決方案:在註冊時要求使用者進行手機驗證。2 尋找簡訊供應商:由於對這一塊不是太懂,大學同學推薦一家他們公司在用的給我。3 程式碼實現 首先到
【外掛分享】如何實現EmPireCMS帝國系統簡訊驗證碼功能
找到了一家不錯的簡訊外掛,有需要對接的可以檢視學習,在這邊分享一下,有需要的可以詳細看看,瞭解一下。http://www.ihuyi.com/ 外掛說明 本外掛系互億無線針對EmpireCMS v7.2 utf-8版本開發,外掛內的所有檔案均為對原檔案的修改,如果你的系統經過二次開發,安裝本外掛之前,請仔
【C語言】模擬實現atoi
題目:請程式設計寫程式實現字串到整數的轉換,例如輸出字串“12345”,輸出整數12345. 分析:不僅要考慮給的是字元字串,還要考慮空白字元,正負號,空字串,以及越界訪問問題 #include <stdio.h> #include <stdlib.h> #include
【AI實戰】動手實現人臉識別程式
人臉識別在現實生活中有非常廣泛的應用,例如iPhone X的識別人臉解鎖螢幕、人臉識別考勤機、人臉識別開門禁、刷臉坐高鐵,還有識別人臉虛擬化妝、美顏,甚至支付寶還推出了刷臉支付、建設銀行還實現了刷臉取錢……,可見人臉識別的用處非常廣。 既然人臉識別這麼有用,那我們能否自己來實現一
【深度學習】Python實現2層神經網路的誤差反向傳播法學習
前言 基於計算圖的反向傳播詳解一篇中,我們通過計算圖的形式詳細介紹了構建神經網路需要的層,我們可以將其視為元件,接下來我們只需要將這些元件組合起來就可以實現誤差反向傳播法。 首先我們回顧下神經網路的學習步驟如下: 從訓練資料中隨機選擇一部分資料(mini-batch)