netbeans提供了与eclipse下同等的gwt插件,并且风格与netbeans web(如jsp+servlet)一致。
当前版本即netbeans6.8更新中心带的gwt插件是2.6.14版本。
该版本提供了最基本的功能,但是不建议安装这个,可能很多人不知道,其实去它的插件网页下载最新的容易获得最新的特性。这点已经体现在好几个插件上了。比如ireport插件,按照更新里的安装,就不如去ireport官网下的那个功能全。再比如UML插件 官网给的插件明显比开发的那个官网网站的插件旧很多。
现在讨论的是GWT,它的插件开发网址是 http://gwt4nb.dev.java.net/
可以到这个页面下载最新的2.6.20版本,这个版本相比2.6.14多了很多功能:
1 多了3个向导,14版只有建立RPC向导,而20版本,还有:
创建 GWT常量;创建GWT模块;创建UiBinder 三个向导。
这个UiBinder 是GWT2里的新特性,它可以通过xml文件来定义UI的布局以及样式。使得GWT不必太依赖可视化的设计工具了,它的编写和HTML语法类似,确切的说就是和faceslets学的,就是靠标签来体现的。
2 布局及样式xml文件,增加了标签自动补全以及智能提示功能。这个14版本是没有的。
有了GWT2以及这个20版本的插件,基本上做GWT开发应该是又容易了很多,在netbeans下做开发的朋友不妨去试试了。
当然eclipse下有GWT designer可视化设计工具,这是netbans比不了的,不过这个插件是收费的。而Google官方推荐的那个插件就是和netbeans类似的。不过由于GWT2的到来,使得布局就像HTML那样容易,就使得可视化开发不必须了。你要是熟悉手写html的话,就马上就可以上手了。
如果你稍微深入或了解下GWT,就会想知道GWT的外观扩展。这里节约你的时间,我给你介绍下:
mygwt已经停止了,它以前排名第一,不过早不存在了,库也很老,它合并入ext了,ext收费了,GWT-ext,呢也差不多,因为ext收费了,这两个我们一般就不考虑了。
而ext-gwt呢也停止了,开始了一个smartgwt的完全的东西,ext-gwt主页上推荐到smartgwt,smartgwt由smartclient合成而来。这个是目前最强大的库,发展也很快,gwt出了2.0,它也更新到2.0.因此这个是首选了了。
它分免费版和企业版,企业版肯定是要收费的。
另外一个就是GWT的孵化器了,组件很少,是GWT的组件的前沿使用场所,通过的就加入正式库,我看了,基本没使用价值。
千万不要认为netbeans耗费内存了,gwt编译都比他多的多,看看调试模式下的内存占用吧:
我的netbeans从早上跑到现在了,本来就是完整功能版本还安装了ireport报表插件 gwt插件 ,而我做的测试,gwt+smartgwt整合,就只是一个按钮ImgButton ,看看调试运行的内存占用吧:
把netbeans的内存压到100M了。真是奇怪,gwt编译及运行居然这么高消耗。比EJB还要高耗呀。

我感觉GWT,犹如EJB般昂贵,甚至有过之而不及。它的编译尤其要是使用第三方类库的情况下,需要几百M的内存。此外,编译时间很长。
因此,就这两点来讲,大大阻碍了它的流行。
另外,既然是富客户应用,那么和后台的交互通常会相当多,除非只是为了在客户端展示效果,带有很少的交互数据,但是这种情况,使用JQuery extjs之类的不是更好吗?何必使用这么大的一个家伙呢。
因此,这里有个更彻底的ajax框架 ——echo,现在到3.0beta8了,加入了客户端js。应该来说做的更彻底了,直接在服务端保存用户数据,而只把用户数据发到客户端,而客户端用对应的js组件去展示数据。 每个服务端的Java组件都有一个客户端的js组件与之对应。理解这点很重要,因为要想用好它,做自己的组件相当的需要。
他俩的区别吧,可以说正好相反,一般的区别网上有,我就不废话了:
1 首先echo是由servlet生成一个Java类,当然他们是单例的,这个Java类保存在服务器上,并通过固定的接口方法把js文件发给请求的客户端,这样就建立了对应关系。只有客户端请求到某些类时,相应的js才会发给客户端。
2 有人说,echo耗费服务器,说是靠服务器生成swing图形,然后响应客户端,这是大错特错的,它只是保存一个javabeans对象,然后与客户端的js组件对应,js组件通过事件代码,把一些值发到服务端,这些值保存在用户上下文中,而对应的组件只有一份。如果使用消息队列,那么客户端会周期地询问服务端,默认是500毫秒。因此,只要js组件产生事件,而这个事件中改变的属性值做了服务器端的关联,那么就需要与服务器端连接,所有才耗费服务器的。
因此,可以多安装几个服务器,比如tomcat就应该行了,因为它需要的连接太频繁。
之所以说它比GWT耗费资源,我觉得2点: 1 连接频繁 2 session(用户上下文:app实例及相关实例)需要保存很多用户数据。当然按照它的说法,session不活动时(钝化)会把用户数据移到硬盘上把内存留出来给其他用户使用。
所以,我们不能说它是因为使用了类似swing的组件才耗费服务器的,因为它只有一份,任何动态网站都需要服务器储存数据,echo肯定是多了东西,但是这不是决定因素。
3 客户端的js框架和服务端的Java组件 API是一样的。因此js是面向对象的语法,如果做对比的话,有点像javafx、flex等的形式。服务端的组件和js组件一样用。因此,如果注重性能,可以多做客户端的组件,而少做关联,即少与服务器通信。
上面提到,js组件和服务端Java组件API是一模一样的,因此,每个动作都要与服务器端通信的。正是这样,echo的组件都是具备必须的事件。 可以看下API,Java组件都没有鼠标的移动事件,否则的话,自己想象下就有意思了。
要想做到这些,你想要继承现有组件(这里是指客户端js组件),添加你感兴趣的事件,不需要和服务器关联的就不关联,只在客户端运行。比如客户端js验证,这个你总需要吧。
总结:echo组件都不应该拿来就用,一般最好的实践就是扩展他们。echo的架构思想也是围绕这些展开的。
先到这,我会专门开个文章介绍下echo3.以及如何才能在netbeans下做相应的开发。
分享到:
相关推荐
I don´t use the Gwt4nb plugin because it supports until Gwt 2.6 and it doesn't use Maven For me, the stuff goes better with Maven/Web App wizard plus Gwt Framework instead to use directly the Gwt ...
