有关apache反向代理问题,请各位大侠帮忙看看,很诡异。

sunnylei258 2012-07-20 10:16:12
大家好,我现在在做一个apache反向代理的东东,但是遇到麻烦了。
情况是这样的,我有一台A电脑、linux服务器一台。A电脑不能连接外网,但是可以访问内网资源。我通过A电脑登陆某系统,在该系统中有一个url链接(另一个系统),在A电脑可以连接外网的情况下,通过接口文档对URL的规范,可通过点击URL链接直接访问到另一个系统,并且根据URL传过去的参数什么的,不需要再次登录那个系统。
现在我的A电脑不能连外网的情况下,只能通过apache代理来实现,因为linux服务器是可以链接外网的。我这是一个weblogic的项目。 我具体的配置如下:

<VirtualHost *:9595>
#DocumentRoot "/opt/aspire/product/admincs/lyj/apache/htdocs"
ServerName admin.fj.monternet.com
ProxyRequests On

#百度
ProxyPass /ps http://220.181.111.147/
ProxyPassReverse /ps http://220.181.111.147/
#1系统
ProxyPass /qb http://335.85.35.24
ProxyPassReverse /qb http://335.85.35.24
#2系统
ProxyPass /fx http://335.85.35.24/cs/(S(g5r3h345rrosyz55dufmw4i3))/login.aspx?ReturnUrl=%2fcs%2fDefault.aspx
ProxyPassReverse /fx http://335.85.35.24/cs/(S(g5r3h345rrosyz55dufmw4i3))/login.aspx?ReturnUrl=%2fcs%2fDefault.aspx

ErrorLog logs/com-error_log
CustomLog logs/com-access_log common
TransferLog logs/hitranser.log
</VirtualHost>


我的apache的ip是10.1.3.212 端口是9595

我直接访问 http://10.1.3.212:9595/ps我可以直接访问到百度。
但是我在访问 http://10.1.3.212:9595/fx 就不可以了。
如果我这样访问就可以 http://10.1.3.212:9595/qb/cs/(S(g5r3h345rrosyz55dufmw4i3))/login.aspx?ReturnUrl=%2fcs%
因为1系统和2系统是一样的 只是URL不一样, 1系统的前面IP加2系统的后面附带的参数拼一起才能访问,但这个不是想要的结果,各位大侠帮忙看下。 我想要2系统那样的配置。 谢谢啦
...全文
401 4 打赏 收藏 转发到动态 举报
写回复
用AI写文章
4 条回复
切换为时间正序
请发表友善的回复…
发表回复
MiceRice 2012-07-20
  • 打赏
  • 举报
回复
你这个Proxy地址,带上了参数“?”,应该是有问题的。

去日志信息里面找找有没有错误信息吧。
MiceRice 2012-07-20
  • 打赏
  • 举报
回复
不是的,反向代理可以提交表单数据。

几乎所有的网站都不会直接把中间件直接暴露出去,都是会在前面安置Apache配反向代理做前置机。


404应该是反向代理转的地址错误,你要检查下日志,看看Apache所生成的地址是否正确,最好复制到浏览器去试试看。
因为baidu这种站点,往往是多集群协作的,你直接写死一个IP,恐怕未必能正常工作。
sunnylei258 2012-07-20
  • 打赏
  • 举报
回复
[Quote=引用 2 楼 的回复:]
你这个Proxy地址,带上了参数“?”,应该是有问题的。

去日志信息里面找找有没有错误信息吧。
[/Quote]
是因为附带参数的原因, 我现在可以通过代理去访问到百度了,但是我在搜索资源的时候,出现404的错误页面,我之前在网上听有人说,apache方向代理 不能提交表单数据。 我是该配置什么东西 还是怎么滴呢?怎么样才能搜索到资源。
内容概要:本文系统研究了Picard迭代法在非线性常微分方程参数估计中的应用,深入阐述了该方法的数学原理及其在参数辨识中的收敛性与稳定性优势。通过构建最小化误差的目标函数,并结合数值积分技术,采用迭代方式逐步逼近系统的真实参数值,有效解决了非线性动态系统中因缺乏解析解而难以进行精确建模的问题。文中提供了完整的Matlab代码实现,涵盖模型定义、迭代求解、参数更新与结果可视化等关键环节,增强了方法的可操作性与工程实用性。研究通过典型非线性系统案例验证了算法的有效性,展示了其在科学计算与工程建模中的良好适应性与推广潜力。; 适合人群:具备常微分方程理论、数值分析基础及Matlab编程能力,从事系统建模、参数辨识、动力学仿真等相关方向的研究生、科研人员和工程技术开发者。; 使用场景及目标:①解决实际工程中非线性微分方程模型的未知参数估计问题;②深入理解Picard迭代法在科学计算中的实现机制与数值特性;③为学术论文复现、科研项目开发或课程设计提供可运行、易调试的技术方案与代码参考。; 阅读建议:建议读者结合文中的数学推导与Matlab代码逐行分析,重点关注迭代流程、目标函数构造与数值积分的耦合实现,通过修改模型结构或噪声条件进行扩展实验,以深化对算法鲁棒性与适用边界的理解。配套资源可通过指定公众号和网盘链接获取,推荐同步学习以加速科研进程。
内容概要:本文详细介绍了一种基于多尺度集成极限学习机(Extreme Learning Machine, ELM)的回归方法,并提供了完整的Matlab代码实现。该方法通过构建多尺度特征表示与集成学习机制,有效提升了ELM在处理非线性、高维复杂数据时的预测精度与模型鲁棒性,特别适用于时间序列回归任务。文档不仅阐述了算法的核心原理与技术流程,还系统展示了其在风电功率预测等工程场景中的应用潜力。同时,文中附带了丰富的科研仿真案例集合,涵盖智能优化算法、深度学习、信号处理、电力系统调度等多个前沿方向,体现了多学科交叉融合的技术优势与实践价值。; 适合人群:具备一定Matlab编程能力,从事科学研究或工程应用的研究生、科研人员及工程技术开发者,尤其适合专注于机器学习、智能算法优化、新能源预测与电力系统建模等相关领域的专业人员。; 使用场景及目标:①用于风电、光伏、负荷等时间序列数据的高精度回归预测任务;②为科研工作者提供可复现的多尺度集成ELM模型代码框架,支持快速算法验证与二次开发;③满足实际工程项目中对高效建模、实时预测与智能决策的技术需求。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解多尺度特征构造与集成策略的设计思想,同时可参考文档中其他相关算法案例进行横向比较与综合应用,以提升整体科研创新能力。

67,535

社区成员

发帖
与我相关
我的任务
社区描述
J2EE只是Java企业应用。我们需要一个跨J2SE/WEB/EJB的微容器,保护我们的业务核心组件(中间件),以延续它的生命力,而不是依赖J2SE/J2EE版本。
社区管理员
  • Java EE
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