用友网络 WeberService 教程：UAP与Tomcat后端集成开发

java，webservice
需积分: 5 2 下载量 13 浏览量 更新于2024-07-15 收藏 1.17MB PDF 举报
"17-NCV65项目开发-应用集成后端开发技术（2-2）（WebService）.pdf" 本资料详细介绍了在NC65项目开发中应用集成后端开发技术，特别是关于Web Service的使用。Web Service是一种基于开放标准的、平台无关的集成方式，用于不同系统之间的数据交换。资料主要分为两个部分：Web Service在UAP环境中的实现和在Tomcat服务器上的部署。 一、Web Service@UAP 1. 服务器部署 - 需求条件：NC65系统和UAPStudio(6502上市版)是基础，通过UAPStudio开发Web Service，然后在服务器端编写业务逻辑，最终将补丁包部署到NCHome进行运行。 - 新建工程：在UAPStudio中创建名为TestUAP65WS的新工程，添加组件bill，并在公共（public）目录下定义WebService接口IHelloWorld，在私有（private）目录下实现接口的HelloWorldImpl类。 - 创建UPM文件：在工程的META-INF目录下创建UPM文件，配置接口及实现类信息，以便系统识别和使用。 - 创建WebService：在接口类上使用WSTools生成Web Service相关代码。 - 制作补丁包：完成上述步骤后，生成包含Web Service的补丁，准备部署。 - 部署：将补丁包部署到目标服务器。 - 验证：通过调用Web Service接口进行功能验证，确保服务正常运行。 二、Web Service@Tomcat 2. 服务端部署 - 新建工程：在Tomcat环境中新建Java Web工程，为Web Service创建必要的结构。 - 创建接口及实现类：定义服务接口，并在对应的实现类中编写业务逻辑。 - 配置web.xml文件：配置Servlet，指定Web Service的入口点和服务映射。 - 配置spring文件：如果使用Spring框架，需要在Spring配置文件中声明服务接口和实现类，以便依赖注入。 - 浏览器验证：通过浏览器发送请求验证Web Service是否正常启动。 2. 客户端开发 - Axis生成客户端：利用Apache Axis工具，通过服务WSDL描述文件自动生成客户端代理类。 - CXF生成客户端：使用Apache CXF工具，同样根据WSDL生成客户端代码。 - 客户端代码调用：在生成的客户端代码基础上，编写调用服务的方法，进行实际的数据交互。 总结，这份文档提供了从开发到部署Web Service的完整流程，涵盖了在UAP和Tomcat环境中的不同实现方法，对于理解和实施基于Java的Web Service应用集成具有很高的参考价值。无论是服务器端的构建、部署，还是客户端的调用，都详细地给出了步骤和注意事项，适合开发者和集成工程师学习。

NC65搜索服务器使用指南

2018-11-08 上传
NC65搜索服务器使用指南

NC65开发文档,新手开发必备

2019-04-01 上传
NC65开发文档,开发环境 单据开发 扩展开发 流程开发 报表开发 数据字典,全包括,全方面了解学习NC65开发过程.

NC65开发环境搭建

2020-12-11 上传
官方UAP开发环境搭建视频，另外加一份总结的心得，含uapserver安装文件地址，闪退的问题处理等

为什么 NCV78702 要配合 NCV78723 使用

2023-06-13 上传
NCV78723是一款高度集成的电源管理IC，可以为车内的各种电子设备提供电源管理和保护功能。NCV78702作为LED驱动器，需要外部的电源管理芯片来提供电源管理支持。因此，NCV78702和NCV78723可以一起使用，实现LED照明和...