基于的手势识别系统可控制灯的亮_3
untitled2.zip
S7-1500和分布式外围系统ET200MP模块数据
anaconda配置pytorch环境
高校教室管理系统,主要的模块包括查看首页、个人中心、教师管理、学生管理、教室信息管理、教师申请管理、学生申请管理、课时表管理、教师取消预约管理、学生取消预约管理等功能。
半挂汽车列车横向稳定性控制研究:基于模糊PID与制动力矩分配的联合仿真分析在典型工况下的表现,半挂汽车列车在典型工况下的横向稳定性控制研究:基于模糊PID与制动力矩分配的联合仿真分析,半挂汽车列车4自由度6轴整车model,横向稳定性控制,在低附着系数路面,进行典型3个工况,角阶跃,双移线,方向盘转角。 采用算法:模糊PID,制动力矩分配,最优滑移率滑膜控制。 以上基于trucksim和simulink联合仿真,有对应 p-a-p-e-r参考 ,关键词: 1. 半挂汽车列车 2. 4自由度6轴整车model 3. 横向稳定性控制 4. 低附着系数路面 5. 典型工况(角阶跃、双移线、方向盘转角) 6. 模糊PID算法 7. 制动力矩分配 8. 最优滑移率滑膜控制 9. Trucksim和Simulink联合仿真 10. P-A-P-E-R参考; 用分号隔开上述关键词为:半挂汽车列车; 4自由度6轴整车model; 横向稳定性控制; 低附着系数路面; 典型工况; 模糊PID算法; 制动力矩分配; 最优滑移率滑膜控制; Trucksim和Simulink联合仿真; P-A-P-E-R参考
路径规划人工势场法及其改进算法Matlab代码实现,路径规划人工势场法及其改进算法Matlab代码实现,路径规划人工势场法以及改进人工势场法matlab代码,包含了 ,路径规划; 人工势场法; 改进人工势场法; MATLAB代码; 分隔词“;”。,基于Matlab的改进人工势场法路径规划算法研究
本文介绍了范德堡大学深脑刺激器(DBS)项目,该项目旨在开发和临床评估一个系统,以辅助从规划到编程的整个过程。DBS是一种高频刺激治疗,用于治疗运动障碍,如帕金森病。由于目标区域在现有成像技术中可见性差,因此DBS电极的植入和编程过程复杂且耗时。项目涉及使用计算机辅助手术技术,以及一个定制的微定位平台(StarFix),该平台允许在术前进行图像采集和目标规划,提高了手术的精确性和效率。此外,文章还讨论了系统架构和各个模块的功能,以及如何通过中央数据库和网络接口实现信息共享。
三菱FX3U步进电机FB块的应用:模块化程序实现电机换算,提高稳定性和移植性,三菱FX3U步进电机换算FB块:模块化编程实现电机控制的高效性与稳定性提升,三菱FX3U 步进电机算FB块 FB块的使用可以使程序模块化简单化,进而提高了程序的稳定性和可移植性。 此例中使用FB块,可以实现步进电机的算,已知距离求得脉冲数,已知速度可以求得频率。 程序中包含有FB和ST内容;移植方便,在其他程序中可以直接添加已写好的FB块。 ,三菱FX3U;步进电机换算;FB块;程序模块化;稳定性;可移植性;距离与脉冲数换算;速度与频率换算;FB和ST内容;移植方便。,三菱FX3U步进电机换算FB块:程序模块化与高稳定性实现
光伏逆变器TMS320F28335设计方案:Boost升压与单相全桥逆变,PWM与SPWM控制,MPPT恒压跟踪法实现,基于TMS320F28335DSP的光伏逆变器设计方案:Boost升压与单相全桥逆变电路实现及MPPT技术解析,光伏逆变器设计方案TMS320F28335-176资料 PCB 原理图 源代码 1. 本设计DC-DC采用Boost升压,DCAC采用单相全桥逆变电路结构。 2. 以TI公司的浮点数字信号控制器TMS320F28335DSP为控制电路核心,采用规则采样法和DSP片内ePWM模块功能实现PWM和SPWM波。 3. PV最大功率点跟踪(MPPT)采用了恒压跟踪法(CVT法)来实现,并用软件锁相环进行系统的同频、同相控制,控制灵活简单。 4.资料包含: 原理图,PCB(Protel或者AD打开),源程序代码(CCS打开),BOM清单,参考资料 ,核心关键词:TMS320F28335-176; 光伏逆变器; 升压; 逆变电路; 数字信号控制器; 规则采样法; ePWM模块; PWM; SPWM波; MPPT; 恒压跟踪法; 原理图; PCB; 源程序代码; BOM
