Jersey Restful Framework

本文详细介绍了如何在Spring Base的Web应用中整合并利用Jersey框架,包括安装、配置、编写Restful Service POJO、使用Jackson2.0进行JSON解析、Jersey Client的高效使用、处理MultiPart数据、与Shiro结合实现HTTP Basic认证与权限控制等关键步骤与技巧。此外,文章还展示了如何快速构造异常和响应,以及如何与Shiro框架无缝集成,实现安全的身份验证和授权。

https://github.com/springside/springside4/wiki/Jersey

Overview

Jersey与Spring MVC的概念很像,区别只是一个是JAX-RS标准,另一个不是。用哪一个问题都不大。Jersey无非标准些,涉及的东西少些,关于Restful控制更精确些,但有时候一个Spring MVC既对付Web Page,又对付Restful的Ajax请求,再对付Restful Service,也不错。

而client方面,Jersey做的不错,估计JAX-RS2.0的client标准应该以它为蓝本了。

除了Restful Framework, Hibernaet Validator(输入参数校验) 和 Dozer(定义DTO对象,隔离核心业务对象,在两者间进行复制)对Restful Service也很重要,在后面的章节中说明。

Quick Start

在Spring Base的Web应用中使用Jersey的场景如下

Step1.下载相关jersey包 包括 jersey-server,jersey-servlet,jersey-spring 和 jersey-json

Step2. web.xml里使用servlet 侦听相关相应路径

<servlet>
	<servlet-name>JerseyServlet</servlet-name>
	<servlet-class>com.sun.jersey.spi.spring.container.servlet.SpringServlet</servlet-class>
</servlet>
<servlet-mapping>
	<servlet-name>JerseyServlet</servlet-name>
	<url-pattern>/rs/*</url-pattern>
</servlet-mapping>
注意的是这里的路径是/rs/*,则以后@Path("/user"),会被映射成/rs/user。

step3. 按照JAX-Rs编写RestfulService的POJO,并用@Component或application-*.xml定义Bean

Tips

1.使用Jackson2.0做JSON解释包

Jersey-JSon默认是用那个基于Jaxb的JSON解释包的。想使用jackson还要进行配置,再加上Jackson升到2.0后,package名都变了,所以就干脆直接使用Jackson提供的jackson-jaxrs-json-provider. 要自己在项目的META-INF/services里,放一个javax.ws.rs.ext.MessageBodyReader文件,一个javax.ws.rs.ext.MessageBodyWriter文件,里面的内容都是

com.fasterxml.jackson.jaxrs.json.JacksonJsonProvider
注意2.0版后,如果用下面的语句获取一个json格式的字符串会报错,因为JacksonJsonProvider不再skip掉String型和byte[]型的返回值请求。
client.path(url).accept(MediaType.APPLICATION_JSON).get(String.class);

2. Jersey的Client

Jersey的Client见mini-service的AccountResourceClient和showcase的UserResourceClient,个人觉得是最好用的Rest客户端。 设置读取各种Restful常用的输入输出参数都比较方便,还能很好的在各种格式的数据与Java类之间转换。

按文档所说,Client类的创建是昂贵的,最好重用。而Client类和WebResource类都是ThreadSafe的,可以在多个线程间Share。

client.path("/users/" + id).accept(MediaType.APPLICATION_JSON).get(UserDTO.class);

client.path("/users").accept(MediaType.APPLICATION_JSON).get(new GenericType<List<UserDTO>>() {});

client.path("/users/search").queryParam("name", name).get(String.class);

client.path("/users").entity(user, MediaType.APPLICATION_JSON).post(ClientResponse.class)

3. MultiPart

下载jersey-multipart.jar, 基于MimePull的实现。 见showcase中的UserResourceClient和UserResourceServer Client:

MultiPart inputMultiPart = new MultiPart().bodyPart(new BodyPart(user, MediaType.APPLICATION_JSON_TYPE))
				.bodyPart(new BodyPart(descriptionText, MediaType.TEXT_PLAIN_TYPE));

return client.path("/users/multipart").type("multipart/mixed").post(String.class, inputMultiPart);
Server:
@Consumes("multipart/mixed")
public String multiPart(MultiPart multiPart) {
	User user = multiPart.getBodyParts().get(0).getEntityAs(User.class);
	String text = multiPart.getBodyParts().get(1).getEntityAs(String.class);
}

4. 与Shiro结合的Http-Basic认证与权限控制

还是看Showcase的的UserResourceClient和UserResourceServer

Client端用Servlets.encodeHttpBasic(userName,password)生成明文的用户名密码信息并附送在HttpHeader中

Shiro在applicationContext-shiro.xml中配置http-basic filter侦听相关请求

Shiro用annotation控制UserResourceClient中的公共函数。

编写一个异常转换的Mapper,将Shiro的Exception转换成401或403错误,注意要注册到Spring的applicationContext里。

@Provider
public class ShiroExceptionMapper implements ExceptionMapper<UnauthorizedException> {
	public Response toResponse(UnauthorizedException ex) {
		return Jerseys.buildTextResponse(Status.UNAUTHORIZED, ex.getMessage());
	}
}

SpringSide Modules

虽说Jax-RS用的是优美的Builder模式,但构造一个Exception或者Response的代码还是有点长,所以封装了Jerseys来实现快速构造。

另外,Jersey抛出异常后不会自动打log,一定要自己写log,也封装在Jerseys的函数里了。

资料

Jersey的ChangeLog在某核心开发人员的Blog里: https://blogs.oracle.com/japod/

返回参考手册

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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