class SVDRecommender: def __init__(self, k=50, ncv=None, tol=0, which='LM', v0=None, maxiter=None, return_singular_vectors=True, solver='arpack'): self.k = k self.ncv = ncv self.tol = tol self.which = which self.v0 = v0 self.maxiter = maxiter self.return_singular_vectors = return_singular_vectors self.solver = solver def svds(self, A): if self.which == 'LM': largest = True elif self.which == 'SM': largest = False else: raise ValueError("which must be either 'LM' or 'SM'.") if not (isinstance(A, LinearOperator) or isspmatrix(A) or is_pydata_spmatrix(A)): A = np.asarray(A) n, m = A.shape if self.k <= 0 or self.k >= min(n, m): raise ValueError("k must be between 1 and min(A.shape), k=%d" % self.k) if isinstance(A, LinearOperator): if n > m: X_dot = A.matvec X_matmat = A.matmat XH_dot = A.rmatvec XH_mat = A.rmatmat else: X_dot = A.rmatvec X_matmat = A.rmatmat XH_dot = A.matvec XH_mat = A.matmat dtype = getattr(A, 'dtype', None) if dtype is None: dtype = A.dot(np.zeros([m, 1])).dtype else: if n > m: X_dot = X_matmat = A.dot XH_dot = XH_mat = _herm(A).dot else: XH_dot = XH_mat = A.dot X_dot = X_matmat = _herm(A).dot def matvec_XH_X(x): return XH_dot(X_dot(x)) def matmat_XH_X(x): return XH_mat(X_matmat(x)) XH_X = LinearOperator(matvec=matvec_XH_X, dtype=A.dtype, matmat=matmat_XH_X, shape=(min(A.shape), min(A.shape))) #获得隐式定义的格拉米矩阵的低秩近似。 eigvals, eigvec = eigsh(XH_X, k=self.k, tol=self.tol ** 2, maxiter=self.maxiter, ncv=self.ncv, which=self.which, v0=self.v0) #格拉米矩阵有实非负特征值。 eigvals = np.maximum(eigvals.real, 0) #使用来自pinvh的小特征值的复数检测。 t = eigvec.dtype.char.lower() factor = {'f': 1E3, 'd': 1E6} cond = factor[t] * np.finfo(t).eps cutoff = cond * np.max(eigvals) #获得一个指示哪些本征对不是简并微小的掩码， #并为阈值奇异值创建一个重新排序数组。 above_cutoff = (eigvals > cutoff) nlarge = above_cutoff.sum() nsmall = self.k - nlarge slarge = np.sqrt(eigvals[above_cutoff]) s = np.zeros_like(eigvals) s[:nlarge] = slarge if not self.return_singular_vectors: return np.sort(s) if n > m: vlarge = eigvec[:, above_cutoff] ularge = X_matmat(vlarge) / slarge if self.return_singular_vectors != 'vh' else None vhlarge = _herm(vlarge) else: ularge = eigvec[:, above_cutoff] vhlarge = _herm(X_matmat(ularge) / slarge) if self.return_singular_vectors != 'u' else None u = _augmented_orthonormal_cols(ularge, nsmall) if ularge is not None else None vh = _augmented_orthonormal_rows(vhlarge, nsmall) if vhlarge is not None else None indexes_sorted = np.argsort(s) s = s[indexes_sorted] if u is not None: u = u[:, indexes_sorted] if vh is not None: vh = vh[indexes_sorted] return u, s, vh def _augmented_orthonormal_cols(U, n): if U.shape[0] <= n: return U Q, R = np.linalg.qr(U) return Q[:, :n] def _augmented_orthonormal_rows(V, n): if V.shape[1] <= n: return V Q, R = np.linalg.qr(V.T) return Q[:, :n].T def _herm(x): return np.conjugate(x.T) 将上述代码修改为使用LM，迭代器使用arpack

2023-06-08 上传
eigvals, eigvec = eigsh(XH_X, k=self.k, tol=self.tol ** 2, maxiter=self.maxiter, ncv=self.ncv, which=self.which, v0=self.v0, mode=self.solver) # 格拉米矩阵有实非负特征值。 eigvals = np.maximum...

class SVDRecommender: def init(self, k=50, ncv=None, tol=0, which='LM', v0=None, maxiter=None, return_singular_vectors=True, solver='arpack'): self.k = k self.ncv = ncv self.tol = tol self.which = which self.v0 = v0 self.maxiter = maxiter self.return_singular_vectors = return_singular_vectors self.solver = solver def svds(self, A): if which == 'LM': largest = True elif which == 'SM': largest = False else: raise ValueError("which must be either 'LM' or 'SM'.") if not (isinstance(A, LinearOperator) or isspmatrix(A) or is_pydata_spmatrix(A)): A = np.asarray(A) n, m = A.shape if k <= 0 or k >= min(n, m): raise ValueError("k must be between 1 and min(A.shape), k=%d" % k) if isinstance(A, LinearOperator): if n > m: X_dot = A.matvec X_matmat = A.matmat XH_dot = A.rmatvec XH_mat = A.rmatmat else: X_dot = A.rmatvec X_matmat = A.rmatmat XH_dot = A.matvec XH_mat = A.matmat dtype = getattr(A, 'dtype', None) if dtype is None: dtype = A.dot(np.zeros([m, 1])).dtype else: if n > m: X_dot = X_matmat = A.dot XH_dot = XH_mat = _herm(A).dot else: XH_dot = XH_mat = A.dot X_dot = X_matmat = _herm(A).dot def matvec_XH_X(x): return XH_dot(X_dot(x)) def matmat_XH_X(x): return XH_mat(X_matmat(x)) XH_X = LinearOperator(matvec=matvec_XH_X, dtype=A.dtype, matmat=matmat_XH_X, shape=(min(A.shape), min(A.shape))) # Get a low rank approximation of the implicitly defined gramian matrix. eigvals, eigvec = eigsh(XH_X, k=k, tol=tol ** 2, maxiter=maxiter, ncv=ncv, which=which, v0=v0) # Gramian matrix has real non-negative eigenvalues. eigvals = np.maximum(eigvals.real, 0) # Use complex detection of small eigenvalues from pinvh. t = eigvec.dtype.char.lower() factor = {'f': 1E3, 'd': 1E6} cond = factor[t] * np.finfo(t).eps cutoff = cond * np.max(eigvals) # Get a mask indicating which eigenpairs are not degenerate tiny, # and create a reordering array for thresholded singular values. above_cutoff = (eigvals > cutoff) nlarge = above_cutoff.sum() nsmall = k - nlarge slarge = np.sqrt(eigvals[above_cutoff]) s = np.zeros_like(eigvals) s[:nlarge] = slarge if not return_singular_vectors: return np.sort(s) if n > m: vlarge = eigvec[:, above_cutoff] ularge = X_matmat(vlarge) / slarge if return_singular_vectors != 'vh' else None vhlarge = _herm(vlarge) else: ularge = eigvec[:, above_cutoff] vhlarge = _herm(X_matmat(ularge) / slarge) if return_singular_vectors != 'u' else None u = _augmented_orthonormal_cols(ularge, nsmall) if ularge is not None else None vh = _augmented_orthonormal_rows(vhlarge, nsmall) if vhlarge is not None else None indexes_sorted = np.argsort(s) s = s[indexes_sorted] if u is not None: u = u[:, indexes_sorted] if vh is not None: vh = vh[indexes_sorted] return u, s, vh将这段代码放入一个.py文件中，用Spyder查看，有报错，可能是缩进有问题，无法被调用，根据这个问题，给出解决办法，给出改正后的完整代码