centos9内核安装包
昆仑通态触摸屏与两台台达VFD-M变频器通讯实现:频率设定、启停控制与状态指示功能接线及设置说明,昆仑通态TPC7062KD触摸屏与两台台达VFD-M变频器通讯程序:实现频率设定、启停控制与状态指示,昆仑通态MCGS与2台台达VFD-M变频器通讯程序实现昆仑通态触摸屏与2台台达VFD-M变频器通讯,程序稳定可靠 器件:昆仑通态TPC7062KD触摸屏,2台台达VFD-M变频器,附送接线说明和设置说明 功能:实现频率设定,启停控制,实际频率读取等,状态指示 ,昆仑通态MCGS; 台达VFD-M变频器; 通讯程序; 稳定可靠; 频率设定; 启停控制; 实际频率读取; 状态指示; 接线说明; 设置说明,昆仑通态MCGS与台达VFD-M变频器通讯程序:稳定可靠,双机控制全实现
研控步进电机驱动器方案验证通过,核心技术成熟可生产,咨询优惠价格!硬件原理图与PCB源代码全包括。,研控步进电机驱动器方案验证通过,核心技术掌握,生产准备,咨询实际价格,包含硬件原理图及PCB源代码。,研控步进电机驱动器方案 验证可用,可以生产,欢迎咨询实际价格,快速掌握核心技术。 包括硬件原理图 PCB源代码 ,研控步进电机驱动器方案; 验证可用; 可生产; 核心技术; 硬件原理图; PCB源代码,研控步进电机驱动器方案验证通过,现可生产供应,快速掌握核心技术,附硬件原理图及PCB源代码。
高质量的OPCClient_UA源码分享:基于C#的OPC客户端开发源码集(测试稳定、多行业应用实例、VS编辑器支持),高质量OPC客户端源码解析:OPCClient_UA C#开发,适用于VS2019及多行业现场应用源码分享,OPCClient_UA源码OPC客户端源码(c#开发) 另外有opcserver,opcclient的da,ua版本的见其他链接。 本项目为VS2019开发,可用VS其他版本的编辑器打开项目。 已应用到多个行业的几百个应用现场,长时间运行稳定,可靠。 本项目中提供测试OPCClient的软件开发源码,有详细的注释,二次开发清晰明了。 ,OPCClient_UA; OPC客户端源码; C#开发; VS2019项目; 稳定可靠; 详细注释; 二次开发,OPC客户端源码:稳定可靠的C#开发实现,含详细注释支持二次开发
毕业设计
三菱FX3U六轴标准程序:六轴控制特色及转盘多工位流水作业功能实现,三菱FX3U六轴标准程序:实现3轴本体控制与3个1PG定位模块,轴点动控制、回零控制及定位功能,结合气缸与DD马达控制转盘的多工位流水作业模式,三菱FX3U六轴标准程序,程序包含本体3轴控制,扩展3个1PG定位模块,一共六轴。 程序有轴点动控制,回零控制,相对定位,绝对定位。 另有气缸数个,一个大是DD马达控制的转盘,整个是转盘多工位流水作业方式 ,三菱FX3U;六轴控制;轴点动控制;回零控制;定位模块;DD马达转盘;流水作业方式,三菱FX3U六轴程序控制:转盘流水作业的机械多轴系统
在 GEE(Google Earth Engine)中,XEE 包是一个用于处理和分析地理空间数据的工具。以下是对 GEE 中 XEE 包的具体介绍: 主要特性 地理数据处理:提供强大的函数和工具,用于处理遥感影像和其他地理空间数据。 高效计算:利用云计算能力,支持大规模数据集的快速处理。 可视化:内置可视化工具,方便用户查看和分析数据。 集成性:可以与其他 GEE API 和工具无缝集成,支持多种数据源。 适用场景 环境监测:用于监测森林砍伐、城市扩展、水体变化等环境问题。 农业分析:分析作物生长、土地利用变化等农业相关数据。 气候研究:研究气候变化对生态系统和人类活动的影响。