首页 > 编程语言 >JavaEE的分层模型

JavaEE的分层模型

时间:2024-06-12 09:32:10浏览次数:30  
标签:web Web 模型 JavaEE 分层 JSP 服务器 Servlet 页面

1.基本概念

1.1 JavaEE应用的分层模型

Domain Object(领域对象):此层由一系列POJO对象组成,用于实现业务逻辑方法

DAO(Data Access Object 数据访问对象)层:这层实现了对数据库的一系列操作(CRUD) 业务逻辑层:由一系列业务逻辑对象组成,这些业务逻辑对象实现了Domain Object方法及其他组件实现的业务逻辑方法

控制器层:用于拦截用户请求,并调用业务逻辑组件的业务逻辑方法,处理用户请求,并根据处理结果转发到不同的表现层组件 前端层:由一系列JSP页面、FreeMarker页面,以及JQuery、Angular、Vue等各种前端框架组成

在这里插入图片描述

1.2 常用的Web Service

Tomcat:Tomcat和java结合最好,是常用的JSP服务器,性能、稳定性方面都非常优秀

Jboss:是一个遵从了javaEE规范的、开源的、纯EJB服务器,它支持所有的javaEE规范

GlassFish:由Oracle公司开发的一款JavaWeb服务器,是一款强健的商业服务器,达到产品级质量

Jetty:Jetty可作为嵌入式服务器,在应用中加入Jetty的Jar文件,应用可在代码中对外提供web服务

Resin:自身采用Java开发,是目前最快的JSP、Servlet运行平台,支持EJB,商用收费,个人免费

WebLogic:是Oracle公司的产品,目前应用最广泛的Web服务器,支持JavaEE规范,适合大型项目(收费,大公司用得比较多)

1.3 JSP、Servlet、JavaBean

JSPServlet底层实现原理一致,JSP必须被Web服务器编译为Servlet,才能使用,所以真正在Web服务器中运行的是Servlet

JavaBean是用于数据传输的,请求/响应携带的数据

Tomcat版本Servlet/JSP版本JavaEE版本运行环境
4.12.3/1.21.3JDK1.3
5.02.4/2.01.4JDK1.4
5.5/6.02.5/2.15.0JDK5.0
7.03.0/2.26.0JDK6.0
8.03.1/2.37.0JDK7.0

Servlet在2.5版本及之前都是采用的xml配置的方式,在3.0之后就是注解的方式实现了 Servlet在4.x中提供了异步请求、注解、增强的Servlet API、非阻塞IO

1.4 静态web和动态web

1.4.1 静态web

html\htm网页,通过直接获取的方式,进行页面展示,所有的用户看到的都是同一个页面 css、js、txt mp4 jpg等都算是静态web资源

在这里插入图片描述

静态web存在的缺点:

  • Web页面无法动态更新,所有用户看到的都是同一个页面

  • 无法和数据库交互(数据无法持久化,用户无法交互)

1.4.2 动态web

jsp/sevlet动态资源,可以与数据库进行交互,实现动态页面

ASP:微软的产品,底层是在HTML中嵌入VB的脚本,ASP+COM,导致在页面中包含太多业务逻辑代码

PHP:开发速度很快,功能很强大,跨平台,代码很简单,但是无法承载大访问量的情况

JSP:本质是Servlet,是sun公司开发的B/S架构,可以承载三高(高性能、高可用、高并发)问题,语法像ASP

在这里插入图片描述

动态Web的缺点:

  • 假如服务器的动态web资源出现错误,我们需要重新编译后台程序,重新发布

标签:web,Web,模型,JavaEE,分层,JSP,服务器,Servlet,页面
From: https://blog.csdn.net/qq_39052339/article/details/139613526

