云端App开发:如何在容器中运行JBoss BRMS

本文介绍如何在云端容器环境中安装及运行JBoss BRMS,适用于私有云或其他云解决方案。通过Red Hat提供的工具,如Container Development Kit (CDK) 和 OpenShift Enterprise (OSE),可以在本地搭建基于云计算的基础设施,并在容器化环境中部署JBoss BRMS。
本文讲的是云端App开发:如何在容器中运行JBoss BRMS【编者的话】本文介绍了在Red Hat上安装容器化JBoss BRMS的步骤,是系列文章中的一部分,建议浏览文章中的相关链接介绍。

本文中,我们将介绍如何在云端容器中运行JBoss BRMS,云环境可以是私有云或者其它云解决方案。
我有一系列文章来跟你解释 为什么应用开发者不能再忽视技术栈 ,这里的技术栈指的是开发者日常工作中用到的基于云计算的基础设施。于是我探索了在本地搭建基于云计算基础设施的可能性,来代替已经成熟的 红帽云套件

这么做有利的地方在于,本地私有云的方式和你在工作中使用数据中心来管理组织的方式,在某些方面具有类似的开发体验。

首先我举个 例子 ,它通过 Red Hat Container Development Kit ( CDK ) 安装Red Hat OpenShift Enterprise ( OSE ) 镜像。

然后我以在 OSE上安装JBoss BRMS 为例。JBoss BRMS提供了完美的工作方式。

但是最终目的是使用Red Hat提供的最新产品。基于这一点,我找到一种像Demo一样简单的方式为您提供Red Hat OpenShift容器平台(OCP), 结果发布在之前这篇文章中 ,当然,到这里还没结束。

容器化JBoss Business Rules Management System ( BRMS )

当你在机器上安装好OpenShift后,不管安装的是Red Hat CDK还是OCP,下一步要做的是去探索Red Hat JBoss中间件产品提供的应用开发选项。

本节将介绍另一个简单的安装示例项目,它向您展示完全可操作的、开箱即用的JBoss BRMS安装方式。不仅如此,它是安装在你的OpenShift上的容器化应用。
  1. 首先,你可以安装容器化的OpenShift,可参考下面两个链接:
  2. OCP Install Demo
  3. CDK Install Demo
  4. 如果你已经安装了OpenShift就不必多此一举。
    rhcs-brms-build-ocp.png
  5. 将产品添加到安装目录
  6. 运行init.sh或者init.batinit.bat必须运行在管理员权限下。
# The installation needs to be pointed to a running version

of OpenShift, so pass an IP address such as:

# $ ./init.sh 192.168.99.100  # example for OCP. $ ./init.sh 10.1.2.2        # example for CDK.

现在登录到JBoss BRMS,开始设置容器化项目的开发规则(登录地址由init.sh脚本自动生成)。

上图中的pod就是OpenShift容器平台上你刚创建的JBoss BRMS。

容器启动需要一定的时间,你要给它足够的时间来启动JBoss EAP个BRMS。你可以在OpenShift控制台检查部署好的pod,你还可以在log tab下面查看log。

以上就完成了,现在你可以在闲暇时开发企业逻辑或任务了。

你也可以继续微调,或者参考 Red Hat Demo Central

原文链接:App Dev in the Cloud: How to Run JBoss BRMS in a Container(翻译:卢文泉)

原文发布时间为:2017-02-11

本文作者::卢文泉

本文来自云栖社区合作伙伴Dockerone.io,了解相关信息可以关注Dockerone.io。

原文标题:云端App开发:如何在容器中运行JBoss BRMS

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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