`
wanbin021614
  • 浏览: 28445 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

在AquaLogic Data Service Platform中配置Excel作为数据源

阅读更多
AquaLogic Data Service Platform(即以前的BEA liquid Data for Weblogic)中可以方便的访问多种不同的数据源,为多种异构的数据源提供统一视图,可以经过Data Service控件的封闭后给Portal,Integration,JPF等程序提供良好的数据层服务。

  这些异构数据源包括:各种JDBC可以访问的数据库,Web Services,很多不同类型的文件,包括XML文件,CSV文件,还有普通java类提供的函数功能。

  现在在DSP中加载Excel支持包,可以直接访问Excel文件,将Excel文件中的数据以XmlObject的形式读出,供J2EE应用程序访问。

  下面一步步来讲解在DSP中配置Excel作为数据源的过程

基本原理

  在DSP中访问Excel是利用Weblogic Server提供的jcom功能来访问Excel文件的,其基本原理如下:

  在上面的示图中,我们看到,java应用程序是通过JCOM组件来访问Windows操作系统中的Com服务器,再由Com服务器作为桥梁来存取磁盘中的Excel文件。

  基于由上原理,在使用Excel作为数据源时有几点限制:

  • 安装DSP的Weblogic Server必须安装在windows操作系统上。
  • Excel文件必须存在本机中,即不能远程访问。
安装软件

  下载与安装Bea Weblogic Platform 8.1.5,AcquaLogic Data Service Platform 2.0.1,然后利用配置向导建立支持DSP的域。

建立Data Service

  在workshop中建立Data Service的步骤如下:

1.新建DSP应用程序

2.加入相关支持库:

  安装DSP后在<beahome>\weblogic81\samples\LiquidData\EvalGuide\ excel\lib文件夹中,有两个jar包,excel.jar和exceljf_xbean.jar。需要将这两个包导入应用程序的库中。

3.导入Java Functions

  在DSP工程下新建functions文件夹,导入文件:

<beahome>\weblogic81\samples\LiquidData\EvalGuide\excel_jcom.java.

*注:新建functions文件夹的目的是因为excel_jcom.java中使用package functions;

4.编译整个项目

  编译整个项目的目的是将excel_jcom.java生成class文件。

5.导入元数据

  在functions文件夹上点键,选“import Source MetaData …”

  数据源类型选择:Java Function

下一步:

输入类名:

在选Java文件中,下一步,选中Java Functions:“getExcel”,加入到选中Functions列表中。

下一步

完成

数据源已经建好。

6.测试

打开测试视图

  输入两个参数,就getExcel的两个参数,第一个参数是文件名,第二个参数是sheet名,

  输入:x1: c:\BEA\weblogic81\samples\liquiddata\EvalGuide\excel\test.xls

x2:Customers (要区分大小)

执行测试,

测试成功。

7.编译发布数据源

  然后编译整个应用程序,发布Data Service

  发布成功可以在ldconsole里查看:

在BMP中测试Data Service

  Data Service发布后,就可以在其它java程序中直接使用了。其步骤如下:

4.1添加DataService控件

4.2 创建方法

4.3 控件生成

Data Service控件生成后就可以类似使用其它控件一样方便的使用了。

4.4 使用BMP测试

BMP流程如下:

部署应用程序,开始测试:

返回XML为:

