CshBBrainPP 安装配置运行和测试
1.项目的安装
从http://code.google.com/p/cshbbrainpp/downloads/list下载源代码包,解压。从Eclipse 导入项目。 在Eclipse编译项目没有错误提示即成功(项目编译要求jdk1.6及以上版本)。
2.项目的配置
2.1项目系统参数配置
项目参数文件位置:src/com/jason/config.properties
项目系统参数列表:
#the port of the server
#服务器所使用的端口
port=8080
#the priority of the thread in pool
#服务器工作线程的优先级,使用默认优先级即可
maxPriority=5
#the tmp folder
#图片服务器存放图片的根目录
serverRoot=e:/tmp/
#the factor of the work process thread per CPU kernel
#业务处理线程CPU内核因子,例如设置为5则表示每个CPU核将创建5个处理线程,如果你的服务器有4个内核,那么将创建5*4=20个处理线程
requestWorker=5
#the factor of the read writer monitor thread per CPU kernel
#网络数据读写监听线程CPU内核因子,例如设置为1则表示系统将为每个内核创建1个数据读写监听线程,你可以根据自己服务器的性能和需要配置2,4,8个读写监听线程每内核;设置将更加灵活
monitorWorker=1
#the buffer size of the read buffer,unit is KB
#网络数据读取缓存大小,单位是KB
readBuffer=5
#the buffer size of the write buffer,unit is KB
#网络数据发送缓存大小,单位是KB
writeBuffer=64
#the send buffer size of the system sockect
#系统相关的Sockect数据发送缓冲区大小,单位KB
sockectSendBufferSize=64
#the receive buffer of the system socket
#系统相关的Sockect数据接收缓冲区大小,单位KB
sockectReceiveBufferSize=5
#wheather the connection keep alive,1:keep alive,0:not keep alive
#设置服务器处理的连接是长连接,还是端连接,websocket服务器默认为长连接,不可更改
keepConnect=1
#the count of blank read
#设置服务器端空读多少次之后放弃读取客户端的数据
zoreFetchCount = 10
#the min size and the max size of the buffer pool
#设置缓冲区池的最大值和最小值
minBufferPoolSize=1000
maxBufferPoolSize=1000
#whether open the broadcast thread
#设置系统是否开启广播线程
broadSwitch=0
2.2系统日志配置
系统日志文件位置:src/log4j.properties
日志的配置请按照标准的log4j日志进行配置即可
3.项目运行
找到src/com/jason/server/ws/Server.java文件,作为application运行即可启动程序。
服务器启动成功后,默认会输出如下日志:
2013-2-5 11:23:46 com.jason.server.MasterServer$ReadWriteMonitor <init>
信息: 数据读取回写监听线程创建成功:请求数据传输监听线程0
2013-2-5 11:23:46 com.jason.server.MasterServer$ReadWriteMonitor createProcessDistributer
信息: 请求处理调度线程创建完毕
2013-2-5 11:23:46 com.jason.server.MasterServer$ReadWriteMonitor <init>
信息: 数据读取回写监听线程创建成功:请求数据传输监听线程1
2013-2-5 11:23:46 com.jason.server.MasterServer$ReadWriteMonitor createProcessDistributer
信息: 请求处理调度线程创建完毕
2013-2-5 11:23:46 com.jason.server.MasterServer createConnectDistributeThread
信息: 连接监听线程创建成功
2013-2-5 11:23:46 com.jason.server.MasterServer startMonitor
信息: 服务器准备就绪,等待请求到来
4.项目测试
找到项目下的图片目录下的图片文件,在浏览器中输入访问地址,比如服务器ip为192.168.1.220,端口为8080,图片目录下有一张图片名为/20130124102202.jpg.在浏览器输入:http://192.168.1.220:8080/20130124102202.jpg回车,即可看到浏览器中显示图片了。在服务器的后台输出你看到如下信息表示请求处理成功:
访问URL2013-02-05 11:25:08:GET /20130124102202.jpg HTTP/1.1
Host: 192.168.1.220:8080
Connection: keep-alive
Cache-Control: no-cache
Pragma: no-cache
User-Agent: Mozilla/5.0 (iPhone; CPU iPhone OS 5_0 like Mac OS X) AppleWebKit/534.46 (KHTML, like Gecko) Version/5.1 Mobile/9A334 Safari/7534.48.3
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
Accept-Encoding: gzip,deflate,sdch
Accept-Language: zh-CN,zh;q=0.8
Accept-Charset: GBK,utf-8;q=0.7,*;q=0.3
2013-2-5 11:25:09 com.jason.server.Response write
信息: the postion of the data in write: 0
2013-2-5 11:25:09 com.jason.server.Response write
信息: translate size:448127
2013-2-5 11:25:09 com.jason.server.Response write
信息: 向客户端传输数据的长度 : 448127
好了,你现在就可以通过CshBBrainPP来访问你的图片了。
相关推荐
开源图片服务器 CshBBrainPP ,CshBBrainPP 是一款基于JAVA的开源图片服务器,只提供上传图片和下载图片服务;基于NIO...