相关文章

  • R语言经济学:动态模型平均(DMA)、动态模型选择(DMS)预测原油价格时间序列
    原文链接:http://tecdat.cn/?p=22458 原文出处:拓端数据部落公众号 简介本文提供了一个经济案例。着重于原油市场的例子。简要地提供了在经济学中使用模型平均和贝叶斯方法的论据,使用了动态模型平均法(DMA),并与ARIMA、TVP等方法进行比较。希望对经济和金融领域的从业人员和研究......
  • 如何用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据|附
    全文下载链接:http://tecdat.cn/?p=24647最近我们被客户要求撰写关于LCMM的研究报告,包括一些图形和统计输出。线性混合模型假设N个受试者的群体是同质的,并且在群体水平上由独特的曲线Xi(t)β描述。背景和定义相比之下,潜在类别混合模型在于假设人口是异质的,并且由G潜在类......
  • JavaEE
    JavaEE架构程序设计实验作业实验名称:一、实验项目功能使用Struts2+Hibernate+Spring结构完成了完整的学生信息管理系统,其中包括成绩管理、学生管理、课程管理、专业管理、班级管理。   二、实验过程使用Struts2+Hibernate+Spring结构完成了完整的学生信息管理......
  • 【网络编程开发】11.IO模型 12.IO多路复用
    11.IO模型什么是IO:IO是Input/Output的缩写,指的是输入和输出。在计算机当中,IO操作通常指将数据从一个设备或文件中读取到计算机内存中,或将内存中的数据写入设备或文件中。这些设备可以包括硬盘驱动器、网卡、键盘、屏幕等。通常用户进程中的一个完整I/O分为两个阶段......
  • Flash Diffusion 加速文生图模型生成;Pixart-α加速测试
    参考:https://github.com/gojasper/flash-diffusionhttps://huggingface.co/jasperai/flash-pixart安装包注意:diffusers这里是官方上面有更改,参考:https://github.com/gojasper/flash-diffusion/blob/main/requirements.txtpipinstall-rrequirements.txtdiffusers@......
  • 大模型LLM出现涌现能力的原因介绍
    大模型的涌现能力主要是由以下几个原因造成的:(1)数据量的增加:随着互联网的发展和数字化信息的爆炸增长,可用于训练模型的数据量大大增加。更多的数据可以提供更丰富、更广泛的语言知识和语境,使得模型能够更好地理解和生成文本。(2)计算能力的提升:随着计算硬件的发展,特别是图形......
  • STRIDE威胁模型
    一,概述STRIDE分析模型是微软提出的一种威胁建模方法,它也是一套安全设计的方法论,它的6个字母代表六种安全威胁。分别是: 身份欺骗(Spoofing)身份欺骗,即伪装成某对象或某人,指违背用户的认证信息。攻击者获得了用户的个人信息或使它能够重放认证过程的东西。例如,通过伪装成别人的......
  • 大模型高效微调-LoRA原理详解和训练过程深入分析
    博客首发于我的知乎,详见:https://zhuanlan.zhihu.com/p/702629428一、LoRA原理LoRA(Low-RankAdaptationofLLMs),即LLMs的低秩适应,是参数高效微调最常用的方法。LoRA的本质就是用更少的训练参数来近似LLM全参数微调所得的增量参数,从而达到使用更少显存占用的高效微调。1.1问......
  • 【机器学习】Qwen2大模型原理、训练及推理部署实战
    目录​​​​​​​一、引言二、模型简介2.1Qwen2 模型概述2.2Qwen2 模型架构三、训练与推理3.1Qwen2 模型训练3.2Qwen2 模型推理四、总结一、引言刚刚写完【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战 ,阿里Qwen就推出了Qwen2,相较于Qwen1.5中0.5B......
  • 书生·浦语大模型实战营 第八节课 微调弱智吧(如果AI可以正确回答弱智吧的所有问题,人类
    读前感:第四节课也进行了简单的微调,但最终微调出来个傻子,这次再试试,看看如何进行改善。实际的应用场景中使用微调的应该不会特别多,毕竟开源大模型并不是小公司可以玩得起的。对于小公司,真正的微调有哪些场景呢?欢迎大家讨论。读后感:本节课是整个训练营的最后一份笔记。希望......