Soul 网关（五）---- Spring Cloud 插件

PayneWoo PayneWoo 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 400+累计阅读 436平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄12年
关注
原创 最新推荐文章于 2026-06-26 12:46:49 发布 436 阅读 AI 写同款· GEO 优化 ›
Spring Cloud填坑日志(2)——多个Eureka Server节点启动报错 问题描述： 建立了一个microservice-discovery-eureka-ha的项目，实现Eureka运行多个实例并相互注册的方式实现高可用部署，配置文件application.yml配置如下： spring: application: name: microservice-discovery-eureka-ha --- spring: # 指定profile=peer1 ... 阅读详情

Spring Cloud 插件介绍

该插件是用来将http协议 转成springCloud协议 的核心。soul会从springCloud的注册中心上面，根据应用名称获取对应的服务真实ip地址，发起http代理调用。

Spring Cloud 插件使用

1.首先启动 soul-admin

2.然后在 soul-bootstrap 的po m文件里添加soul-spring-boot-starter-plugin-springcloud 以及 eureka的依赖、

       <dependency>
            <groupId>org.dromara</groupId>
            <artifactId>soul-spring-boot-starter-plugin-springcloud</artifactId>
            <version>${project.version}</version>
        </dependency>

        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-commons</artifactId>
            <version>2.2.0.RELEASE</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-netflix-ribbon</artifactId>
            <version>2.2.0.RELEASE</version>
        </dependency>
         
        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-netflix-eureka-client</artifactId>
            <version>2.2.0.RELEASE</version>
        </dependency>

3.这里我们使用 Eureka 作为 Spring Cloud的注册中心

4.启动 example 下的 springcloud-test，可以看到日志里打印了注册到 Eureka 相关的日志

2021-01-20 00:21:02.785  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Disable delta property : false
2021-01-20 00:21:02.786  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Single vip registry refresh property : null
2021-01-20 00:21:02.786  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Force full registry fetch : false
2021-01-20 00:21:02.786  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Application is null : false
2021-01-20 00:21:02.786  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Registered Applications size is zero : true
2021-01-20 00:21:02.786  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Application version is -1: true
2021-01-20 00:21:02.786  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Getting all instance registry info from the eureka server
2021-01-20 00:21:02.848  INFO 94452 --- [nfoReplicator-0] com.netflix.discovery.DiscoveryClient    : DiscoveryClient_SPRINGCLOUD-TEST/192.168.3.2:springCloud-test:8884: registering service...
2021-01-20 00:21:02.979  INFO 94452 --- [tbeatExecutor-0] com.netflix.discovery.DiscoveryClient    : DiscoveryClient_SPRINGCLOUD-TEST/192.168.3.2:springCloud-test:8884 - Re-registering apps/SPRINGCLOUD-TEST
2021-01-20 00:21:02.979  INFO 94452 --- [tbeatExecutor-0] com.netflix.discovery.DiscoveryClient    : DiscoveryClient_SPRINGCLOUD-TEST/192.168.3.2:springCloud-test:8884: registering service...
2021-01-20 00:21:02.999  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : The response status is 200
2021-01-20 00:21:03.042  INFO 94452 --- [nfoReplicator-0] com.netflix.discovery.DiscoveryClient    : DiscoveryClient_SPRINGCLOUD-TEST/192.168.3.2:springCloud-test:8884 - registration status: 204
2021-01-20 00:21:03.042  INFO 94452 --- [tbeatExecutor-0] com.netflix.discovery.DiscoveryClient    : DiscoveryClient_SPRINGCLOUD-TEST/192.168.3.2:springCloud-test:8884 - registration status: 204
2021-01-20 00:21:33.008  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Disable delta property : false
2021-01-20 00:21:33.009  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Single vip registry refresh property : null
2021-01-20 00:21:33.009  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Force full registry fetch : false
2021-01-20 00:21:33.009  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Application is null : false
2021-01-20 00:21:33.009  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Registered Applications size is zero : true
2021-01-20 00:21:33.009  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Application version is -1: false
2021-01-20 00:21:33.009  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : Getting all instance registry info from the eureka server
2021-01-20 00:21:33.142  INFO 94452 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient    : The response status is 200