<exc:excelxmlns:exc="http://www.bea.com/excel">
<cells>
<cellcellID="AAAA:0001">CustomerID</cell>
<cellcellID="AAAB:0001">Customername</cell>
<cellcellID="AAAC:0001">City</cell>
<cellcellID="AAAD:0001">SalesPeopleID</cell>
<cellcellID="AAAA:0002">2001.0</cell>
<cellcellID="AAAB:0002">Hoffman</cell>
<cellcellID="AAAC:0002">London</cell>
<cellcellID="AAAD:0002">1001.0</cell>
<cellcellID="AAAA:0003">2002.0</cell>
<cellcellID="AAAB:0003">Alex</cell>
<cellcellID="AAAC:0003">Rome</cell>
<cellcellID="AAAD:0003">1003.0</cell>
<cellcellID="AAAA:0004">2003.0</cell>
<cellcellID="AAAB:0004">Liu</cell>
<cellcellID="AAAC:0004">SanJose</cell>
<cellcellID="AAAD:0004">1002.0</cell>
<cellcellID="AAAA:0005">2004.0</cell>
<cellcellID="AAAB:0005">Grass</cell>
<cellcellID="AAAC:0005">Berlin</cell>
<cellcellID="AAAD:0005">1002.0</cell>
<cellcellID="AAAA:0006">2006.0</cell>
<cellcellID="AAAB:0006">Clements</cell>
<cellcellID="AAAC:0006">London</cell>
<cellcellID="AAAD:0006">1001.0</cell>
<cellcellID="AAAA:0007">2008.0</cell>
<cellcellID="AAAB:0007">Cisneros</cell>
<cellcellID="AAAC:0007">SanJose</cell>
<cellcellID="AAAD:0007">1007.0</cell>
<cellcellID="AAAA:0008">2007.0</cell>
<cellcellID="AAAB:0008">Pereira</cell>
<cellcellID="AAAC:0008">Rome</cell>
<cellcellID="AAAD:0008">1004.0</cell>
<cellcellID="AAAA:0009">14031.0</cell>
<cellcellID="AAAB:0009"/>
<cellcellID="AAAC:0009"/>
<cellcellID="AAAD:0009"/>
<cellcellID="AAAA:0010"/>
<cellcellID="AAAB:0010"/>
<cellcellID="AAAC:0010"/>
<cellcellID="AAAD:0010"/>
<cellcellID="AAAA:0011">Amountofcustomer</cell>
<cellcellID="AAAB:0011"/>
<cellcellID="AAAC:0011">7.0</cell>
<cellcellID="AAAD:0011"/>
<cellcellID="AAAA:0012">Minimumofrating</cell>
<cellcellID="AAAB:0012"/>
<cellcellID="AAAC:0012">1001.0</cell>
<cellcellID="AAAD:0012"/>
<cellcellID="AAAA:0013">Maximumofrating</cell>
<cellcellID="AAAB:0013"/>
<cellcellID="AAAC:0013">1007.0</cell>
<cellcellID="AAAD:0013"/>
<cellcellID="AAAA:0014">Averageofrating</cell>
<cellcellID="AAAB:0014"/>
<cellcellID="AAAC:0014">1002.8571428571429</cell>
<cellcellID="AAAD:0014"/>
<cellcellID="AAAA:0015"/>
<cellcellID="AAAB:0015"/>
<cellcellID="AAAC:0015"/>
<cellcellID="AAAD:0015"/>
</cells>
<rowrowID="0001"rowNumber="1">
<colcolumnID="AAAA"columnName="A">CustomerID</col>
<colcolumnID="AAAB"columnName="B">Customername</col>
<colcolumnID="AAAC"columnName="C">City</col>
<colcolumnID="AAAD"columnName="D">SalesPeopleID</col>
</row>
<rowrowID="0002"rowNumber="2">
<colcolumnID="AAAA"columnName="A">2001.0</col>
<colcolumnID="AAAB"columnName="B">Hoffman</col>
<colcolumnID="AAAC"columnName="C">London</col>
<colcolumnID="AAAD"columnName="D">1001.0</col>
</row>
<rowrowID="0003"rowNumber="3">
<colcolumnID="AAAA"columnName="A">2002.0</col>
<colcolumnID="AAAB"columnName="B">Alex</col>
<colcolumnID="AAAC"columnName="C">Rome</col>
<colcolumnID="AAAD"columnName="D">1003.0</col>
</row>
<rowrowID="0004"rowNumber="4">
<colcolumnID="AAAA"columnName="A">2003.0</col>
<colcolumnID="AAAB"columnName="B">Liu</col>
<colcolumnID="AAAC"columnName="C">SanJose</col>
<colcolumnID="AAAD"columnName="D">1002.0</col>
</row>
<rowrowID="0005"rowNumber="5">
<colcolumnID="AAAA"columnName="A">2004.0</col>
<colcolumnID="AAAB"columnName="B">Grass</col>
<colcolumnID="AAAC"columnName="C">Berlin</col>
<colcolumnID="AAAD"columnName="D">1002.0</col>
</row>
<rowrowID="0006"rowNumber="6">
<colcolumnID="AAAA"columnName="A">2006.0</col>
<colcolumnID="AAAB"columnName="B">Clements</col>
<colcolumnID="AAAC"columnName="C">London</col>
<colcolumnID="AAAD"columnName="D">1001.0</col>
</row>
<rowrowID="0007"rowNumber="7">
<colcolumnID="AAAA"columnName="A">2008.0</col>
<colcolumnID="AAAB"columnName="B">Cisneros</col>
<colcolumnID="AAAC"columnName="C">SanJose</col>
<colcolumnID="AAAD"columnName="D">1007.0</col>
</row>
<rowrowID="0008"rowNumber="8">
<colcolumnID="AAAA"columnName="A">2007.0</col>
<colcolumnID="AAAB"columnName="B">Pereira</col>
<colcolumnID="AAAC"columnName="C">Rome</col>
<colcolumnID="AAAD"columnName="D">1004.0</col>
</row>
<rowrowID="0009"rowNumber="9">
<colcolumnID="AAAA"columnName="A">14031.0</col>
<colcolumnID="AAAB"columnName="B"/>
<colcolumnID="AAAC"columnName="C"/>
<colcolumnID="AAAD"columnName="D"/>
</row>
<rowrowID="0010"rowNumber="10">
<colcolumnID="AAAA"columnName="A"/>
<colcolumnID="AAAB"columnNam
分享到:
评论

