小菜鸟

java菜鸟号正在起航

0%

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 2.3k 阅读时长 ≈ 2 分钟

Struts2 工作流程详解：从请求到响应的完整生命周期

Struts2 作为基于 MVC 模式的 Web 框架，其核心工作流程围绕拦截器链和Action 处理展开，通过分层设计实现请求的接收、处理与响应。以下是对其工作流程的详细拆解：

Struts2 工作流程总览

Struts2 的工作流程可概括为 “拦截器预处理→Action 业务处理→拦截器后处理→结果响应”，具体步骤如下：

  1. 客户端发送请求（如http://localhost:8080/struts/userAction/test.action）；
  2. 请求被核心过滤器StrutsPrepareAndExecuteFilter拦截；
  3. 框架解析请求，匹配struts.xml中对应的 Action 配置；
  4. 请求经过拦截器链的预处理（如参数封装、校验、日志记录等）；
  5. 创建 Action 实例，调用指定方法（如test()）执行业务逻辑；
  6. Action 返回结果标识（如"success"）；
  7. 框架根据结果标识匹配struts.xml中的<result>，生成响应视图；
  8. 请求再次经过拦截器链的后处理（如资源清理、事务提交等）；
  9. 响应结果返回给客户端。

核心步骤详解

1. 请求拦截与初始化（StrutsPrepareAndExecuteFilter）

阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 5.3k 阅读时长 ≈ 5 分钟

Struts2 入门示例：从配置到请求处理的完整流程

Struts2 是一款经典的 Java Web MVC 框架，通过拦截器机制处理请求，将业务逻辑与视图展示分离。本文基于提供的示例代码，详细讲解 Struts2 的第一个应用如何搭建，包括核心依赖、配置文件、Action 类编写及请求访问流程。

环境准备与核心依赖

1. 导入 Struts2 核心包

使用 Maven 构建项目时，需在pom.xml中添加 Struts2 核心依赖：

1
2
3
4
5
<dependency>
  <groupId>org.apache.struts</groupId>
  <artifactId>struts2-core</artifactId>
  <version>2.5.22</version> <!-- 版本需根据实际需求选择 -->
</dependency>

该依赖包含 Struts2 的核心类（如拦截器、Action 支持类）和默认配置文件（如struts-default.xml）。

Web.xml 配置：Struts2 拦截器的注册

Struts2 通过拦截器接收所有 Web 请求，因此需在web.xml中配置其核心过滤器StrutsPrepareAndExecuteFilter：

阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 6.9k 阅读时长 ≈ 6 分钟

XML 格式验证：DTD 与 XML Schema 详解

XML（可扩展标记语言）的灵活性使其广泛应用于数据交换和存储，但这种灵活性也带来了格式混乱的风险。为确保 XML 文档的结构合法性和数据有效性，需要通过语义约束机制进行验证。目前主流的 XML 验证方式有两种：DTD（文档类型定义） 和XML Schema（XML 模式）。

DTD（Document Type Definition，文档类型定义）

DTD 是最早的 XML 语义约束标准，通过定义元素、属性、实体等规则，规范 XML 文档的结构。它语法简单，易于理解，但功能有限。

DTD 的引入方式

DTD 可以嵌入 XML 文档内部，或作为外部文件引用，主要有三种引入方式：

（1）内部 DTD

DTD 规则直接定义在 XML 文档内部，仅对当前文档有效。

语法格式：

1
2
3
4
5
<?xml version="1.0"?>
<!DOCTYPE 根元素 [
  <!-- DTD规则定义 -->
]>
<!-- XML文档内容 -->

示例：

1
2
3
4
5
6
7
8
9
10
11
12
<?xml version="1.0"?>
<!DOCTYPE note [
  <!ELEMENT note (to, from, body)>  <!-- note元素必须包含to、from、body子元素，顺序固定 -->
  <!ELEMENT to (#PCDATA)>          <!-- to元素只能包含文本 -->
  <!ELEMENT from (#PCDATA)>        <!-- from元素只能包含文本 -->
  <!ELEMENT body (#PCDATA)>        <!-- body元素只能包含文本 -->
]>
<note>
  <to>ll</to>
  <from>zh</from>
  <body>hello</body>
</note>
（2）外部 DTD

DTD 规则存储在独立的.dtd文件中，可被多个 XML 文档共享，便于维护。

语法格式：

1
2
3
<?xml version="1.0"?>
<!DOCTYPE 根元素 SYSTEM "外部DTD文件路径">
<!-- XML文档内容 -->
阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 5.3k 阅读时长 ≈ 5 分钟

MapReduce 数据清洗（ETL）：从杂乱数据到可用信息

数据清洗是大数据处理的前置关键步骤，旨在去除无效、错误或冗余数据，为后续分析提供高质量输入。在 MapReduce 中，数据清洗通常只需通过 Mapper 程序实现，无需 Reduce 阶段，大幅提升效率。本文将详细解析数据清洗的原理、实现方式及实战案例。

数据清洗的核心目标与场景

核心目标

数据清洗（ETL 中的 “Extract-Transform” 环节）的核心是 “去伪存真”，具体包括：

  • 去除无效数据：过滤格式错误、缺失关键字段或不符合业务规则的数据；
  • 标准化格式：将数据转换为统一格式（如日期、数值格式统一）；
  • 去除冗余数据：删除重复记录或无用字段；
  • 数据补全：对缺失的非关键字段进行合理填充（如默认值）。

典型应用场景

  • 日志清洗：从用户行为日志中过滤爬虫数据、格式错误的日志；
  • 数据校验：验证订单数据中的金额、日期等字段合法性；
  • 格式转换：将非结构化文本转换为结构化键值对；
  • 重复数据删除：去除数据库同步过程中产生的重复记录。

MapReduce 数据清洗的实现原理

为何无需 Reduce 阶段？

数据清洗的核心是 过滤和转换，通常无需聚合操作，因此可省略 Reduce 阶段：

  • Mapper 负责清洗：读取原始数据，按规则过滤或转换后直接输出；
  • 无 Shuffle 开销：不设置 ReduceTask（job.setNumReduceTasks(0)），避免中间数据传输和排序；
  • 效率更高：数据直接从 Mapper 输出到 HDFS，减少磁盘 I/O 和 CPU 消耗。
阅读全文 »

发表于 更新于 分类于 阅读次数： Valine：
本文字数： 3.7k 阅读时长 ≈ 3 分钟

ReduceTask工作机制深度解析：从数据聚合到最终结果

ReduceTask 是 MapReduce 框架中执行 Reduce 阶段计算的核心组件，负责将 Map 阶段输出的中间结果进行 聚合、排序和最终计算。其执行效率直接影响整个作业的完成速度。本文将详细拆解 ReduceTask 的工作流程、核心机制及优化策略。

ReduceTask 工作流程总览

ReduceTask 的执行过程可分为 4 个核心阶段，依次为：Copy（复制）→ Merge（合并）→ Sort（排序）→ Reduce（计算）。整体流程如下：

flowchart TD  
    A[Map 输出文件] -->|Copy 阶段| B[ReduceTask 拉取分区数据]  
    B -->|Merge 阶段| C[内存/磁盘合并数据]  
    C -->|Sort 阶段| D[按 Key 分组排序]  
    D -->|Reduce 阶段| E[执行 reduce 函数输出结果]  
    E --> F[写入 HDFS 最终结果]

ReduceTask 各阶段详细解析

1. Copy 阶段：数据复制与拉取

Copy 阶段是 ReduceTask 的起点，负责从多个 MapTask 所在节点 并行拉取 属于当前分区的中间结果数据。

阅读全文 »