Eclipse+tomcat的安装配置

最新推荐文章于 2024-12-31 16:39:22 发布
原创 最新推荐文章于 2024-12-31 16:39:22 发布 · 778 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tomcat #eclipse #plugins #server #jdk #java

本文详细介绍了如何使用Eclipse和Tomcat发布Web应用的全过程，包括配置环境、安装工具、发布步骤等关键环节，旨在帮助开发者高效地部署Web应用。

 

首先让我们看看准备工具：

jdk: jdk-1_5_0_05-windows-i586-p.exe

 

eclipse:eclipse-SDK-3.1.2-win32.zip

 

tomcat:jakarta-tomcat-5.0.28.exe

 

tomcat插件:tomcatPluginV31.zip

 

当所有这一切都准备好之后，让我们一项一项来安装配置

 

一 jdk的安装

 

jdk的安装只需要根据提示安装就可以了。中途你可以选择自己喜欢的安装路径。安装之后，会有一个jdk1.5.0_05和一个jre1.5.0_05文件夹。

 

然后开始设置环境变量。右键我的电脑--属性--高级--环境变量。在这里你可以选在在系统变量中添加，这样这台机器上的所有用户都可以使用这个环境变量。

 

添加CLASSPATH:     .;D:\Program Files\Java\jdk1.5.0_05\lib\tools.jar;D:\Program Files\Java\jdk1.5.0_05\lib\dt.jar     注意，在最前面有一个“.”，不要忘记了。这里面的路径要换成你自己的安装路径。

 

添加JAVA_HOME:     D:\Program Files\Java\jdk1.5.0_05 同样换成你自己的路径

 

 

二 tomcat的安装

 

按照安装提示进行安装就可以了。 中途可以选择端口。默认是8080。你可以改成80，这样在以后输入地址的时候比较方便。但是80端口比较容易发生冲突。所以这里就不用改了。（安装之后在配置文件中也可以重新设置端口号，请查阅相关资料）

 

在环境变量中添加 CATALINA_HOME: D:\Program Files\Tomcat 5.0

 

TOMCAT_HOME:D:\Program Files\Tomcat 5.0

 

TOMCAT_BASE:D:\Program Files\Tomcat 5.0

 

这里说明一下。我在网上搜了很多文章，对这里的环境变量设定不一。没有查到这三个环境变量具体有什么不同，可能是不同版本之间的差别？所以三个我全都写上了

 

在CLASSPATH中添加：D:\Program Files\Tomcat 5.0\common\lib\servlet-api.jar

 

在所有这一切做完之后，打开你的浏览器，输入 http://localhost:8080 看看会有什么事情发生。

 

三 eclipse的安装

 

将eclipse解压缩到目的文件夹。我的是D:\Program Files\eclipse。然后可以启动eclipse.exe。

 

关于eclipse的使用可以参看一些其他文章。

 

四 tomcat插件的安装

 

关闭eclipse。将tomcatPluginV31.zip解压缩，将解压缩的到的文件夹com.sysdeo.eclipse.tomcat_3.1.0拷贝到D:\Program Files\eclipse\plugins里面。

 

重新打开eclipse。然后在window--prefereces中的左侧找到java--Installed JREs，选中jdk1.5.0_05

 

然后在左侧找到tomcat，选择5.x版本 在tomcat根目录中，输入TOMCAT_HOME中的地址：D:\Program Files\Tomcat 5.0

 

在tomcat-advanced中，在tomcat base路径 一栏中，同样输入D:\Program Files\Tomcat 5.0

 

现在，按下确定，大功告成。

 

 

环境：windows 7+Eclipse Java EE IDE for Web Developers+tomcat 7.02

插件：tomcatPluginV321.zip

一.配置Tomcat插件
我们创建一个myplugins文件夹用于存放插件，myplugins位于D:\Program Files\J2EE目录下。eclipse安装路径为：D:\Program Files\J2EE\eclipse-JavaEE。tomcat的安装路径为：D:\Program Files\J2EE\apache-tomcat-7.0.2。因此myplugins、eclipse-JavaEE和tomcat位于同一个目录下，当然这并不是必须的。只是方便管理。

再创建用户存放tomcat插件的目录：D:\Program Files\J2EE\myplugins\tomcatPluginV321\eclipse\plugins，然后将tomcatPluginV321.zip中的com.sysdeo.eclipse.tomcat_3.2.1解压缩到D:\Program Files\J2EE\myplugins\tomcatPluginV321\eclipse\plugins目录下。这里eclipse\plugins是必须的。

