(一) springBoot之HelloWord

本文介绍SpringBoot框架的优势,包括快速部署、简化配置和提高开发效率。通过官方工具生成项目,详细讲解IDEA环境下项目导入、结构解析及HelloWorld示例,演示三种运行方式。

前言:

       我们为什么要学习springBoot框架呢?他相对于其他框架的优势和缺点是什么?

       在当今这个什么都时以快节奏为主的社会环境里,我们做软件开发也是一样,希望可以快速的完成工作。

       springBoot内置了servlet容器,只要有java运行环境,通过java -jar  即可运行打包好的环境。

       springBoot的配置文件少了,在整合第三方框架时甚至不需要配置文件。

       springBoot减少了项目开发时间,提高了生产力,解放了程序员的双手。

HelloWorld:

     springBoot项目的构建有多种方式,建议初学者使用https://start.spring.io/   springboot官方构建工具生成项目,如下图:

构建方式我们选择maven project,语言选择就java,版本号选择 2.0.6;根据需要点击Switch back to the simple version.选择web,sql等配置。然后点击Generate Project 按钮获取项目。

减压上一部获取到的项目压缩文件,由于博主用的是idea开发工具,以下介绍idea开发环境导入和开发springBoot项目。

1: 通过Import Project导入刚才减压好的springBoot项目文件

2:选择maven的导入方式,如下图

3: 接下来一直next,知道选择jdk的那一步,选择jdk1.8以上的,本项目所使用的jdk是1.8,然后final。

(注:本文默认maven的熟悉度很高,如果maven不是很了解,请先了解基本的maven的使用)

我们看看springBoot的项目结构,如下图中

pom.xml是springBoot项目的maven依赖。

java文件夹是主要程序。

resources是配置文件和静态页面

test单元测试 

整体文档结构看起来非常的简单,一目了然。

springBoot推荐使用文档结构controller中是数据视图,service写业务逻辑,domain中写dao和entity。

下面我们看看怎么运行helloworld

根据springBoot推荐创建文件夹

controller文档中写Helloworld程序 

@RestController
public class HelloWorldController {

    @RequestMapping("/hello")
    public String hello(){
        return "helloWorld";
    }
}

通过Application启动类启动程序,然后在页面输入http://localhost:8080/hello,查看结果,页面将会输出helloworld.

启动springBoot还有两种方式:

一:通过idea的maven工具启动

二:通过jar包启动, 首先clean,然后install打包,之后到target找到打出的jar包,进入命令行执行

java -jar blog-0.0.1-SNAPSHOT.jar

springBoot的helloWorld介绍就到这里了,包括三种启动方式,基本的项目生成方式。

补充一点:@RestController 这个注解表示,该接口都是rest的,返回的数据都是json的,不需要用jackjson转换和封装。

【多变量输入超前多步预测】基于CNN-BiLSTM的光伏功率预测研究(Matlab代码实现)内容概要:本文介绍了基于CNN-BiLSTM模型的多变量输入超前多步光伏功率预测方法,并提供了Matlab代码实现。该研究结合卷积神经网络(CNN)强大的特征提取能力与双向长短期记忆网络(BiLSTM)对时间序列前后依赖关系的捕捉能力,构建了个高效的深度学习预测模型。模型输入包含多个影响光伏发电的气象与环境变量,能够实现对未来多个时间步长的光伏功率进行精确预测,适用于复杂多变的实际应用场景。文中详细阐述了数据预处理、模型结构设计、训练流程及实验验证过程,展示了该方法相较于传统模型在预测精度和稳定性方面的优势。; 适合人群:具备定机器学习和深度学习基础,熟悉Matlab编程,从事新能源预测、电力系统分析或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于光伏电站功率预测系统,提升电网调度的准确性与稳定性;②为可再生能源并网管理、能量存储规划及电力市场交易提供可靠的数据支持;③作为深度学习在时间序列多步预测中的典型案例,用于科研复现与教学参考。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注数据归化、CNN特征提取层设计、BiLSTM时序建模及多步预测策略的实现细节,同时可尝试引入更多外部变量或优化网络结构以进步提升预测性能。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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