System 发布的文章

2024-09-06

在Spring Boot项目中整合Druid数据库连接池，可以使用druid和druid-spring-boot-starter。以下是使用druid-spring-boot-starter整合Druid的步骤和示例配置代码：

添加依赖到pom.xml：




<!-- 添加Druid Spring Boot Starter -->
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>druid-spring-boot-starter</artifactId>
    <version>1.2.8</version>
</dependency>

在application.properties或application.yml中配置Druid属性：




# application.properties 示例配置
 
# 数据库连接信息
spring.datasource.url=jdbc:mysql://localhost:3306/yourdb
spring.datasource.username=root
spring.datasource.password=yourpassword
spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver
 
# Druid数据库连接池配置
spring.datasource.type=com.alibaba.druid.pool.DruidDataSource
 
spring.datasource.druid.initial-size=5
spring.datasource.druid.max-active=10
spring.datasource.druid.min-idle=5
spring.datasource.druid.max-wait=60000
spring.datasource.druid.validation-query=SELECT 1 FROM DUAL
spring.datasource.druid.test-on-borrow=false
spring.datasource.druid.test-on-return=false
spring.datasource.druid.test-while-idle=true
spring.datasource.druid.time-between-eviction-runs-millis=60000
spring.datasource.druid.min-evictable-idle-time-millis=300000
 
# 其他Druid配置，如StatFilter、WallFilter等

或者使用YAML格式：




spring:
  datasource:
    url: jdbc:mysql://localhost:3306/yourdb
    username: root
    password: yourpassword
    driver-class-name: com.mysql.cj.jdbc.Driver
    type: com.alibaba.druid.pool.DruidDataSource
    druid:
      initial-size: 5
      max-active: 10
      min-idle: 5
      max-wait: 60000
      validation-query: SELECT 1 FROM DUAL
      test-on-borrow: false
      test-on-return: false
      test-while-idle: true
      time-between-eviction-runs-millis: 60000
      min-evictable-idle-time-millis: 300000

确保application.properties或application.yml中的配置被Spring Boot正确加载。
启动Spring Boot应用，Druid将自动配置并启动监控服务。
通过http://localhost:8080/druid访问Druid监控页面（默认端口9090，可以在配置中更改）。

以上步骤和配置足以在Spring Boot项目中整合Druid数据库连接池。如果需要自定义Druid的监控页面或者配置更多的Druid特性，可以添加相应的配置类来实现。

Ubuntu22.04安装samba笔记

2024-09-06

在Ubuntu 22.04上安装Samba服务并配置一个简单的共享目录可以通过以下步骤完成：

更新软件包列表：




sudo apt update

安装Samba服务：




sudo apt install samba

配置Samba。编辑Samba配置文件/etc/samba/smb.conf：




sudo nano /etc/samba/smb.conf

在文件末尾添加以下内容，配置一个简单的共享目录（替换<directory_path>为你想要共享的实际目录路径）：




[sambashare]
   path = <directory_path>
   read only = no
   browsable = yes

重启Samba服务以应用配置更改：




sudo systemctl restart smbd

（可选）如果你想要允许外部访问，你可能需要调整防火墙规则来允许Samba通信：




sudo ufw allow samba

设置Samba账户。首先，创建一个Samba用户，并设置密码：




sudo adduser <username>
sudo smbpasswd -a <username>




sudo chown -R <username>:<username> <directory_path>

完成以上步骤后，你应该能够从网络上的其他计算机访问Samba共享。使用之前创建的用户名和密码登录。

Spring AI -使用Spring快速开发ChatGPT应用

2024-09-06




import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import ai.spring.api.ChatApi;
import ai.spring.model.ChatCompletionResponse;
import ai.spring.model.ChatCompletionRequest;
 
@Service
public class ChatGPTService {
 
    @Autowired
    private ChatApi chatApi;
 
    public String generateResponse(String message) {
        ChatCompletionRequest request = new ChatCompletionRequest()
            .prompt(message)
            .maxTokens(50)
            .model("text-davinci-003");
        ChatCompletionResponse response = chatApi.createChatCompletion(request);
        return response.getChoices().get(0).getText();
    }
}

这段代码展示了如何使用Spring框架和Spring AI SDK来创建一个简单的服务，用于与ChatGPT交流。ChatGPTService类中注入了ChatApi，这是Spring AI SDK提供的用于与Spring Chat API交互的客户端。generateResponse方法接收一个消息，创建一个ChatCompletionRequest，并发送给Chat API以生成响应。然后它返回了API返回的第一个可能的答案。

