EJB组件与可重用性的矛盾_MySQL
EJB
EJB技术正在像其他辉煌过的技术一样走到了一个关口。2000年以前这项技术充满了传奇色彩,被大批企业不假思索地接受。然而理想毕竟是理想,经过了几年的发展,今天这项技术却正在被怀疑或者至少说让技术人员犹豫不决,现实的是J2EE的对手出来了,.NET似乎又有着后发的技术优势。大部分的探讨和争论已经开始转向这两个体系结构的对比。Java阵营内部同样发出了怀疑的声音,最直接的就是对EJB的攻击,因为人们发现原来这项技术所做的承诺似乎都走向了相反的方向
1.大量的案例由于采用了这种技术反而使得系统开发日趋复杂,而不是想像的简化开发周期加长成了家常便饭,实现一个进销存就把很多人难倒。
2. EJB成了昂贵的代名词,而不是期望的成本降低
3. 废了半天劲还不如用消息传递进行系统互操作
4. 最终发现彻底地摆脱平台是不可能的
但是Java总归还是不错的,于是有了Spring等等N种体系。EJB开始让人们困惑。任何技术和人生一样有它的困惑期,但是EJB给人们的困惑尤为经典,更具意义。J2EE和其他体系的对比已经泛滥于网上,实际应用的经验也随处可见,以至于不需要这里介绍,但是EJB现在并未被单独地被重视这是应该值得注意的,这与J2EE发展史却是背道而驰的。必须承认这么一个事实,EJB是被单独提出和定义的,最早是完全单独的一种规范,这与所谓体系结构并没有直接的关系,或者说EJB的意义和目标绝不只是在J2EE内封装商业逻辑,所以过于在框架内讨论EJB,或者说认为J2EE的弱点一定要蔓延到EJB上是否合适是值得探讨的。
EJB诞生的初期人们的兴奋关键在于这种模型吸收了以往组件技术的精华,并有很大发展,使人们看到了强健的商业组件制造成本降低的期望,特别是跨越平台的可装配性和移植性,这是软件工程界一直的梦想,因为这意味着企业端计算程序设计工业化和细致分工也许要成为可能。这种思想目前也影响了界面一级的应用,例如所谓的Portlet技术,IBM公司的WebSphere平台的技术也许不是可怕的,但是有几十个合作伙伴事实上给它提供了类似的合作,这才真正是让对手感到害怕的。因此我们谈论EJB的时候,谈论它的价值和作用,脱离了它的设计目标也就失去了更大的意义,以下的商业环境和软件技术瓶颈应该重新被审视:
1. 软件工程就重用领域来讲是否超越了组件时代,或者说已经不需要组件了?
2. 软件的重用是否只需要互调用而不需要重复装配,乃至装配到不同的部位?
3. 商业逻辑是否仍然需要封装,并保持强健的特性,不间断地服务
4. 组件和强健和可用性是互联特性能取代的吗?
5. 是否有更廉价的组件形式超越EJB并同样获得众多的支持?
6. .NET的组件标准和EJB是否有可比性,或者说什么组件形式和EJB才有可比性?
当冷静地思考的时候就知道,技术不应该被当作明星吹捧,但同样也没有容易倒下的软件技术。EJB不成熟,但不等于可以轻易被否定。是EJB使得很多普通的程序员能够介入原来贵族似的组件开发,甚至是简单的Windows上面开发UNIX上的组件,EJB的历史问题大多数在于将这种技术错误地滥用:一个浏览人数少的可怜广告浏览程序也要用组件,对于一个只想简单算出库存的客户设计了所谓N年后才需要的扩展性。同样现实中在这一技术擅长的领域,至少目前还无法找到更强大的竞争者。技术选择是应用型的技术人员永恒的主题,类似的困惑会不断的出现,最重要的是认同它们的理想和目标,保持对它们客观清醒的认识。放到擅长的领域的技术才是最优美的,这和人生没有什么两样。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









win10で一部のゲームをプレイすると、画面がフリーズしたり画面がぼやけるなどの不具合が多くのユーザーに発生しますが、現時点ではダイレクトプレイ機能をオンにすることで問題を解決でき、機能の操作方法も非常に簡単です。 win10 の古いコンポーネントである Directplay をインストールする方法 1. 検索ボックスに「コントロール パネル」と入力して開きます 2. 表示方法として大きなアイコンを選択します 3. 「プログラムと機能」を見つけます 4. 左側をクリックして有効にするか、 Win 機能をオフにする 5. ここで古いバージョンを選択します チェックボックスをオンにするだけです