我们在eclipse-JavaEE下再创建一个links文件夹，然后在links文件夹下创建一个tomcat.link文件。可以通过先创建一个文本文件，然后另存为tomcat.link。使用记事本打开tomcat.link，输入：path=D:\\Program Files\\J2EE\\myplugins\\tomcatPluginV321 。

这时候tomcat的外部配置就完成了，接下来打开Eclipse，这时候我们就会发现Eclipse中有了tomcat的小图标。 


 

然后再Eclipse中的【window】->【preferences】，打开如下图所示的界面

在Tomcat的Advanced标签中输入Tomcat Base的地址，也就是Tomcat的安装地址

这时候我们通过Eclipse菜单栏中的Tomcat小图标就能启动Tomcat了。

二.配置Eclipse的server
和配置Tomcat一样，同样是在Eclipse中的【window】->【preferences】下进行配置，如下图所示：

只有配置Tomcat的server我们才能通过Tomcat进行发布网站。前面配置的Tomcat插件只是让我们能够在Eclipse配快速启动Tomcat而已，发布网站是在这一步配置的。如上图所示，我们这里配置了两个Tomcat server，分别是tomca 6.0和Tomcat 7.0，这个我们可以根据需要来决定使用哪一个server。这个配置server其实也很简单，只需要add一下就可以了。如下图所示：


配置好server以后，我们将在后面用到他们。

三.创建web应用
接下来我们再创建一个web project，如下图所示



这样就创建了一个动态的web应用程序。从上面我们可以看到有一个Target Runtime的选择，这个选项就是我们前面创建的server，这里我们选择Tomcat 6.0，选择了Target Runtime后Eclipse会自动帮我们选择Dynamic web module version和configuration这两个选项，我们默认就可以，点击finish完成项目的创建。在创建的TestTomcat2这个项目的WebContent目录下创建一个index.jsp文件。如下图所示：


四.发布web应用
右键项目TestTomcat2，选择【run as】->【run on server】，如下图所示:


点击finish完成发布工作，发布后在Eclipse中会自动打开发布的项目，如下图所示：

上面就是通过Eclipse和Tomcat发布web应用的全过程。

 

 