Spring Cloud + Nacos多服务多实例本地测试

2024-09-06

在进行Spring Cloud与Nacos的多服务多实例本地测试时，可以通过修改本地的hosts文件来模拟域名解析，并且配置Nacos作为服务注册中心。以下是一个简化的步骤和示例：

修改本地的hosts文件（在Windows系统中是C:\Windows\System32\drivers\etc\hosts，在Linux或Mac系统中是/etc/hosts），添加以下内容：




127.0.0.1 service-provider.com
127.0.0.1 service-consumer.com

这样，当你访问service-provider.com或service-consumer.com时，实际上会被解析为本地地址127.0.0.1。

确保Nacos服务端正常运行。
在Spring Cloud服务提供者的application.properties或application.yml配置文件中，设置注册中心地址和服务名：




spring.application.name=service-provider
spring.cloud.nacos.discovery.server-addr=127.0.0.1:8848
spring.cloud.nacos.discovery.namespace=命名空间ID（如果使用命名空间）

在Spring Cloud服务消费者的配置中同样设置注册中心地址和服务名。
如果需要启动多个服务实例，可以复制服务提供者的启动类，并修改端口号。例如：




@SpringBootApplication
public class ServiceProviderApplication {
    public static void main(String[] args) {
        SpringApplication.run(ServiceProviderApplication.class, args);
    }
 
    @Bean
    public WebServerFactoryCustomizer<ConfigurableWebServerFactory> webServerFactoryCustomizer() {
        return factory -> {
            if (factory instanceof TomcatServletWebServerFactory) {
                TomcatServletWebServerFactory tomcatFactory = (TomcatServletWebServerFactory) factory;
                tomcatFactory.setPort(8081); // 修改端口号
            }
        };
    }
}

重复以上步骤启动多个服务实例。
最后，启动Nacos控制台，并通过Nacos控制台查看服务实例是否已注册并健康。

以上步骤和示例代码提供了一个本地测试多服务多实例的简化方案。在实际的生产环境中，你可能需要进一步配置如负载均衡等功能。

MyBatis：批量添加记录

2024-09-06

在MyBatis中，批量添加记录通常使用<foreach>标签来构建SQL语句。以下是一个示例，假设我们有一个名为User的表，它有两个字段：id和name。

首先，在你的mapper接口中定义一个用于批量插入的方法：




public interface UserMapper {
    void insertUsers(List<User> users);
}

然后，在mapper的XML文件中定义对应的SQL语句：




<mapper namespace="com.example.mapper.UserMapper">
    <insert id="insertUsers">
        INSERT INTO User (id, name)
        VALUES
        <foreach collection="list" item="user" separator=",">
            (#{user.id}, #{user.name})
        </foreach>
    </insert>
</mapper>

在这个例子中，<foreach>标签被用来遍历传入的users列表，并为每个User对象生成一组值，使用逗号作为分隔符。

最后，在你的服务层或者业务逻辑层中调用这个方法：




List<User> users = new ArrayList<>();
users.add(new User(1, "Alice"));
users.add(new User(2, "Bob"));
users.add(new User(3, "Charlie"));
 
UserMapper userMapper = sqlSession.getMapper(UserMapper.class);
userMapper.insertUsers(users);

确保在调用方法之前已经正确地开启了一个SqlSession，并在完成操作后正确提交或回滚事务。

2024-09-06

在Spring Boot中，可以通过配置文件（application.properties或application.yml）来调整内嵌Tomcat的参数。以下是一些常用的内嵌Tomcat参数调优：

最大连接数（Max Connections）:




server.tomcat.max-connections=1000

连接队列长度（Accept Count）:




server.tomcat.accept-count=100

最大工作线程数（Max Threads）:




server.tomcat.max-threads=200

最小工作线程数（Min Spare Threads）:




server.tomcat.min-spare-threads=10

在application.properties中添加上述配置项即可。例如：




server.tomcat.max-connections=1000
server.tomcat.accept-count=100
server.tomcat.max-threads=200
server.tomcat.min-spare-threads=10

确保在调整这些参数时考虑服务器硬件性能和应用需求，避免资源过度消耗和不足。

Golang fmt 包详解

2024-09-06

所有,golang

fmt 包是 Go 语言的标准库之一，提供了格式化输入输出的函数。以下是 fmt 包中一些常用函数的简单介绍和使用示例：

Print 和 Println：这两个函数用于输出，Print 用于输出不换行，Println 用于输出并换行。




fmt.Print("Hello, World!")
fmt.Println("Hello, World!")

Sprintf：这个函数用于将格式化的字符串写入到一个字符串变量中。




str := fmt.Sprintf("Hello, %s!", "World")
fmt.Println(str) // 输出: Hello, World!

