tapestry的SessionState的研究小结

本文介绍如何在 Tapestry 中利用 @SessionState 实现单点登录(SSO)功能,包括用户登录验证、数据共享及退出登录的过程。

有关 tapestry @SessionState 的研究过程总结

   如果再 tapestry 中想实现页面数据共享,那么可以采用 SSO SSO 主要用 @SessionState 进行描述 ,下面我将做一个 例子 , 实现过程就是在 login 页面输入用户名和密码登陆之后跳转到 welcome 页面:

 

页面类: Login.java

import org.apache.tapestry5.annotations.Property;

import org.apache.tapestry5.annotations.SessionState;

public class Login {

    @Property

    private String userName ;

    @Property

    private String password ;

    // @SessionState 表示 SSO  数据共享

    @SessionState

    private String user ;

   

    Class<?> onSuccess(){

       System. out .println( " 进入了类 Login onSuccess " );

       if ( "abc" .equals( userName )&& "123" .equals( password )) {

           this . user = userName ;

           return Welcome. class ;

       }

       return null ;

    }

}

Login.tml:

< html   xmlns:t = "http://tapestry.apache.org/schema/tapestry_5_1_0.xsd" >

   < p >

     < t:form t:id = "loginForm" >

       < div >

                       用户名: < t:textfield value = "userName" ></ t:textfield >

       </ div >

       < div >

                     ** 码: < t:passwordfield value = "password" ></ t:passwordfield >

       </ div >

       < input type = "submit" value = "   " ></ input >

     </ t:form >

   </ p >

</ html >

Welcome.java:

import org.apache.tapestry5.annotations.SessionState;

public class Welcome {

    @SessionState

    private String theUser ;

    public String getTheUser() {

       return theUser ;

    }

}

 

Welcom.tml:

< html   xmlns:t = "http://tapestry.apache.org/schema/tapestry_5_1_0.xsd"

       xmlns:p = "tapestry:parameter" >

           欢迎 ${theUser}!  

</ html >    

 

  功能我们已经实现,接下来我们实现退出功能,我们思考一下 退出肯定是要把 共享的数据 清空。那么 我们怎么清空了?我们一起来看看 API 里面的说明:

An SSO field may have a companion field, of type boolean, used to see if the SSO has been created yet. If another field exists with the same name, suffixed with "Exists" (i.e., "sso" for the SSO field, and "ssoExists" for the companion field) and the type of that field is boolean, then access to the field will determine whether the SSO has already been created. This is necessary because even a null check ("sso != null") may force the SSO to be created. Instead, check the companion boolean field ("asoExists").

 

  解释:在 SSO 中有一个可能有一个组合字段,它的类型为 boolean ,用它可以查看 SSO 是否被创建。如果在其它存在字段名字中,有以 ”Exists” 为后缀的 (eg: 如果有一个 SSO 字段为 ”sso” ,那么组合字段名字就是 ”ssoExists”) 并且它的类型为 boolean ,当访问它的时候将确定 SSO 是否被创建。这是因为如果 sso =null 表示 SSO 已经被创建。

 

即可以用 xxxExists 来检测 SSO 是否被创建,还可以得出就是 sso 被赋值为 null 表示被清空了。由此我们得出 在退出的时候我们可以 SSO 描述的字段赋值为 null 。我们添加方法:

void   onActionFromLogout(){

       this . theUser = null ;

}

页面修改为:

< html   xmlns:t = "http://tapestry.apache.org/schema/tapestry_5_1_0.xsd"

       xmlns:p = "tapestry:parameter" >

           欢迎 ${theUser}!

    < t:actionlink t:id = "logout" > 退出 </ t:actionlink >

</ html >

 

  可能让大家遗憾的是,报错了。说什么 ApplicationStateManager 没有实现什么接口,其实原因就是 因为 SSO 没有被创建,但是我们又要从中去取值而导致的。 现在我们要做的就是在取值的事实先检测 SSO 是否被创建。 大家回过去看下我刚才给大家看的 API ,之后看看解说。

  由此我们知道我们需要在页面定义个   private  Boolean  theUserExists ;, 为了能在页面可以使用我们设置为只读的属性:

在页面类添加

  private boolean theUserExists;

 

public boolean isTheUserExists(){

       return this . theUserExists ;

}

页面改为:

< html   xmlns:t = "http://tapestry.apache.org/schema/tapestry_5_1_0.xsd"

       xmlns:p = "tapestry:parameter" >

  < t:if test = "theUserExists" >

           欢迎 ${theUser}!

    < t:actionlink t:id = "logout" > 退出 </ t:actionlink >

    < p:else >

       < t:pagelink page = "Login" > 登录 </ t:pagelink >

    </ p:else >

  </ t:if >   

</ html >

  Ok, 到这里我们研究结束。因为我也才刚刚进入对 tapestry 的初学过程。完全告 API 进行学习和研究。 Tapestry 的中文文档很少,提供出来希望可以帮助到大家。但是对于 SSO 具体解析过程我还是有些说不清楚,待我继续研究。

 

   作者:龙映安

   所属公司: 云软网络

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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