StableDiffusion3 の論文がついに登場しました!このモデルは2週間前にリリースされ、Soraと同じDiT(DiffusionTransformer)アーキテクチャを採用しており、リリースされると大きな話題を呼びました。前バージョンと比較して、StableDiffusion3で生成される画像の品質が大幅に向上し、マルチテーマプロンプトに対応したほか、テキスト書き込み効果も向上し、文字化けが発生しなくなりました。 StabilityAI は、StableDiffusion3 はパラメータ サイズが 800M から 8B までの一連のモデルであると指摘しました。このパラメーター範囲は、モデルを多くのポータブル デバイス上で直接実行できることを意味し、AI の使用を大幅に削減します。

自動運転では軌道予測が重要な役割を果たしており、自動運転軌道予測とは、車両の走行過程におけるさまざまなデータを分析し、将来の車両の走行軌跡を予測することを指します。自動運転のコアモジュールとして、軌道予測の品質は下流の計画制御にとって非常に重要です。軌道予測タスクには豊富な技術スタックがあり、自動運転の動的/静的知覚、高精度地図、車線境界線、ニューラル ネットワーク アーキテクチャ (CNN&GNN&Transformer) スキルなどに精通している必要があります。始めるのは非常に困難です。多くのファンは、できるだけ早く軌道予測を始めて、落とし穴を避けたいと考えています。今日は、軌道予測に関するよくある問題と入門的な学習方法を取り上げます。関連知識の紹介 1. プレビュー用紙は整っていますか? A: まずアンケートを見てください。

この論文では、自動運転においてさまざまな視野角 (遠近法や鳥瞰図など) から物体を正確に検出するという問題、特に、特徴を遠近法 (PV) 空間から鳥瞰図 (BEV) 空間に効果的に変換する方法について検討します。 Visual Transformation (VT) モジュールを介して実装されます。既存の手法は、2D から 3D への変換と 3D から 2D への変換という 2 つの戦略に大別されます。 2D から 3D への手法は、深さの確率を予測することで高密度の 2D フィーチャを改善しますが、特に遠方の領域では、深さ予測に固有の不確実性により不正確さが生じる可能性があります。 3D から 2D への方法では通常、3D クエリを使用して 2D フィーチャをサンプリングし、Transformer を通じて 3D と 2D フィーチャ間の対応のアテンション ウェイトを学習します。これにより、計算時間と展開時間が増加します。

Angular フレームワークのコンポーネントのデフォルトの表示動作は、ブロックレベルの要素ではありません。この設計の選択により、コンポーネント スタイルのカプセル化が促進され、開発者が各コンポーネントの表示方法を意識的に定義することが促進されます。 CSS プロパティの表示を明示的に設定することで、Angular コンポーネントの表示を完全に制御して、目的のレイアウトと応答性を実現できます。

Win10 の古いバージョンのコンポーネントは、デフォルトで閉じられていることが多いため、ユーザー自身が設定で有効にする必要があります。まず、設定を入力する必要があります。操作は非常に簡単です。以下の手順に従ってください。Win10 の古いバージョンはどこにありますか?バージョン コンポーネント? 開く 1. [スタート] をクリックし、[Win システム] をクリックします 2. クリックしてコントロール パネルに入ります 3. 次に、下のプログラムをクリックします 4. [Win 機能を有効または無効にする] をクリックします 5. ここで必要なものを選択できます開く

この四角い男性は、目の前にいる「招かれざる客」の正体について考えながら眉をひそめていることに注意してください。彼女が危険な状況にあることが判明し、これに気づくと、彼女は問題を解決するための戦略を見つけるためにすぐに頭の中で探索を始めました。最終的に、彼女は現場から逃走し、できるだけ早く助けを求め、直ちに行動を起こすことにしました。同時に、反対側の人も彼女と同じことを考えていた……『マインクラフト』では、登場人物全員が人工知能によって制御されている、そんなシーンがありました。それぞれに個性的な設定があり、例えば先ほどの女の子は17歳ながら賢くて勇敢な配達員です。彼らは記憶力と思考力を持ち、Minecraft の舞台となるこの小さな町で人間と同じように暮らしています。彼らを動かすのはまったく新しいものであり、

9 月 23 日、論文「DeepModelFusion:ASurvey」が国立国防技術大学、JD.com、北京理工大学によって発表されました。ディープ モデルの融合/マージは、複数のディープ ラーニング モデルのパラメーターまたは予測を 1 つのモデルに結合する新しいテクノロジーです。さまざまなモデルの機能を組み合わせて、個々のモデルのバイアスとエラーを補償し、パフォーマンスを向上させます。大規模な深層学習モデル (LLM や基本モデルなど) での深層モデルの融合は、高い計算コスト、高次元のパラメーター空間、異なる異種モデル間の干渉など、いくつかの課題に直面しています。この記事では、既存のディープ モデル フュージョン手法を 4 つのカテゴリに分類します。 (1) 「パターン接続」。損失低減パスを介して重み空間内の解を接続し、より適切な初期モデル フュージョンを取得します。