Scan 和 Scanln：这两个函数用于从标准输入中读取格式化的输入。Scan 用于读取不换行的输入，Scanln 用于读取一行输入。




var str string
fmt.Scanln(&str)
fmt.Println(str) // 输入并输出输入的内容

Sscan 和 Sscanln：这两个函数用于从字符串中读取格式化的输入。




var str string
fmt.Sscanln("Hello, World!", &str)
fmt.Println(str) // 输出: Hello, World!

Fprintf：这个函数用于将格式化的字符串写入到 io.Writer 接口的对象中。




var buffer bytes.Buffer
fmt.Fprintf(&buffer, "Hello, %s!", "World")
fmt.Println(buffer.String()) // 输出: Hello, World!

Fscan 和 Fscanln：这两个函数用于从 io.Reader 接口的对象中读取格式化的输入。




var buffer *bytes.Buffer
buffer = bytes.NewBufferString("Hello, World!")
var str string
fmt.Fscanln(buffer, &str)
fmt.Println(str) // 输出: Hello, World!

以上是 fmt 包中一些常用函数的简单介绍和使用示例。实际使用时，开发者可以根据需要选择合适的函数。

python创建sqlite，并使用flask-sqlalchemy连接

2024-09-06

要使用Flask-SQLAlchemy连接SQLite数据库，首先需要创建一个SQLite数据库文件，然后配置Flask应用以使用SQLAlchemy。以下是步骤和示例代码：

安装Flask-SQLAlchemy：




pip install Flask-SQLAlchemy

创建一个SQLite数据库文件（如果不存在）。
配置Flask应用以使用SQLAlchemy。
定义模型并创建数据库。

示例代码：




from flask import Flask
from flask_sqlalchemy import SQLAlchemy
 
app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///path/to/your/database.db'
db = SQLAlchemy(app)
 
class User(db.Model):
    id = db.Column(db.Integer, primary_key=True)
    username = db.Column(db.String(80), unique=True, nullable=False)
    email = db.Column(db.String(120), unique=True, nullable=False)
 
    def __repr__(self):
        return '<User %r>' % self.username
 
@app.route('/')
def index():
    return 'Hello, World!'
 
if __name__ == '__main__':
    with app.app_context():
        db.create_all()  # 创建数据库表
        app.run(debug=True)

在这个例子中，我们创建了一个名为User的简单模型，并通过db.create_all()创建了数据库和相应的表。app.config['SQLALCHEMY_DATABASE_URI']设置了数据库的连接字符串，指向SQLite数据库文件。

确保替换path/to/your/database.db为你的SQLite数据库文件的实际路径。当你运行这个Flask应用时，它会启动一个开发服务器，并创建数据库及其表。

HDFS回收站-删除策略详解

2024-09-06

在Hadoop中，HDFS（Hadoop Distributed File System）提供了一个“回收站”功能，可以防止用户不小心删除文件或目录。当用户使用rm命令删除文件或目录时，HDFS会将这些文件或目录移动到一个特殊的目录下，即回收站。回收站中的文件或目录可以通过dfs命令进行恢复，或者在一定时间后被清除。

回收站的删除策略取决于以下两个配置参数：

fs.trash.interval：指定回收站保留的时间（分钟），默认值为0，表示不启用回收站功能。如果设置为大于0的值，则启用回收站功能，并且设置回收站保留的时间。
fs.trash.checkpoint.interval：指定回收站清理的频率（分钟），默认值与fs.trash.interval相同。这个设置用来定义系统定期检查回收站并清理其中内容的频率。

要配置HDFS回收站的删除策略，可以在hdfs-site.xml配置文件中设置这两个参数。例如，要启用回收站并设置保留时间为7天（604800分钟），可以添加以下配置：




<property>
    <name>fs.trash.interval</name>
    <value>604800</value>
</property>

同时，如果你想要自定义回收站清理的频率，可以设置fs.trash.checkpoint.interval，例如：




<property>
    <name>fs.trash.checkpoint.interval</name>
    <value>1440</value>
</property>

以上配置将回收站的保留时间设置为7天，并将清理频率设置为每天检查一次。

在命令行中，你可以使用以下命令来查看回收站中的文件和目录：




hdfs dfs -expunge

使用hdfs dfs -expunge命令可以立即清空回收站，而不是等到设定的清理时间。这个命令通常需要管理员权限。

请注意，回收站的行为可能会受到HDFS其他配置参数的影响，比如是否启用了HDFS SafeMode等。因此，在实际部署和使用时，应当根据具体环境和需求调整相关配置。