相关推荐

    Aqualogic service

    其次,BEA AquaLogic Data Services Platform(ALDSP)专注于数据服务的创建、管理和部署,使得企业能够以服务的形式暴露其数据库和其他数据源,从而促进数据的重用和集成。这一平台简化了数据访问的复杂性,同时...

    Integrating Data & Services

    随着企业信息化的深入发展,数据源日益多样化,包括但不限于关系型数据库、非关系型数据库、包装配置应用、自定义应用以及各种类型的文件等。这些数据分布在不同的系统和平台中,形成了所谓的“数据孤岛”。集成数据...

    《数据结构》(02331)基础概念

    内容概要:本文档《数据结构》(02331)第一章主要介绍数据结构的基础概念,涵盖数据与数据元素的定义及其特性,详细阐述了数据结构的三大要素:逻辑结构、存储结构和数据运算。逻辑结构分为线性结构(如线性表、栈、队列)、树形结构(涉及根节点、父节点、子节点等术语)和其他结构。存储结构对比了顺序存储和链式存储的特点,包括访问方式、插入删除操作的时间复杂度以及空间分配方式,并介绍了索引存储和散列存储的概念。最后讲解了抽象数据类型(ADT)的定义及其组成部分,并探讨了算法分析中的时间复杂度计算方法。 适合人群:计算机相关专业学生或初学者,对数据结构有一定兴趣并希望系统学习其基础知识的人群。 使用场景及目标:①理解数据结构的基本概念,掌握逻辑结构和存储结构的区别与联系;②熟悉不同存储方式的特点及应用场景;③学会分析简单算法的时间复杂度,为后续深入学习打下坚实基础。 阅读建议:本章节内容较为理论化,建议结合实际案例进行理解,尤其是对于逻辑结构和存储结构的理解要深入到具体的应用场景中,同时可以尝试编写一些简单的程序来加深对抽象数据类型的认识。

