首頁 資料庫 mysql教程 EJB组件与可重用性的矛盾_MySQL

EJB组件与可重用性的矛盾_MySQL

Jun 01, 2016 pm 02:06 PM
ejb 科技 組件

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。

本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

Video Face Swap

Video Face Swap

使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

如何安裝Win10舊版元件DirectPlay 如何安裝Win10舊版元件DirectPlay Dec 28, 2023 pm 03:43 PM

不少用戶在玩win10的的一些遊戲的時候總是會遇到一些問題,比如說卡屏和花屏等等情況,這個時候我們是可以採用打開directplay這個功能來解決的,而且功能的操作方法也很簡單。 win10舊版元件directplay怎麼安裝1、在搜尋框裡面輸入「控制台」然後開啟2、檢視方式選擇大圖示3、找到「程式與功能」4、點選左側的啟用或關閉win功能5、選擇舊版這裡的勾選上就可以了

Stable Diffusion 3論文終於發布,架構細節大揭秘,對復現Sora有幫助? Stable Diffusion 3論文終於發布,架構細節大揭秘,對復現Sora有幫助? Mar 06, 2024 pm 05:34 PM

StableDiffusion3的论文终于来了!这个模型于两周前发布,采用了与Sora相同的DiT(DiffusionTransformer)架构,一经发布就引起了不小的轰动。与之前版本相比,StableDiffusion3生成的图质量有了显著提升,现在支持多主题提示,并且文字书写效果也得到了改善,不再出现乱码情况。StabilityAI指出,StableDiffusion3是一个系列模型,其参数量从800M到8B不等。这一参数范围意味着该模型可以在许多便携设备上直接运行,从而显著降低了使用AI

自動駕駛與軌跡預測看這篇就夠了! 自動駕駛與軌跡預測看這篇就夠了! Feb 28, 2024 pm 07:20 PM

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

DualBEV:大幅超越BEVFormer、BEVDet4D,開卷! DualBEV:大幅超越BEVFormer、BEVDet4D,開卷! Mar 21, 2024 pm 05:21 PM

這篇論文探討了在自動駕駛中,從不同視角(如透視圖和鳥瞰圖)準確檢測物體的問題,特別是如何有效地從透視圖(PV)到鳥瞰圖(BEV)空間轉換特徵,這一轉換是透過視覺轉換(VT)模組實施的。現有的方法大致分為兩種策略:2D到3D和3D到2D轉換。 2D到3D的方法透過預測深度機率來提升密集的2D特徵,但深度預測的固有不確定性,尤其是在遠處區域,可能會引入不準確性。而3D到2D的方法通常使用3D查詢來採樣2D特徵,並透過Transformer學習3D和2D特徵之間對應關係的注意力權重,這增加了計算和部署的

Angular元件及其顯示屬性:了解非block預設值 Angular元件及其顯示屬性:了解非block預設值 Mar 15, 2024 pm 04:51 PM

Angular框架中元件的預設顯示行為不是區塊級元素。這種設計選擇促進了元件樣式的封裝,並鼓勵開發人員有意識地定義每個元件的顯示方式。透過明確設定CSS屬性 display,Angular組件的顯示可以完全控制,從而實現所需的佈局和響應能力。

如何開啟win10舊版組件的設置 如何開啟win10舊版組件的設置 Dec 22, 2023 am 08:45 AM

win10舊版元件是需要使用者自己去設定裡面打開的,因為很多的元件平時都是預設關閉的狀態,首先我們需要進入到設定裡面,操作很簡單,跟著下面的步驟來就可以了win10舊版元件在哪裡開啟1、點選開始,然後點選「win系統」2、點選進入控制台3、再點選下面的程式4、點選「啟用或關閉win功能」5、在這裡就可以選擇你要的開啟了

綜述!深度模型融合(LLM/基礎模型/聯邦學習/微調等) 綜述!深度模型融合(LLM/基礎模型/聯邦學習/微調等) Apr 18, 2024 pm 09:43 PM

23年9月國防科大、京東和北理工的論文「DeepModelFusion:ASurvey」。深度模型整合/合併是一種新興技術,它將多個深度學習模型的參數或預測合併為一個模型。它結合了不同模型的能力來彌補單一模型的偏差和錯誤,以獲得更好的性能。而大規模深度學習模型(例如LLM和基礎模型)上的深度模型整合面臨一些挑戰,包括高運算成本、高維度參數空間、不同異質模型之間的干擾等。本文將現有的深度模型融合方法分為四類:(1)“模式連接”,透過一條損失減少的路徑將權重空間中的解連接起來,以獲得更好的模型融合初

《我的世界》化身AI小鎮,NPC居民角色扮演如同真人 《我的世界》化身AI小鎮,NPC居民角色扮演如同真人 Jan 02, 2024 pm 06:25 PM

請留意,這個方塊人正在緊鎖眉頭,思考著面前幾位「不速之客」的身份。原來她陷入了危險境地,意識到這一點後,她迅速展開腦力搜索,尋找解決問題的策略。最終,她決定先逃離現場,然後儘快尋求幫助,並立即採取行動。同時,對面的人也在進行著與她相同的思考……在《我的世界》中出現了這樣一個場景,所有的角色都由人工智慧控制。他們每個人都有著獨特的身份設定,例如之前提到的女孩就是一個年僅17歲但聰明又勇敢的快遞員。他們擁有記憶和思考能力,在這個以《我的世界》為背景的小鎮中像人類一樣生活。驅動他們的,是一款全新的、

See all articles