社区
高性能WEB开发
帖子详情
请教:用JSP开发的B/S结构程序如何设置使其后台运行
yifan1234
2011-12-23 03:42:18
目前做的一个项目,使用JSP开发的B/S结构的程序,tomcat作为服务器;查询数据库系统进行年月日查询统计,由于月和年查询统计需要的时间比较长,所以要求程序在后台运行查询,统计完成之后保存到后台,等到用户下次登录时提示其统计完成并让其查看统计结果。关键是这程序如何设置才会在后台运行啊????请教各位大侠帮忙,先谢谢!
...全文
412
10
打赏
收藏
请教:用JSP开发的B/S结构程序如何设置使其后台运行
目前做的一个项目,使用JSP开发的B/S结构的程序,tomcat作为服务器;查询数据库系统进行年月日查询统计,由于月和年查询统计需要的时间比较长,所以要求程序在后台运行查询,统计完成之后保存到后台,等到用户下次登录时提示其统计完成并让其查看统计结果。关键是这程序如何设置才会在后台运行啊????请教各位大侠帮忙,先谢谢!
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
10 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
yyw6637
2013-02-21
打赏
举报
回复
可以用存储过程,也可以写个windons服务,调用你们类
永恒的罗纳尔多
2013-02-19
打赏
举报
回复
可以使用java的异步编程啊。 也就是第一次请求的时候开一个新的线程,新的线程实现数据统计,完成之后将数据放在后台
yunhayuna
2013-02-18
打赏
举报
回复
楼上正解貌似
huifeng773950918
2013-02-16
打赏
举报
回复
对于大数据查询,你可以写一个存储过程,每次启动的时候就先去查询统计,然后把数据保存到缓存中,同时设置一个定时器每隔多少时间再去统计一下数据,这样就可以保持客户端获取的数据更加精确。
上帝的无名指
2013-02-16
打赏
举报
回复
楼主要做的应该完全用数据库完成。 以oracle为例,可以写的定时任务,执行存储过程,这存储过程用来按年月等统计一些表的数据,然后放入另外一个表,供用户查询。
Coder_Jiang
2013-02-13
打赏
举报
回复
不是十分清晰楼主的架构,但是如果用AJAX发送一个请求,然后服务器计算后把结果保存在某处,下次访问的时候直接提取结果,这样不知道是不是能满足你的需求。
888888888888
2013-02-06
打赏
举报
回复
在你的程序中调用后台数据库的存储过程.
microfox2
2011-12-31
打赏
举报
回复
去了解下callable接口
yifan1234
2011-12-29
打赏
举报
回复
不是很熟悉线程、定时器,能给个例子吗?谢谢!
flyxxxxx
2011-12-24
打赏
举报
回复
你不会用线程、Timer这些东西啊。
情感分析数据集-自然语言处理数据集Yelp
数据集概述 本数据集用于情感分析,主要针对Yelp评论,通过比较两种先进的模型——Hugging Face的bert-base-multilingual-uncased和cardiffnlp/twitter-roberta-base-sentiment-latest来分析评论中的情感表达。 模型使用 BERT Multilingual Uncased: 适用于理解多种语言,特别适合处理Yelp评论中多样化的语言特性。 Twitter RoBERTa: 专门针对情感分析进行微调,擅长理解英语情感的细微差别。 构建方式 Yelp Reviews Dataset的构建基于Yelp平台上用户提交的评论数据。该数据集通过爬虫技术从Yelp网站上抓取,涵盖了多个国家和地区的餐厅、服务和商品的评论。数据收集过程中,确保了评论的完整性和真实性,同时对文本进行了预处理,包括去除HTML标签、特殊字符和停用词,以保证数据的质量和可用性。 特点 Yelp Reviews Dataset的特点在于其广泛的地理覆盖和多样化的评论内容。数据集包含了数百万条评论,涵盖了从星级评价到详细文本反馈的多种信息形式。此外,该数据集还提供了用户、商家和评论之间的关联信息,使得研究者可以进行多维度的分析。评论的情感倾向和语言风格也为自然语言处理和情感分析提供了丰富的素材。 使用方法 Yelp Reviews Dataset可用于多种研究目的,包括但不限于情感分析、用户行为研究、推荐系统构建和市场分析。研究者可以通过分析评论文本,提取用户的情感倾向和偏好,进而优化推荐算法或改进服务质量。此外,该数据集还可用于训练和验证自然语言处理模型,如情感分类器和文本生成模型。使用时,建议根据具体研究需求选择合适的子集和特征进行分析。 背景与挑战 背景概述 Yelp Reviews Dataset,作为在线评论平台Yelp的核心
基于Python卷积神经网络人脸识别驾驶员疲劳检测与预警系统设计
本项目旨在
开发
一个基于Python的卷积神经网络(CNN)人脸识别系统,用于检测驾驶员的疲劳状态并及时发出预警。该系统主要通过分析驾驶员的面部特征,如打哈欠、眨眼和点头等行为,来判断驾驶员是否处于疲劳状态,从而提高驾驶安全性。
开发
环境 IDE: PyCharm 编程语言: Python 3.6 算法: 卷积神经网络(CNN) 系统功能 本系统主要分为三个部分: 打哈欠检测:通过检测驾驶员的嘴巴张合程度来判断是否打哈欠。 眨眼检测:通过分析驾驶员的眼睛开合度和眨眼频率来判断是否疲劳。 点头检测:通过检测驾驶员的头部姿态变化来判断是否疲劳。 疲劳检测原理 人在疲倦时通常会出现以下两种状态: 眨眼:正常情况下,人的眼睛每分钟大约会眨动10-15次,每次眨眼大约0.2-0.4秒。当人疲劳时,眨眼次数会增加,速度也会变慢。 打哈欠:疲劳时,人的嘴巴会张大并保持一定状态。 因此,通过检测眼睛的开合度、眨眼频率以及嘴巴的张合程度,可以判断一个人是否处于疲劳状态。 检测工具 本项目使用dlib库进行人脸检测和关键点定位。shape_predictor_68_face_landmarks.dat是一个用于人脸68个关键点检测的模型库,能够方便地进行人脸检测和应用。 眨眼计算原理 计算眼睛的宽高比(Eye Aspect Ratio, EAR)是判断眨眼状态的关键。当人眼睁开时,EAR值较大;当人眼闭合时,EAR值较小。通过实时计算EAR值的变化,可以判断驾驶员是否在眨眼。
实验报告六--相关图片.docx
实验报告六--相关图片.docx
电气控制原理图纸自耦降压起动柜原理图
电气控制原理图纸自耦降压起动柜原理图
负荷预测基于CEEMDAN-LSTM的负荷预测研究(Python代码实现)
【负荷预测】基于CEEMDAN-LSTM的负荷预测研究(Python代码实现)
高性能WEB开发
25,980
社区成员
4,366
社区内容
发帖
与我相关
我的任务
高性能WEB开发
高性能WEB开发
复制链接
扫一扫
分享
社区描述
高性能WEB开发
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章