    【工业自动化】施耐德M580 PLC系统架构详解:存储结构、硬件配置与冗余设计

    内容概要:本文详细介绍了施耐德M580系列PLC的存储结构、系统硬件架构、上电写入程序及CPU冗余特性。在存储结构方面,涵盖拓扑寻址、Device DDT远程寻址以及寄存器寻址三种方式,详细解释了不同类型的寻址方法及其应用场景。系统硬件架构部分,阐述了最小系统的构建要素,包括CPU、机架和模块的选择与配置,并介绍了常见的系统拓扑结构,如简单的机架间拓扑和远程子站以太网菊花链等。上电写入程序环节,说明了通过USB和以太网两种接口进行程序下载的具体步骤,特别是针对初次下载时IP地址的设置方法。最后,CPU冗余部分重点描述了热备功能的实现机制,包括IP通讯地址配置和热备拓扑结构。 适合人群:从事工业自动化领域工作的技术人员,特别是对PLC编程及系统集成有一定了解的工程师。 使用场景及目标:①帮助工程师理解施耐德M580系列PLC的寻址机制,以便更好地进行模块配置和编程;②指导工程师完成最小系统的搭建,优化系统拓扑结构的设计;③提供详细的上电写入程序指南,确保程序下载顺利进行;④解释CPU冗余的实现方式,提高系统的稳定性和可靠性。 其他说明:文中还涉及一些特殊模块的功能介绍,如定时器事件和Modbus串口通讯模块,这些内容有助于用户深入了解M580系列PLC的高级应用。此外,附录部分提供了远程子站和热备冗余系统的实物图片,便于用户直观理解相关概念。

    某型自动垂直提升仓储系统方案论证及关键零部件的设计.zip

    某型自动垂直提升仓储系统方案论证及关键零部件的设计.zip

    2135D3F1EFA99CB590678658F575DB23.pdf#page=1&view=fitH

    2135D3F1EFA99CB590678658F575DB23.pdf#page=1&view=fitH

    agentransack文本搜索软件

    可以搜索文本内的内容,指定目录,指定文件格式,匹配大小写等

    Windows 平台 Android Studio 下载与安装指南.zip

    Windows 平台 Android Studio 下载与安装指南.zip

    Android Studio Meerkat 2024.3.1 Patch 1(android-studio-2024.3.1.14-windows-zip.zip.002)

    Android Studio Meerkat 2024.3.1 Patch 1(android-studio-2024.3.1.14-windows.zip)适用于Windows系统,文件使用360压缩软件分割成两个压缩包,必须一起下载使用: part1: https://download.csdn.net/download/weixin_43800734/90557033 part2: https://download.csdn.net/download/weixin_43800734/90557035

    4-3-台区智能融合终端功能模块技术规范(试行).pdf

    国网台区终端最新规范

    4-13-台区智能融合终端软件检测规范(试行).pdf

    国网台区终端最新规范

    【锂电池剩余寿命预测】Transformer-GRU锂电池剩余寿命预测(Matlab完整源码和数据)

    1.【锂电池剩余寿命预测】Transformer-GRU锂电池剩余寿命预测(Matlab完整源码和数据) 2.数据集:NASA数据集,已经处理好,B0005电池训练、B0006测试; 3.环境准备:Matlab2023b,可读性强; 4.模型描述:Transformer-GRU在各种各样的问题上表现非常出色,现在被广泛使用。 5.领域描述:近年来,随着锂离子电池的能量密度、功率密度逐渐提升,其安全性能与剩余使用寿命预测变得愈发重要。本代码实现了Transformer-GRU在该领域的应用。 6.作者介绍:机器学习之心,博客专家认证,机器学习领域创作者,2023博客之星TOP50,主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析,文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年,更多仿真源码、数据集定制私信。

    基于android的家庭收纳App的设计与实现.zip

    Android项目原生java语言课程设计,包含LW+ppt

    大学生入门前端-五子棋vue项目

    大学生入门前端-五子棋vue项目

    二手车分析完整项目,包含源代码和数据集,包含:XGBoost 模型,训练模型代码,数据集包含 10,000 条二手车记录的数据集,涵盖车辆品牌、型号、年份、里程数、发动机缸数、价格等