记录 | python保存、读取npy、npz文件
极智视界
12-06 4886
记录 | python保存、读取npy、npz文件
【Python】np.save()和np.load()函数详解和示例
不定时分享，互相学习，共同进步
12-08 8473
本文通过函数原理和运行示例，对np.save()和np.load()函数进行详解，以帮助大家理解和使用。更多Numpy函数详解和示例，可参考.........。
深度学习之使用numpy库中的方法保存词向量
2301_77444219的博客
07-28 1490
使用np.savez()方法保存词向量存储为npz文件。npz文件：是numpy库中的一种数据格式，它是一种压缩文件，可以保存多个数组和元数据。另外一种方法：np.save()，存储得到的是npy文件。npy文件和npz文件是NumPy库中用于存储数组数据的两种不同格式，它们在用途、功能以及存储方式上存在一些区别和联系。.npy文件：用于存储单个NumPy数组。它直接存储数组数据，包括数组的形状（维度）、数据类型以及其他必要的元数据信息，以确保数据的完整性和可恢复性。
numpy.savez_compressed
m0_57300252的博客
05-07 1849
numpy
TensorFlow训练的模型参数（W和B）利用np.savez()保存和用cnpy库C++读取
郭云飞的专栏
11-22 3521
一、背景 大家经常会在Python环境下用TensorFlow训练自己的深度学习模型。为了日后能够使用训练好的模型，在Python环境下，TensorFlow提供了 tf.train.Saver类，用来保存模型。这个类提供了一整套函数用于方便的存储和恢复模型！ 但实际情况是：大多数人会用Python环境下TensorFlow训练模型，而在实际的预测任务时，希望用C/C++语言来实现模型并加载
np.savez_compressed
06-28
`np.savez_compressed` 是 NumPy 库中的一个函数，用于将一个或多个 NumPy 数组保存到一个压缩的 `.npz` 文件中。 其语法如下： ``` np.savez_compressed(file, *args, **kwds) ``` 其中，`file` 是要保存数据的...
np.savez_compressed()与np.savez区别
03-27
好的，我现在需要帮助用户理解`np.savez_compressed()`和`np.savez`的区别。首先，我得回忆一下这两个函数的基本信息。根据引用[4]和[5]，`np.savez`是保存多个数组到未压缩的.npz文件中，而`np.savez_compressed`则...
(offline_rl) (base) dwh@dwh:~$ /home/dwh/anaconda3/bin/python /home/dwh/metadrive/metadrive/examples/metadrivedate.py File "/home/dwh/metadrive/metadrive/examples/metadrivedate.py", line 69 np.savez_compressed( ^ IndentationError: unindent does not match any outer indentation level
04-01
错误信息显示在文件metadrivedate.py的第69行，np.savez_compressed函数调用的括号后面有一个^符号，指出这里有缩进错误。IndentationError: unindent does not match any outer indentation level。这意味着这一行...
/home/jzp/anaconda3/envs/fusiondepth/bin/python3.8 /home/jzp/zk/FusionDepth-main/export_gt_depth.py Exporting ground truth depths for eigen Saving to eigen Traceback (most recent call last): File "/home/jzp/zk/FusionDepth-main/export_gt_depth.py", line 141, in <module> export_gt_depths_detec() File "/home/jzp/zk/FusionDepth-main/export_gt_depth.py", line 137, in export_gt_depths_detec np.savez_compressed(output_path, data=np.array(gt_depths)) ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (697,) + inhomogeneous part. Process finished with exit code 1 出现了这个问题，该如何解决呢
最新发布
06-11
在numpy中，保存数组通常使用`np.save`或`np.savez`，如果使用压缩，则可能是`np.savez_compressed`。错误发生在保存时，但原因可能是之前构建的数组存在不一致。可能的代码模式：#假设我们在构建一个数组data=[]for...
怎么用np.savez_compressed(file, *args, **kwds)用utf_8_sig的编码方式写.npz文件
04-19
np.savez_compressed(f, arr1=arr1, arr2=arr2, allow_pickle=False, encoding='utf-8-sig') ``` 其中，参数`allow_pickle`设为`False`表示不允许存储任意的Python对象，只能存储可序列化的数组；参数`encoding`设...
numpy学习（五）——文件的保存和读写(np.save()、np.load()、np.savez()、np.savetxt()、np.loadtxt())
热门推荐
leilei7407的博客
07-22 21万+
NumPy提供了多种存取数组内容的文件操作函数。保存数组数据的文件可以是二进制格式或者文本格式。 参考链接 （1）np.save()和np.load() np.load和np.save是读写磁盘数组数据的两个主要函数，默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中。 他们会自动处理元素类型和形状等信息 np.save(file, arr, allow_pickle=True, fix_imports=True) 解释：Save an array to a binary f.
np.save（）
辛宣的博客
01-10 192
