windows下对chunked模式web services做服务集群的一些问题

本文探讨了在局域网环境下使用Nginx和Apache作为反向代理服务器时遇到的问题,尤其是在处理带有mtom和chunked-enable特性的WebService请求时。经过实践测试,发现Apache在该场景下表现更佳。
公司的产品各个分布式组件之间使用基于xfire的web service进行行为触发和信息传递。
之前一直通过网络层虚拟IP工具进行集群,因本人最近要搭建一套开发的测试环境,但硬件集群昂贵,所以想通过Web server反向代理来实现局域网内地址和端口的转发。

备选有两个:nginx和apache,下面做一些探索和分析,希望对大家有帮助

nginx这个反向代理的工具不错,但是就是不支持chunked post
查了一下,可以通过一些第三方的module解决,原理是把chunked request,拦截并聚合成单一的request,再进行转发。
但是问题是这样处理后header保留的Transfer-Encoding header会导致服务端解析错误(服务端又当成chunked处理了)
于是就需要另一个module,拦截并去掉header里的Transfer-Encoding标记

下一个问题是官方只支持核心的module,并且对于windows只提供build,不提供build环境
没办法,用cygwin,需要用到的库有pcre,perl的正则库,然后把上面说的两个module:
HttpChunkinModule和HttpHeadersMoreModule的src下载下来,configure的时候加上

configure参数如下:
$ ./configure --prefix=. --sbin-path=nginx --add-module=./chunk/ --add-module=.
/header-cut/ --with-cc-opt="-D FD_SETSIZE=2048" --with-pcre=./pcre/
然后make make install,最后把程序运行的依赖的dll从cygwin拷贝出来就可以了

这样子试过之后,发现还是不能解决问题,通过wireshark抓包发现原因是chunked请求被合并了,但是头采用的是mtom xop协议,服务端会默认采用chunked来解析,这时又丢失了boundary。
不知道通过修改header能不能解决这个问题,原理是把xop协议相关的头修改成普通的soap协议头

没办法,只能选择apache了,apache2.2默认即支持chunked的反向代理,只需enable相关模块,并配置proxypass即可,这个不需要什么改动,就不赘言了。

结论,对于use了mtom和chunked-enabled的web services请求进行load-balance时,暂时nginx还没有很好的支持,建议直接采用apache2。
否则,就把这两个特性关了吧。

P.S
为什么非要用Windows,因为公司设备监护人员暂时不能管理linux设备,一是操作要求高,二是安全方案的一致性
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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