    这是一个完整的端到端解决方案,用于分析和预测阿联酋(UAE)地区的二手车价格。数据集包含 10,000 条二手车信息,覆盖了迪拜、阿布扎比和沙迦等城市,并提供了精确的地理位置数据。此外,项目还包括一个基于 Dash 构建的 Web 应用程序代码和一个训练好的 XGBoost 模型,帮助用户探索区域市场趋势、预测车价以及可视化地理空间洞察。 数据集内容 项目文件以压缩 ZIP 归档形式提供,包含以下内容: 数据文件: data/uae_used_cars_10k.csv:包含 10,000 条二手车记录的数据集,涵盖车辆品牌、型号、年份、里程数、发动机缸数、价格、变速箱类型、燃料类型、颜色、描述以及销售地点(如迪拜、阿布扎比、沙迦)。 模型文件: models/stacking_model.pkl:训练好的 XGBoost 模型,用于预测二手车价格。 models/scaler.pkl:用于数据预处理的缩放器。 models.py:模型相关功能的实现。 train_model.py:训练模型的脚本。 Web 应用程序文件: app.py:Dash 应用程序的主文件。 callback

    《基于YOLOv8的船舶航行违规并线预警系统》(包含源码、可视化界面、完整数据集、部署教程)简单部署即可运行。功能完善、操作简单,适合毕设或课程设计.zip

    资源内项目源码是来自个人的毕业设计,代码都测试ok,包含源码、数据集、可视化页面和部署说明,可产生核心指标曲线图、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果、标签分布图。都是运行成功后才上传资源,毕设答辩评审绝对信服的保底85分以上,放心下载使用,拿来就能用。包含源码、数据集、可视化页面和部署说明一站式服务,拿来就能用的绝对好资源!!! 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、大作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.txt文件,仅供学习参考, 切勿用于商业用途。

    《基于YOLOv8的工业布匹瑕疵分类系统》(包含源码、可视化界面、完整数据集、部署教程)简单部署即可运行。功能完善、操作简单,适合毕设或课程设计.zip

    资源内项目源码是来自个人的毕业设计,代码都测试ok,包含源码、数据集、可视化页面和部署说明,可产生核心指标曲线图、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果、标签分布图。都是运行成功后才上传资源,毕设答辩评审绝对信服的保底85分以上,放心下载使用,拿来就能用。包含源码、数据集、可视化页面和部署说明一站式服务,拿来就能用的绝对好资源!!! 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、大作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.txt文件,仅供学习参考, 切勿用于商业用途。

    CodeCount.exe

    此为代码审查工具 可查 文件数,字节数,总行数,代码行数,注释行数,空白行数,注释率等

    商业数据分析与Python实现:企业破产概率及抽样技术解析(复现论文或解答问题,含详细可运行代码及解释)

    内容概要:本文档涵盖了一项关于企业破产概率的详细分析任务,分为书面回答和Python代码实现两大部分。第一部分涉及对业务类型和破产状态的边际分布、条件分布及相对风险的计算,并绘制了相应的二维条形图。第二部分利用Python进行了数据处理和可视化,包括计算比值比、识别抽样技术类型、分析鱼类数据集以及探讨辛普森悖论。此外,还提供了针对鱼类和树木数据的统计分析方法。 适合人群:适用于有一定数学和编程基础的学习者,尤其是对统计学、数据分析感兴趣的大学生或研究人员。 使用场景及目标:①帮助学生掌握统计学概念如边际分布、条件分布、相对风险和比值比的实际应用;②教授如何用Python进行数据清洗、分析和可视化;③提高对不同类型抽样技术和潜在偏见的理解。 其他说明:文档不仅包含了理论知识讲解,还有具体的代码实例供读者参考实践。同时提醒读者在完成作业时需要注意提交格式的要求。

    MCP快速入门实战,详细的实战教程

    MCP快速入门实战,详细的实战教程

Global site tag (gtag.js) - Google Analytics