同时在 Eureka 注册中心可以看到 spring cloud-test 服务已经注册上来了：
在这里插入图片描述

5.最后 springcloud-test 中的接口就注册到soul网关了，可以通过soul来访问Spring Cloud 项目

总结

  1. Soul 可以方便快捷的接入 Spring Cloud 项目，且对代码几乎没有侵入性
收录于
Soul 网关源码

当前文章被收录于：

Soul 网关源码
19 篇文章 6 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
国产微服务网关-Soul(真香) What is the Soul？ 一个异步的,高性能的,跨语言的,响应式的API网关。我希望能够有一样东西像灵魂一样，保护您的微服务。参考了Kong，Spring-Cloud-Gateway等优秀的网关后，站在巨人的肩膀上，Soul由此诞生！ 是不是很吊的一句话，站在巨人身上那么这些巨人也就变成了矮子。 整体架构如下图所示： 是不是很炫反正我是没看懂 部署单机版 操作在windows环境 安装SoulAdmin souladmin:控制台，负责维护网关的元数据、配置等等，并提. 阅读详情

相关推荐

Soul 网关（一）---- 架构设计简介、soul-admin、soul-bootstrap

Soul 网关（一） Soul 是一个异步的,高性能的,跨语言的,响应式的API网关。今天先来整体了解一下 Soul 的结构。 Soul 架构图 两大部分：Soul-Admin（Soul 网关管理系统） 和 Soul-Cluster（网关Soul 集群） soul-admin (soul 网关的管理系统) soal-admin 依赖 MySQL,首先我们创建 soul 数据库，创建所需要的表，一共 12 个。 然后启动 soul-admin soul-admin 默认端口 9095 ，访问 http

Loving you 5678

搭建springcloud的Eureka项目报错

"C:\Program Files\Java\jdk1.8.0_181\bin\java.exe" -XX:TieredStopAtLevel=1 -noverify -Dspring.output.ansi.enabled=always -Dcom.sun.management.jmxremote -Dspring.jmx.enabled=true -Dspring.liveBeansView.mbeanDomain -Dspring.application.admin.enabled=true "-j.

三良的博客 1555

Soul源码学习（一）——soul原理及环境搭建

Soul源码学习（一）——soul原理及环境搭建 概述 Soul 是基于 WebFlux实现的响应式的 API 网关，具有异步、高性能、跨语言等特点。 作者：我希望能够有一样东西像灵魂一样，保护您的微服务。在参考了 Kong、Spring Cloud Gateway等优秀的网关后，站在巨人的肩膀上，Soul 由此诞生！ 目前 Soul 功能列表如下： 支持各种语言，无缝集成到 Dubbo、Spring Cloud、Spring Boot 中。 丰富的插件支持，鉴权，限流，熔断，防火墙等等。 网关多种规

u010084384的专栏 1836

springcloud配合eureka遇到的巨坑

springcloud配合eureka遇到一个巨坑，这个问题困扰了楼主整整3天！！！ 问题描述： 项目在idea能够启动，注册服务，心跳检测一切正常。但是打包后放入服务器中，发现项目启动正常，服务注册正常，但是过了30秒后，eureka开始报错，报错内容如下： 2021-01-26 13:09:08.973 INFO 21396 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient : Disable delta property :

qq_40465489的博客 1770

ENVI5.6 Seamless Mosaic多景影像镶嵌色差问题

多景影像无缝镶嵌色差问题拟解决方法

Matchaya的博客 7703

华为CNA VRM搭建（使用vmware worfstartion搭建）

华为CNA和VRM在 vmware workstation安装使用

weixin_70595351的博客 1809

SpringCloud之Eureka的报错（版本神坑）

一、报错内容 2021-09-12 14:47:53.594 INFO 20640 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient : Disable delta property : false 2021-09-12 14:47:53.594 INFO 20640 --- [freshExecutor-0] com.netflix.discovery.DiscoveryClient : Single vip regis

weixin_43920711的博客 3768

Demo2Reward：用人类演示动态优化VLM奖励模型提示

多模态大模型（VLM）的奖励建模正面临核心瓶颈——静态提示导致语义鸿沟与泛化失效。其本质是将人类判断标准固化为不可更新的文本模板，使奖励信号脱离真实任务意图。Demo2Reward提出范式级改进：以结构化人类演示为元信号，驱动提示权重连续优化，实现从‘结果打分’到‘过程理解’的跃迁。该方法不修改VLM主干，却显著提升RLHF收敛效率与OOD鲁棒性，在医疗、工业质检等场景验证了跨任务迁移与热修复能力。它重新定义了提示工程的技术价值：不是前端微调，而是奖励系统的认知校准基础设施。

weixin_34302798的博客 408

Spring Cloud之踩坑01 -- Eureka高可用配置

问题描述： 在进行Eureka高可用配置时，控制台一直出现“”的错误，但是在浏览器中输入地址：peer1:8761是，却可正常运行。对此，我不懂为何控制台出现异常报错，但是浏览器中却可正确运行。 现在，我将我所遇到的现象进行如下描述。 创建的项目：microservice-discovery-eureka-ha ，其application.yml文件配置内容如下：sprin...