看这句，不懂save的详细使用 np.save('..//train_test_data_1D//' + str(seq_length) + str(lead_time) + str(point) + str(num) + 'label_test.npy',label_test) ctrl+左击进入查看详细文档 def save(file, arr, allow_pickle=True, fix...
【NumPy】深入解析numpy中的savez_compressed方法
2402_83361138的博客
04-28 2803
是 NumPy 提供的一个用于创建压缩存档的函数，它可以包含多个数组。每个数组在存档中都有一个与之关联的名称或键。NumPy 的方法为多数组数据的压缩保存提供了一种方便的解决方案。本文介绍了方法的基本概念、使用方法以及它在解决实际问题中的应用。希望本文能够帮助您更好地管理和存储您的数据。
numpy.savez的使用方法
山中有石为玉
07-13 3万+
参考文档：https://docs.scipy.org/doc/numpy-1.12.0/reference/generated/numpy.load.html   &gt;&gt;&gt; a=np.array([[1, 2, 3], [4, 5, 6]]) &gt;&gt;&gt; b=np.array([1, 2]) &gt;&gt;&gt; np.savez('/tmp/123.np...
np.savez多个数组保存到一个未压缩文件中和np.savez.compressed压缩
smile_ai的博客
04-08 2196
np.savez(‘C:/Users/Administrator/Desktop/load/array_achive.npz’,a=arr,b=arr) np.savez_compressed(‘C:/Users/Administrator/Desktop/load/arrays_compressed.npz’,a=arr,b=arr) 保存路径记得反斜杠 ...
使用np.savez保存np.ndarray数据
2302_76774649的博客
12-31 648
np.savez：将多个 NumPy 数组保存到一个.npz文件中，不进行压缩。：将多个 NumPy 数组保存到一个压缩的.npz文件中，节省磁盘空间。.npz文件本质上是一个压缩包，里面存储了多个数组，按键名进行存储和访问。这个功能在需要存储多个数组或大规模数据时特别有用。
np.load()&np.save()
Lorenzo's Oil
11-16 1万+
np.load()&np.save 函数说明： np.load和np.save是读写磁盘数组数据的两个主要函数，默认情况下，数组是以未压缩的原始二进制格式保存在扩展名为.npy的文件中 示例： >>> import numpy as np A = np.arange(15).reshape(3,5) >>> A array([[ 0, 1, 2, ...
Python--Numpy学习--如何保存和读写文件(np.save()、np.load()、np.savetxt()、np.loadtxt())
创作高质量博文，分享知识，共同进步！
02-27 4043
📚深入探索NumPy库，解锁文件保存与读写的秘密武器！🔐 在数据分析与机器学习的征途中，🚀`np.save()`, `np.load()`, `np.savetxt()`, `np.loadtxt()`🚀是你不可或缺的伙伴。它们以二进制和文本格式轻松保存和加载NumPy数组，确保数据完整性与便捷性。💼务必注意版本兼容性🔍和文件大小优化📦。回顾这段学习之旅，你定能掌握数据持久化的核心技能！🎓 与你一同进步，探索数据科学的无限可能！🌍 #NumPy学习 #文件保存与读写
numpy中的savez
theITcat的专栏
08-29 2754
首先新建两个数组 # 新建两个数组 a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) 示例1：使用savez会将传入的对象保存为map的形式。map的key是变量名，value是变量的值。 # 保存数组到本地文件 np.savez('some_array', c=a, d=b) # 从文件中读取数组 arch = np.load("som...
np.savez 和 np.save 有什么区别？何时应使用其中一个？
06-05
<think>我们正在讨论NumPy中np.save和np.savez的区别及适用场景。根据引用[1]和引用[2]：-np.save：将单个数组保存到.npy格式的二进制文件中。-np.savez：将多个数组保存到.npz格式的文件中（实际上是一个压缩包，包含多个.npy文件）。-np.savez_compressed：与np.savez类似，但会进行压缩以减小文件大小。区别：1.保存对象数量：-np.save只能保存一个数组。-np.savez和np.savez_compressed可以保存多个数组。2.文件格式：-np.save生成的文件扩展名为.npy。-np.savez生成的文件扩展名为.npz（实际上是一个zip文件，包含多个.npy文件）。3.压缩情况：-np.save和np.savez不压缩（但.npy格式本身是二进制，已经比文本文件小）。-np.savez_compressed会对存储的数组进行压缩，适合大型数组。使用场景：-当你只有一个数组需要保存时，使用np.save（简单直接）。-当有多个数组需要一起保存，并且希望用一个文件存储时，使用np.savez或np.savez_compressed。-如果数组非常大，且希望节省磁盘空间，使用np.savez_compressed。引用说明：-引用[1]提到np.savez和np.savez_compressed的区别，并指出.npz文件本质是压缩包，按键名存储访问。-引用[2]指出np.save是以.npy格式保存单个数组。-引用[3]展示了np.save和np.savez的使用示例。-引用[4]展示了在np.savez中保存字典的例子（注意字典需要设置allow_pickle=True）。回答结构：1.概述两者的主要区别（以对比表格形式呈现，清晰明了）。2.分别介绍两种方法的适用场景。3.给出具体代码示例说明两种方法的用法。4.添加注意事项（例如压缩对性能的影响）。表格设计（Markdown格式）：|特性|np.save|np.savez/np.savez_compressed||------------------|---------------------------|---------------------------------------||保存数组数量|单个|多个||文件扩展名|.npy|.npz||是否支持压缩|否|np.savez:否;np.savez_compressed:是||加载方式|np.load直接返回数组|np.load返回类似字典对象，按关键字获取||适用场景|单个数组存储|多个数组的存储和压缩存储|注意：在写代码示例时，要体现：-np.save：保存和加载单个数组。-np.savez：保存多个数组，并展示如何按名称加载。