在J2EE开发中,当我们的某个ejb的jar包不但可以使用于jboss中,还希望运行在websphere或weblogic中。一个ejb包要发布在不同的j2ee中间件中时有些配置信息往往不一样,比如:这个ejb包中有JPA的配置文件persistence.xml文件。那么,这个文件在jboss中的设置如下:
<properties>
<!-- Auto detect annotation model classes -->
<property name="hibernate.dialect" value="org.hibernate.dialect.Oracle10gDialect" />
<property name="hibernate.show_sql" value="true" />
<property name="hibernate.format_sql" value="true" />
<property name="hibernate.cache.provider_class" value="org.hibernate.cache.EhCacheProvider" />
<property name="hibernate.cache.use_query_cache" value="true" />
<property name="hibernate.cache.use_second_level_cache"
value="true" />
</properties>
而websphere的设置如下:
<properties>
<!-- Auto detect annotation model classes -->
<property name="hibernate.archive.autodetection" value="class" />
<property name="hibernate.dialect" value="org.hibernate.dialect.Oracle10gDialect" />
<property name="hibernate.show_sql" value="false"/>
<property name="hibernate.format_sql" value="true"/>
<property name="hibernate.cache.use_query_cache" value="true"/>
<property name="hibernate.cache.use_second_level_cache" value="true"/>
<property name="hibernate.cache.region_prefix" value="mes"/>
<property name="hibernate.cache.provider_class" value="org.hibernate.cache.EhCacheProvider"/>
<property name="hibernate.transaction.manager_lookup_class" value="org.hibernate.transaction.WebSphereExtendedJTATransactionLookup"/>
</properties>
如果这个ejb的jar包是一个平台的基本模块,当某一个项目使用该平台发布在jboss环境下,另一个项目也使用该平台发布在websphere环境下,这个时候要想用maven管理该怎么办呢?这个时候classifier就发挥作用了。
首先,我们使用maven-jar-plugin或maven-ejb-plugin的classifier属性,将这个模块分别发布为jboss类型的和websphere类型的,下面以maven-ejb-plugin为例配置如下:
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-ejb-plugin</artifactId>
<version>2.3</version>
<configuration>
<classifier>${appserver.type}</classifier>
<ejbVersion>3.0</ejbVersion>
<archive>
<manifest>
<addClasspath>false</addClasspath>
</manifest>
</archive>
<generateClient>true</generateClient>
<clientExcludes>
<clientExclude>**/*Bean.class</clientExclude>
<clientExclude>**/package.html</clientExclude>
</clientExcludes>
</configuration>
</plugin>
特别需要注意的是:<classifier>${appserver.type}</classifier>
appserver.type是变量:
当发布jboss版本的模块时使用jboss作为变量值.
当发面websphere版本的模块时使用websphere作为变量值.
把分别不同情况生成的包发布到私服中,可以在仓库中看到xxx-jboss.jar和xxx-websphere.jar,如图所示:
当系统要发布在jboss或websphere中间件时,也可以通过在依赖中使用classifier来指定是使用平台模块的jboss版本还是websphere版本,配置如下:
<dependency>
<groupId>cn.com.pzhsteel.mes</groupId>
<artifactId>mes-ejb</artifactId>
<version>${mes.platform.version}</version>
<classifier>websphere</classifier>
<type>ejb</type>
</dependency>
这样就可以指定是使用哪个版本的平台模块了。
- 大小: 31.7 KB
分享到:
相关推荐
1. **数据预处理**:在使用NeuroShell Classifier之前,需要准备训练数据集,包括输入特征和对应的已知类别标签。数据可能需要进行清洗、缺失值处理、标准化等预处理步骤,以提高模型的训练效果。 2. **模型构建**...
本文将详细介绍`Classifier`类的基本概念、使用方法以及一个具体的示例,帮助读者更好地理解和应用Weka进行数据分析。 #### 二、`Classifier`类概述 `Classifier`类是所有分类器的基础类,位于`weka.classifiers`...