2023-06-07 上传
eigvals, eigvec = eigsh(XH_X, k=self.k, tol=self.tol ** 2, maxiter=self.maxiter, ncv=self.ncv, which=self.which, v0=self.v0) # Gramian matrix has real non-negative eigenvalues. eigvals = np....

ncv_contrib-master\modules\wechat_qrcode\src\wechat_qrcode.cpp:56: error

2023-10-15 上传
在编译ncv_contrib-master项目中的wechat_qrcode模块时，出现了错误，具体错误信息为ncv_contrib-master\modules\wechat_qrcode\src\wechat_qrcode.cpp的第56行出现了错误。 要解决这个错误，我们首先需要打开...

那为什么报错(E) Exception caught in handler {"exc": "OpenCV(4.8.0) /io/opencv/modules/imgproc/src/contours.cpp:195: error: (-210:Unsupported format or combination of formats) [Start]FindContours supports only CV_8UC1 images when mode != CV_RETR_FLOODFILL otherwise supports CV_32SC1 images only in function 'cvStartFindContours_Impl'\n", "traceback": "Traceback (most recent call last):\n File \"/opt/nuclio/_nuclio_wrapper.py\", line 118, in serve_requests\n await self._handle_event(event)\n File \"/opt/nuclio/_nuclio_wrapper.py\", line 312, in _handle_event\n entrypoint_output = self._entrypoint(self._context, event)\n File \"/opt/nuclio/main.py\", line 51, in handler\n contours, _ = cv2.findContours(mask_binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)\ncv2.error: OpenCV(4.8.0) /io/opencv/modules/imgproc/src/contours.cpp:195: error: (-210:Unsupported format or combination of formats) [Start]FindContours supports only CV_8UC1 images when mode != CV_RETR_FLOODFILL otherwise supports CV_32SC1 images only in function 'cvStartFindContours_Impl'\n\n", "worker_id": "0"}

2023-07-20 上传
根据报错信息，可能是由于传递给`cv2.findContours`函数的`mask_binary`图像格式不正确导致的错误。`cv2.findContours`函数要求输入的图像是单通道、8位无符号整数类型（CV_8UC1）的二值图像。请确保`mask_binary`的...

tle94112es、

2023-08-29 上传
引用提到了TLE94106ES，它是一款受保护的驱动器，专为汽车运动控制而设计应用，比如供暖、通风和空调（HVAC）襟翼直流电机控制。而您提到的TLE94112ES也是由英飞凌（Infineon）生产的电机控制器。不过，根据我所了解...

物理：已知1mol的某种实际气体,在一定温度下,其压强随体积变化的函数关系为p=c/(v-b)-a/(v)^2式中a,b,c均为常量.求该气体系统经一准静态过程,体积由V1膨胀到V2时,气体对外界所做的功.

2023-04-24 上传
根据热力学第一定律，气体对...∆W=nCv(T2-T1)=nCv^((pV2)/(nR)-pV1)/(nR))(T2-T1) 其中，n为1mol，Cv可以看成是常量，T1和T2为气体的初始温度和末温度，p和V1、V2为已知数据，可以代入计算得到气体对外界所做的功。
chen同学
  • 粉丝: 1
  • 资源: 11
上传资源 快速赚钱

最新资源