18、JBoss Web Services开发指南

JBoss Web Services开发指南

1. JBoss WS Native与JAX - WS简介

在开发Web服务时,有多种技术栈可供选择,而我们这里选择使用JBoss WS Native。它是作为JBoss AS的Java EE5的一部分而开发的Web服务框架。JBoss WS Native栈基于名为JAX - WS的新Web服务规范,它是Sun在2002年初发布的JAX - RPC规范的后续版本。

JAX - WS通过支持Java JEE注解来声明Web服务,简化了Web服务的开发任务。它还解决了JAX - RPC的一些问题,支持多种协议,如SOAP 1.1、SOAP 1.2和XML,并提供了支持除HTTP之外其他协议的功能。

2. JAX - WS架构概述

当客户端发送的SOAP消息进入Web服务运行时环境,会被名为Server endpoint listener的组件捕获,该组件使用Dispatcher模块将SOAP消息传递给相应的服务。此时,HTTP请求会在内部转换为SOAP消息,消息上下文从传输协议中提取出来,并通过为Web服务配置的处理链进行处理。

SOAP消息处理程序用于拦截从客户端到端点服务以及反向的SOAP消息,类似于EJB拦截器。接下来,SOAP消息会被解组为Java对象,这个过程由WSDL到Java映射和XML到Java映射控制。前者由JAX - WS引擎执行,确定从SOAP消息中调用哪个端点;后者由JAXB库执行,反序列化SOAP消息以便调用端点方法。最后,反序列化的SOAP消息到达实际的Web服务实现并调用相应的方法。

调用完成后,过程会反向进行。Web服务方法的返回值使用JAX

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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