J2EE程序员需掌握的技术

本文探讨了J2EE技术的发展趋势,并列举了当前国内外Java程序员技术市场上值得关注的学习与研究方向,包括Web开发框架、持久层框架、应用程序框架等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

J2EE技术发展趋势与目前国内外Java程序员技术市场发展需求,列举些值得学习与研究的技术与项目,希望对有些程序员有所帮助。



Web开发框架:JSF(Facelets,Richfaces,Ajax4jsf,ICEFaces),Struts2,Shale(综合Struts 与JSF),WebWork,Tapestry,Wicket,Spring MVC,Apusic OperaMasks(国内第一个JSF引擎),Apache Tiles



持久层框架:Hibernate,JDO,Ibatis,JDBC,Toplink,OpenJPA, EJB3 Entity Bean



应用程序框架:Spring(及相关AOP,IOC组件技术),Seam,EJB3,EJB,Guice,Web Beans(基于Seam),Jdon Framework(让国人骄傲 的第一个开源应用框架)



框架集成:AppFuse,SpringSide,(可熟悉下,这种框架有时间我也会整) ,Gails



JSP/JavaScript标签技术:Displaytag,Struts-Layout,prototype,eXtremeTable,ExtJS



Ajax框架:GWT,DWR,XAP,JSCook,Dojo,ExtJS,AJAX-JSF Framework,YUI,Rialto



数据库系统:Oracle 10g,SQL Server,MySQL,HSQLDB(纯Java开发轻量级),Derby(嵌入式),Berkeley(纯Java开发高性能的事务存储引擎),EnterpriseDB



开发工具:Eclipse(rhdevstudio,easyeclipse,MyEclipse不值得使用),NetBeans,IDEA(JBuilder淘汰)



Web服务器:Tomcat,Apache,Resin,Jetty



应用服务器:Weblogic,WebSphere,JBoss AS,Apache Geronimo,GlassFish



报表图表:JFreeReport+iReport,JFreeChart,GChart,BIRT



项目管理:MS project,Ganttproject



代码控制:CVS,VSS,Subversion



团队协作:Wiki,Mindquarry



日志组件:Log4j,Jakarta Commons Logging



Cache框架:OSCache,JBoss Cache,Ehcache



Workflow:jBPM(推荐一定要掌握,有很多公司有自主研发的,基本上扩展或参考jBPM),osworkflow



Portal: JBoss Portal,Liferay,OpenPortal(yahoo有很多是用Liferay)



Web Service:JBossWS,Axis,XFire JDBC



连接池:C3P0,DBCP,Proxool,最好自己写pool



搜索引擎及爬虫:Lucene+Heritrix(推荐),Zilverline,Carrot2



开源许可协议:MPL License,PGL,Artistic,Public Domain,LGPL,Apache Licence,BSD



协议编程:HTTP,SMTP,POP3,SNMP,UDP,TCP/IP,PPP,DHCP,XMAP,FTP,具体查阅RFC文档。



XML:dom4j,JDOM,Xerces,XMLBeans及Xslt运用。



BI:Pentaho Bug跟踪:Bugzilla(强烈推荐),Bugtracker,ITracker



Java媒体库:Java3D,Fusionet(类似OpenGL),JPatch(支持OpenGL),FreeTTS(开源的语音合成引擎),prefuse(实现复杂网络图)



串口通信API:comm



项目构建:Ant,Maven(两个必须掌握)



安装包制作:Izpack(开源),InstallShield,InstallAnywhere,Advanced Installer



软件过程:CMMI,RUP,XP,PSP,TSP



建模设计:Rose,PowerDesigner,Visio



单元与集成测试:JUnit,JMeter,jWebUnit,Optimizeite,Profiler



设计模式:Singleton,Command,Factory,Factory Method,Observer,Template,Facade,Visistor,State,Decorator,Bridge,DAO,Composite,CHAIN OF RESPONSIBLEITY, Memento(掌握越多,对架构设计越有益)



安全技术及框架:Acegi,jGuard,PKI,JOSSO,SSL,HTTPS,CA,



加密混淆:ProGuard,JODE ESB:Mule,OpenESB



很值得研究的几个开源项目源代码:OpenNMS,Compiere ERP&CRM,Openbravo,Hibernate,Spring,jPetStore,JSF- Spring,OpenCMS,并关注JBoss相关的J2EE开源项目。



还有其它一些中间件系统(ICE,Corba),文件存储系统,各种开发平台(主要是Windows,Linux,Solaris),集群技术。
内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术
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