dear_Alice_moon的专栏 6万+

电压比较器---滞回比较器（施密特触发器）

当输入电压从小电压开始增加，当其大于VT+时，电压比较器输出低电平，此时阈值电压变成下门限电压（VT-）；当输入电压从大电压开始减小，当其小于VT-时，电压比较器输出高电平，此时阈值电压变成上门限电压（VT+）；只有当第一次超过上门限电压或者下门限电压值，电压比较器的输出才会翻转变化；Uo为比较输出电压，有两种电压状态VoH（高电平）和VoL（低电平）；当Uo输出为高时，电压比较器的阈值电压是上门限电压（VT+）；当Uo输出为低时，电压比较器的阈值电压是下门限电压（VT-）；Vref为比较参考电压；

weixin_69076249的博客 1万+

环境仿真软件：EcoPath with Ecosim_（4）.Ecosim模型动态模拟

Ecosim 是 EcoPath with Ecosim (EwE) 软件中的动态模拟模块，用于模拟生态系统中各个组分的动态变化过程。Ecosim 模型通过时间序列数据和动态参数，可以预测生态系统在不同管理措施下的响应。时间序列数据的输入：用户可以输入历史数据，如捕捞努力、生物量、环境因子等，用于校准模型。动态参数的设置：用户可以设置被捕食率、生长率、捕捞死亡率等动态参数，以反映生态系统的变化。模拟结果的分析。

kkchenjj的博客 891

Soul 网关源码分析（五）Spring Cloud 插件（一）

上一篇文章中我们学习了 sign 插件是如何实现请求鉴权的，今天我们来试试 Soul 的Spring Cloud 插件。 流程演示 先解除soul-bootstrap Spring Cloud 依赖部分的如下注释： <!--soul springCloud plugin start--> <dependency> <groupId>org.dromara</groupId> <

头脑快乐 283

Android 13 Settings蓝牙列表卡顿问题排查及优化过程

此时我们的卡顿优化基本完成了，我们应该要考虑内存是否会泄漏，如果大家不知道哪些需要回收可以用leakcanary和android profiler进行内存检测，看代码有没有内存泄漏。

龚礼鹏的博客 2546

Soul网关插件之Spring Cloud

com.netflix.discovery.shared.transport.TransportException: Cannot execute request on any known server 出现这个错误的主要原因是因为。soul-examples里面的springcloud插件项目使用的默认注册中心是eureka,pom文件中也是eureka。即使yml中配置文件修改了也没用。因此需要讲示例中心中的pom依赖修改为nacos的依赖。重启即可解决问题 正常启动情况下，被代理接口的访问 注册成功后

微瞰技术的博客 696

UNet 改进(22)：结合Transformer结构

保留了UNet的经典编码器-解码器结构在瓶颈层使用Transformer替代传统的卷积层采用跳跃连接保持空间细节信息使用双卷积块(DoubleConv)作为基础构建模块。

2401_82355416的博客 774

基于STM32L4XX的环境光传感器（LTR-303ALS-01）应用程序设计

/ 状态寄存器的位[2:0]表示数据状态，例如位2为1表示新数据就绪[citation:6]#define LTR303_REG_DATA_CH0_LOW 0x8D // CH0数据低字节。#define LTR303_REG_DATA_CH0_HIGH 0x8E // CH0数据高字节。#define LTR303_REG_DATA_CH1_LOW 0x8F // CH1数据低字节。#define LTR303_REG_DATA_CH1_HIGH 0x90 // CH1数据高字节。

myron6688的博客 405

Soul网关中的Spring Cloud插件

本篇文章主要介绍学习使用Spring Cloud插件，如何将Spring Cloud服务接入到Soul网关。主要内容如下： 在Soul中使用Spring Cloud服务 查看官方样例 引入依赖 注册Spring Cloud服务 运行Spring Cloud服务 启动Soul Admin和Soul Bootstrap 体验Spring Cloud服务 在前面几篇文章中，已经体验过了Soul中divide插件，apache dubbo插件和sofa插件，今天的spring cloud插件是最后一篇有