注意事项：-使用np.savez_compressed可以节省磁盘空间，但压缩和解压缩需要时间，因此需要权衡。-对于非常大的数组，压缩可能会显著增加保存和加载的时间，但可以减少I/O时间（因为文件小），实际效果需测试。代码示例：示例1：使用np.save```pythonimportnumpyasnparr=np.array([1,2,3])np.save('single_array.npy',arr)#保存loaded_arr=np.load('single_array.npy')#加载```示例2：使用np.savez（多个数组）```pythonimportnumpyasnpa=np.array([1,2,3])b=np.array([4,5,6])#保存np.savez('multiple_arrays.npz',array1=a,array2=b)#加载withnp.load('multiple_arrays.npz')asdata:a_loaded=data['array1']b_loaded=data['array2']```示例3：使用np.savez_compressed```pythonnp.savez_compressed('compressed_arrays.npz',a=a,b=b)#加载方式与np.savez相同```最后，生成相关问题。</think> ### NumPy `np.save` 与 `np.savez` 的区别及适用场景 `np.save` 和 `np.savez` 是 NumPy 中用于数组保存的核心函数，主要区别体现在 **文件格式、存储机制和适用场景** 上： | **特性** | `np.save` | `np.savez` | `np.savez_compressed` | |------------------|------------------------|------------------------|-----------------------------| | **文件格式** | `.npy` (单文件) | `.npz` (压缩包) | `.npz` (压缩包) | | **存储对象** | **单个数组** | **多个数组** | **多个数组（带压缩）** | | **底层机制** | 原始二进制数据存储 | ZIP压缩包内嵌`.npy`文件 | ZIP压缩包内嵌压缩的`.npy`文件 | | **加载方式** | 直接返回数组对象 | 返回类似字典的对象 | 返回类似字典的对象 | | **主要优势** | 高效I/O，加载速度快 | 多数组统一管理 | 磁盘空间优化 | | **推荐场景** | 单一大型数组存储 | 关联数据集（如模型权重）| 大型数据集长期存储 | #### 详细区别说明 1. **存储机制差异** - `np.save(file, arr)` 将单个数组 `arr` 保存为二进制 `.npy` 文件，格式紧凑无需解压 ```python np.save("single_array.npy", arr) # 保存单个数组 data = np.load("single_array.npy") # 直接加载数组[^2] ``` - `np.savez(file, a=arr1, b=arr2)` 将多个数组打包为 ZIP 格式的 `.npz` 文件，实际包含多个内部 `.npy` 文件 ```python np.savez("multi_data.npz", weights=model_weights, bias=model_bias) data = np.load("multi_data.npz") # 返回NpzFile对象 weights = data["weights"] # 按键名提取[^1] ``` 2. **空间与性能权衡** - `np.savez_compressed` 在 `np.savez` 基础上增加 **DEFLATE 压缩算法**，降低存储空间（尤其适合稀疏矩阵） ```python # 压缩率示例：原始大小1GB的浮点数组可压缩至~300MB np.savez_compressed("compressed.npz", large_arr=big_data) ``` **代价**: 保存/加载时间增加约 20-50%（需 CPU 压缩解压）[^1] 3. **元数据处理** `.npz` 文件通过 **键值对命名** 保留数组语义信息，避免混淆： ```python # 保存时明确命名 np.savez("experiment_data.npz", input_data=X, labels=y, config=params_dict) # 加载时按名称索引 with np.load("experiment_data.npz") as data: X = data["input_data"] # 清晰语义 y = data["labels"] # 避免arr_0/arr_1混乱[^4] ``` #### 适用场景推荐 | **场景** | **推荐函数** | **原因** | |------------------------------|----------------------|--------------------------------------------------------------------------| | 存储单个大型数组（如张量） | `np.save` | 无压缩开销，I/O速度最快 | | 保存模型权重+结构参数 | `np.savez` | 多组件统一存储，加载逻辑清晰 | | 实验数据集（输入+标签） | `np.savez` | 关联数据保持同步，避免文件散落 | | 归档历史数据（需节省空间） | `np.savez_compressed`| 显著减少磁盘占用，尤其适合float32/64数组 | | 内存有限环境加载部分数据 | `.npz` + 延迟加载 | 支持仅加载特定数组（如`data['key']`），避免全量读入[^3] | #### 注意事项 1. 避免键名冲突：`np.savez` 的键名需唯一（如重复则覆盖） 2. 对象序列化：字典等非数组对象需设置 `allow_pickle=True` 3. 路径处理：Windows路径使用 `r"C:\data.npz"` 避免转义问题 --- ### 相关问题 1. 如何在加载`.npz`文件时仅读取特定数组而避免全量加载？ 2. 对于超大型数组（>10GB），使用`np.savez`时有哪些性能优化技巧？ 3. `np.savez`保存的字典等Python对象在加载时需要注意什么限制？ 4. 如何将`.npz`文件集成到PyTorch/TensorFlow的数据加载流程中？ 5. 对比`np.savez`和HDF5格式，各自的优劣及适用场景是什么？
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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