虽然现在Git更为流行,但Classifier4J可能使用CVS管理源代码的历史版本。 6. **xdocs**: - `xdocs` 目录通常用于存放项目文档,如API文档或用户指南,可能是用XML格式编写,通过工具如Apache Maven Site Plugin...
Classifier4J可能与其他工具或库结合使用,以生成文本摘要,例如使用TF-IDF(词频-逆文档频率)来确定句子的重要性,或者利用分类器来识别关键主题。 在实际应用Classifier4J时,开发者首先需要准备训练数据,这些...
Classifier4J 使用贝叶斯分类器对文本进行分类,适用于垃圾邮件检测、情感分析等场景。它通过对训练数据的学习,构建概率模型,然后用这个模型来预测新文本的类别。 2. **向量空间模型**: 向量空间模型(Vector ...
这允许Classifier通过索引访问slot_,例如使用slot_[slot]或slot_[cl]来查找特定的Nsobject。 Classifier的工作流程大致如下: 1. 当一个数据包(*p)到达时,recv()函数会被调用,接收到的数据包将被传递给find()...
In this paper, we improve cascade-Adaboost classifier and propose a cascade-Adaboost-SVM classifier.
"User Guide.pdf" 文件应该是Classifier Tools的用户手册,其中会详细解释如何使用这些算法,包括数据预处理、模型训练、验证和调优等步骤。同时,它还会涵盖交叉验证、特征选择、模型评估指标等内容,帮助用户更好...
A classifier is a machine learning tool that will take data items and place them into one of k classes. A probabilistic classifier, like this one, can also give a probability distribution over the ...
标题中的"Python库 | intents_classifier_beta3-0.3.tar.gz"表明这是一个基于Python的库,名为`intents_classifier_beta3`,版本为0.3,且已经打包成`.tar.gz`格式的压缩文件。`.tar.gz`是Linux/Unix环境中常见的...
Maximum Classifier Discrepancy for Unsupervised Domain Adaptation Maximum Classifier Discrepancy(MCD)是一种新的不受监督域适应方法,旨在解决域适应问题中存在的挑战,即源域和目标域之间的分布差异问题。...
贝叶斯分类器(Bayesian Classifier)是一种基于概率的分类方法,它基于贝叶斯定理,通过计算每个类别的后验概率来预测样本所属类别。在机器学习领域,贝叶斯分类器因其简单、易于理解以及对异常值的鲁棒性而被广泛...
本项目“Retina Classifier-master_retinopathy_matlab_elementbbc_retina_fu”提供了一种基于Matlab的高效算法——ElementBBC Retina Fu,用于自动识别和分析糖尿病视网膜病变。 ElementBBC Retina Fu算法是一种...
Classifier4J-0.6.jar
pytorch_hand_classifier_master
3. 训练模型:使用训练数据集计算每个类别的先验概率和每个特征在各类别下的条件概率。 4. 预测函数:基于训练得到的概率模型,对新数据进行分类预测。 5. 准确度评估:可能包括交叉验证、混淆矩阵等方法,用于衡量...
**Enterprise Vault 使用 Veritas Information Classifier 进行分类** 在企业环境中,有效管理和归类大量数据是确保合规性和优化存储资源的关键。Enterprise Vault 是 Veritas Technologies 提供的一款强大的信息...
**Enterprise Vault 使用 Veritas Information Classifier 进行分类** Enterprise Vault 是 Veritas Technologies LLC 开发的一款企业级信息归档解决方案,它帮助企业管理和存储大量的电子数据,包括电子邮件、文件...
1000级别分类网络模型,采用50层的网络层,对大部分物体能检测出来,resnet50_1000_imagenet_classifier.dnn.bz2
在本项目"CarND-Traffic-Sign-Classifier-Project"中,我们将深入探讨如何使用卷积神经网络(Convolutional Neural Network, CNN)来识别交通标志。交通标志的识别对于自动驾驶车辆的安全行驶至关重要,它能帮助车辆...