子夜的博客 574

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

Soul网关源码解析（五）接入 Spring Cloud 服务

目标 使用 soul 接入 sprinngcloud 服务 源码解析 - springCloud 服务注册到网关 源码解析 - 网关代理 springCloud 服务 总结 一、接入 sprinngCloud 应用 本小节，我们参考《Soul 文档 —— springcloud 用户》文章，接入 Soul 服务网关。整个示例架构如下图所示： 下面，我们来开始正式接入 Spring Cloud 应用。 1.1 设置 springcloud 插件 使用浏览器，访问 soul-admin后

眼映星辰的博客 596

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Soul 学习笔记之 soul 插件实现方式（五）

目录总系列目录地址上篇Spring-Cloud插件猜想soul是如何加装一个插件的debug测试总结 总系列目录地址 上篇Spring-Cloud插件 猜想soul是如何加装一个插件的 通过最简单的http插件来跟踪 尝试soul-bootstrap的其他所有插件依赖都注释掉。 <dependency> <groupId>org.springframework.boot</groupId> <artifactId>sprin

weixin_54395016的博客 1718

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

Soul 学习笔记之 Soul Spring-cloud 插件（四）

目录总系列目录地址上篇dubbo/sofa插件spring-cloud 插件总结 总系列目录地址 上篇dubbo/sofa插件 spring-cloud 插件 打开soul-bootstrap，加入maven依赖，并重新启动。<!--soul springCloud plugin start--> <dependency> <groupId>org.dromara</groupId> <artifactId>soul-s

weixin_54395016的博客 963

（三）soul中soul-bootstrap引入springcloud插件使用

（三）soul-bootstrap引入springcloud插件使用 目标 文章主题是如何将springCloud接口，快速接入到soul-bootstrap springcloud插件和divide插件压测对比 springcloud插件压测的jvm数据 soul-bootstrap日志都配置OFF测试性能 在soul-bootstrap的pom.xml添加依赖 请在先soul-admin 后台将 springCloud 插件设置为开启 <dependency> &lt

闫兵的博客 801

Dubbo- 与网关集成：Spring Cloud Gateway / Soul 网关对接 Dubbo 服务

文章摘要 (149字)： 本文探讨如何通过API网关桥接Dubbo服务与HTTP请求，解决Dubbo原生协议与Web生态的兼容性问题。重点分析Spring Cloud Gateway（SCG）和Soul网关两种集成方案：SCG利用dubbo-spring-cloud组件自动将Dubbo服务转换为HTTP路由，实现声明式调用；Soul网关则通过插件机制动态代理Dubbo接口。文章提供基于Spring Boot 3+Dubbo 3.2的实战示例，涵盖服务定义、提供方实现、网关配置全流程，并强调序列化、路由匹配等

千淘万漉虽辛苦，吹尽狂沙始到金 2万+

Soul网关整合Spring Cloud 使用和存在的问题

1.首先引入新建立spring boot项目,maven加入依赖 <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.

my java博客园 936

微服务网关soul，这篇值得你拥有

肉眼品世界导读：微服务，不得不说，真好用，springboot解决了太多问题，你以为这是技术？NO,牛逼的是这种产品观，洞察用户需求的能力，基于微服务开发的soul网关也是如此，是借鉴...

weixin_45727359的博客 1015

soul网关系列(一)：学习计划、配置安装和soul简介

一个异步的,高性能的,跨语言的,响应式的API优秀网关，参考了Kong，Spring-Cloud-Gateway等优秀的网关。

坚持、死磕、重复 3540

【Soul源码阅读】8. Spring Cloud 用户接入 Soul 网关流程解析

官网文档中有详细的接入流程，地址：https://dromara.org/zh-cn/docs/soul/user-springcloud.html 1.前置条件 接入前，请正确的启动soul-admin（如有疑问，出门左转【Soul源码阅读】2.单机部署 Soul或官网文档-搭建Soul网关环境） 2.引入网关对 Spring Cloud 的插件支持 2.1 公共依赖 在 soul-bootstrap 的 pom.xml 文件中，找到了被注释掉的3个依赖，打开注释： <!--so...

hellboy0621的博客 479
上一篇： Soul 网关（四）---- Plugin 的初始化流程分析 & Sofa 插件的使用
下一篇： Soul网关（六）---- Websocket 同步数据
点赞 0
评论 0
书签 书签 0
PayneWoo
PayneWoo
博客等级 码龄12年 129粉丝 113原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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