Axis2与Eclipse整合开发Web Service之一:简单的计算服务例子

本文介绍如何使用Axis2与Eclipse整合开发WebService,包括安装配置、创建项目、编写服务类及部署测试等步骤。
系统功能: 开发一个计算器服务CalculateService,这个服务包含加(plus)、减(minus)、乘(multiply)

、除(divide)的操作。

开发前准备:
1、安装Eclipse-jee;
2、下载Axis2的最新版本Axis2 1.4.1 Release,网址
http://ws.apache.org/axis2/download/1_4_1/download.cgi ,选择Standard Binary Distribution
的.zip包即"axis2-1.4.1-bin.zip"这个文件,解压缩得到的目录名axis2-1.4.1,目录内的文件结构如

下:

[img]http://dl.iteye.com/upload/attachment/164031/77d8a852-720a-33e2-8b33-757e2ecb3026.gif[/img]
开发前配置:在Eclipse的菜单栏中,Window --> Preferences --> Web Service --> Axis2
Perferences,在Axis2 runtime location中选择Axis2解压缩包的位置,设置好后,点"OK"即行。(如图)

[img]http://dl.iteye.com/upload/attachment/164038/4d4af3b2-7344-3020-b12f-ebfc62cd74f2.gif[/img]
开发Web Service:
1、新建一个Java Project,命名为"WS_01";
2、新建一个class,命名为"CalculateService",完整代码如下:

package rong.service;

/**
* 计算器运算
* @author rongxinhua
*
*/
public class CalculateService {

/**
* 加法运算
* @param x 被加数
* @param y 加数
* @return x与y的和
*/
public float plus(float x, float y){
return x + y ;
}

/**
* 减法运算
* @param x 被减数
* @param y 减数
* @return x与y之差
*/
public float minus(float x, float y){
return x - y ;
}

/**
* 乘法运算
* @param x 被乘数
* @param y 乘数
* @return x与y的乘积
*/
public float multiply(float x, float y){
return x * y ;
}

/**
* 除法运算
* @param x 被除数
* @param y 除数
* @return x与y的商
*/
public float divide(float x, float y){
return x / y ;
}

}

3、在"WS_01"项目上new --> other,找到"Web Services"下面的"Web Service";

[img]http://dl.iteye.com/upload/attachment/164040/a35f54f5-e497-39f3-af68-089b9282f487.gif[/img]

4、下一步(next),在出现的Web Services对象框,在Service implementation中点击"Browse",进入
Browse Classes对象框,查找到我们刚才写的写的CalculateService类。(如下图)。点击"ok",则回到
Web Service话框。

[img]http://dl.iteye.com/upload/attachment/164042/aefb8c57-2024-3e22-8331-8263291077a8.gif[/img]

5、在Web Service对话框中,将Web Service type中的滑块,调到"start service“的位置,将Client

type中的滑块调到"Test client"的位置。

[img]http://dl.iteye.com/upload/attachment/164044/9aee6b88-6765-3ae1-b0bc-2f627b3aec2c.gif[/img]
6、在Web Service type滑块图的右边有个"Configuration",点击它下面的选项,进入Service

Deployment Configuration对象框,在这里选择相应的Server(我这里用Tomcat6.0)和Web Service

runtime(选择Apache Axis2),如下图:

[img]http://dl.iteye.com/upload/attachment/164048/c81eb018-16d5-3b0b-9668-bd618370e146.gif[/img]
7、点OK后,则返回到Web Service对话框,同理,Client type中的滑块右边也有"Configuration",也

要进行相应的置,步骤同上。完成后,Next --> next即行。

8、到了Server startup对话框,有个按键"start server"(如下图),点击它,则可启动Tomcat服务器

了。

[img]http://dl.iteye.com/upload/attachment/164050/a211d6bf-c090-363e-8d75-8f611713a93c.gif[/img]
9、等启完后,点击"next -- > next",一切默认即行,最后,点击完成。最后,出现如下界面:(Web

Service Explorer),我们在这里便可测试我们的Web服务。

[img]http://dl.iteye.com/upload/attachment/164052/4dae4114-eb64-385e-a142-c70424a0643a.gif[/img]

10、测试比较简单,例如,我们选择一个"plus"的Operation,出现下图,在x的输入框中输入2,在y的

输入框中输入3,点击"go",便会在status栏中显示结果5.0。其他方法的测试也类似。

[img]http://dl.iteye.com/upload/attachment/164054/e2141ffb-c778-3865-a242-0ad154355906.gif[/img]
到这里用Axis2与Eclipse整合开发的Web Service的服务端和客户端就成功了。你也试试吧!

转载自:http://hi.baidu.com/ufobject/blog/item/00ed319716fcbb6455fb9688.html
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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