天然气汽车供气系统减压装置毕业设计(cad+设计方案)
PHP+SQL考勤系统安全性实现(源代码+论文+答辩PPT+指导书)
NumPy 的用途是什么
毕业设计 基于javaweb的在线答题平台
基于MATLAB的pca人脸识别.zip
课设毕设基于SSM的系统源码可运行
JAVAWML信息查询与后端信息发布系统实现——WML信息查询设计(源代码+LW)
毕业设计[整站程序]情感家园站 v3.0 For 个人版_qgweb30fp.zip
可以自动刷课,执行重复的脚本工作,内有详细操作教程。支持WIN7---WIN10系统。
Java项目之实验室计算机故障报修系统(源码) 开发语言:Java 框架:ssm 技术:JSP JDK版本:JDK1.8 服务器:tomcat7 数据库:mysql 5.7(一定要5.7版本) 数据库工具:Navicat11 开发软件:eclipse/myeclipse/idea Maven包:Maven3.3.9
协同过滤算法(Collaborative Filtering)是一种经典的推荐算法,其基本原理是“协同大家的反馈、评价和意见,一起对海量的信息进行过滤,从中筛选出用户可能感兴趣的信息”。它主要依赖于用户和物品之间的行为关系进行推荐。 协同过滤算法主要分为两类: 基于物品的协同过滤算法:给用户推荐与他之前喜欢的物品相似的物品。 基于用户的协同过滤算法:给用户推荐与他兴趣相似的用户喜欢的物品。 协同过滤算法的优点包括: 无需事先对商品或用户进行分类或标注,适用于各种类型的数据。 算法简单易懂,容易实现和部署。 推荐结果准确性较高,能够为用户提供个性化的推荐服务。 然而,协同过滤算法也存在一些缺点: 对数据量和数据质量要求较高,需要大量的历史数据和较高的数据质量。 容易受到“冷启动”问题的影响,即对新用户或新商品的推荐效果较差。 存在“同质化”问题,即推荐结果容易出现重复或相似的情况。 协同过滤算法在多个场景中有广泛的应用,如电商推荐系统、社交网络推荐和视频推荐系统等。在这些场景中,协同过滤算法可以根据用户的历史行为数据,推荐与用户兴趣相似的商品、用户或内容,从而提高用户的购买转化率、活跃度和社交体验。 未来,协同过滤算法的发展方向可能是结合其他推荐算法形成混合推荐系统,以充分发挥各算法的优势。
JAVAWEB校园二手平台项目,基本功能包括:个人信息、商品管理;交易商品板块管理等。本系统结构如下: (1)本月推荐交易板块: 电脑及配件:实现对该类商品的查询、用户留言功能 通讯器材:实现对该类商品的查询、用户留言功能 视听设备:实现对该类商品的查询、用户留言功能 书籍报刊:实现对该类商品的查询、用户留言功能 生活服务:实现对该类商品的查询、用户留言功能 房屋信息:实现对该类商品的查询、用户留言功能 交通工具:实现对该类商品的查询、用户留言功能 其他商品:实现对该类商品的查询、用户留言功能 (2)载入个人用户: 用户登陆 用户注册 (3)个人平台: 信息管理:实现对商品的删除、修改、查询功能 添加二手信息:实现对新商品的添加 修改个人资料:实现对用户个人信息的修改 注销
协同过滤算法(Collaborative Filtering)是一种经典的推荐算法,其基本原理是“协同大家的反馈、评价和意见,一起对海量的信息进行过滤,从中筛选出用户可能感兴趣的信息”。它主要依赖于用户和物品之间的行为关系进行推荐。 协同过滤算法主要分为两类: 基于物品的协同过滤算法:给用户推荐与他之前喜欢的物品相似的物品。 基于用户的协同过滤算法:给用户推荐与他兴趣相似的用户喜欢的物品。 协同过滤算法的优点包括: 无需事先对商品或用户进行分类或标注,适用于各种类型的数据。 算法简单易懂,容易实现和部署。 推荐结果准确性较高,能够为用户提供个性化的推荐服务。 然而,协同过滤算法也存在一些缺点: 对数据量和数据质量要求较高,需要大量的历史数据和较高的数据质量。 容易受到“冷启动”问题的影响,即对新用户或新商品的推荐效果较差。 存在“同质化”问题,即推荐结果容易出现重复或相似的情况。 协同过滤算法在多个场景中有广泛的应用,如电商推荐系统、社交网络推荐和视频推荐系统等。在这些场景中,协同过滤算法可以根据用户的历史行为数据,推荐与用户兴趣相似的商品、用户或内容,从而提高用户的购买转化率、活跃度和社交体验。 未来,协同过滤算法的发展方向可能是结合其他推荐算法形成混合推荐系统,以充分发挥各算法的优势。
Java游戏设计打飞机程序(源代码+LW)
Matlab实现CoMP多用户注水算法在最最基础的注水算法的基础上,实现了在功率受限速率受限的情况下CoMP多用户的功率分配.zip
自己写代码实现 Eigenface 人脸识别的训练与识别过程,纯手工实现 假设每张人脸图像只有一张人脸,且两只眼睛位置已知(即可人工标注给出)。每张图像的眼睛位置存在相应目录下的一个与图像文件名相同但后缀名为 txt 的文本文件里,文本文件中用一行、以空格分隔的 4 个数字表示,分别对应于两只眼睛中心在图像中的位置; 实现两个程序过程(两个执行文件),分别对应训练与识别; 自己构建一个人脸库(至少 40 人,包括自己),课程主页提供一个人脸库可选用; 不能直接调用 OpenCV 里面与 Eigenface 相关的一些函数,特征值与特征向量求解函数可以调用;只能用 C/C++/Python,不能用其他编程语言;GUI 只能用 OpenCV 自带的 HighGUI,不能用 QT 或其他的;平台可以用 Win/Linux/MacOS,建议 Win 优先;
有源电力滤波器的控制在MATLAB下的发展。三相电源电压是基于hysterezis正弦电流调节器.zip
BCH码的MATLAB程序源代码.zip
基于java的一个简单的即时通讯工具的设计与开发(源代码+LW)