strust2拦截器处理Session超时

 当用户登陆后,session超时后则返回到登陆页面重新登陆。

 

为了方便测试,修改session的有效时间

<session-config>
	<session-timeout>1</session-timeout>
</session-config>

 

 

自己定义一个拦截器

package com.zrwt.sjkd.tools;

import java.util.Map;

import com.opensymphony.xwork2.Action;
import com.opensymphony.xwork2.ActionContext;
import com.opensymphony.xwork2.ActionInvocation;
import com.opensymphony.xwork2.interceptor.AbstractInterceptor;
import com.sun.org.apache.xerces.internal.impl.Constants;
import com.zrwt.sjkd.action.LoginAction;

public class SessionIterceptor extends AbstractInterceptor {

	@Override
	public String intercept(ActionInvocation invocation) throws Exception {        
		ActionContext ctx = ActionContext.getContext();   
        Map session = ctx.getSession();   
        Action action = (Action) invocation.getAction();   
        if (action instanceof LoginAction) {  
         //上面的判断是为了过滤登录的Action,如果不判断,登录的Action也会拦截,导致你永远无法登录
            return invocation.invoke();   
        }   
        String userName = (String) session.get("staffId");   
        if (userName == null) {   
            return "index";   
        } else {   
            return invocation.invoke();   
        }   
    }   




}

 

配置struts.xml文件

<!-- 定义一个拦截器 -->   
        <interceptors>   
           
            <interceptor name="sessionout"   class="com.zrwt.sjkd.tools.SessionIterceptor"></interceptor>   
            <!-- 拦截器栈 -->   
            <interceptor-stack name="sjkd">   
                <interceptor-ref name="defaultStack" />   
                <interceptor-ref name="sessionout"/>   
            </interceptor-stack>   
        </interceptors>   
			<default-interceptor-ref name="sjkd" />
//对sjkd包下的所有Action拦截
配置全局变量
<global-results>
				<result name="index">/index.jsp</result>
					</global-results>

  

这样配置过后就会起作用了,等你一分钟不对系统做任何操作,当你操作系统的时候,系统会自动跳转到登录页面

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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