【Cloud Foundry 应用开发大赛】“咖啡厅”网页在线聊天系统

本文主要是介绍【Cloud Foundry 应用开发大赛】“咖啡厅”网页在线聊天系统,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

应用名称:咖啡厅    投票地址

应用说明及使用场景:

    咖啡厅是一款基于Ajax的网页在线聊天室,由JFinal+FastJSON+Druid+JQuery搭建,用户可以无登录的和同时使用此应用的用户进行实时聊天,无需注册即可使用。

    咖啡厅网页在线聊天室采用众多优秀开源框架技术,从前端到后端由本人独立完成,弯路、错路不少。在设计期间,遇到了很多设计上的问题,就积极咨询开源技术负责人@JFinal及社区其他大牛,得到了他们的积极回答,在此特别感谢!!!在后期的界面设计上要感谢我的众多同事,尤其是美工亚芳同事,她从专业的角度给了我前端方面的指导,让我对前端设计产生了极大兴趣。最后在项目部署上,要感谢@胡晋,他让我学会了使用vmc部署项目……当然了,还有好多需要感谢的人,感谢他们给我提出了许多宝贵、中肯的建议及意见,在此一并表示感谢!

应用所使用的技术及软件:

前端使用:Html+JQuery+CSS

后端使用:JFinal+FastJSON+Druid

    JFinal是后端的基础,是一款敏捷、轻量型Java-WEB开发框架,FastJSON和Druid是阿里公司的2个开源产品,其中 FastJSON是一款很好很强大的JSON工具,Druid据说是把XXXX甩出N条街的数据库连接池……

在项目开发过程中,真心感受到众多国产框架的优秀与实用,同时感谢这些项目的作者们,带给我们这么好的产品,极大的提高了生产力^_^

应用URL 地址以及截图:

URL地址http://kafeting.cloudfoundry.com/ 

应用截图:

欢迎界面:


聊天界面:


创新点(亮点):

    没有亮点是不是太亮了?!如果非要说亮点的话,我想应该是对技术上的整合与尝试,这才是我们技术人员对前沿技术 孜孜不倦的追求吧!嘿嘿……散花~~~

总结:(我自己加的*_*)

    今天,咖啡厅这个应用终于和大家见面了,从设计到部署可以用一句话概括:多灾多难!--还未设计时感觉这个应用太简单了,但真正动手时却感受到处处都是陷阱、坑!!!部署时,因为用到了Cloud Foundry,之前没有积极接触过,所有部署的时候错误百出,参考了网上的错误报告和使用者的指导,最后终于用了近3天才将应用部署上,真应了托尔斯泰的一句话:“幸福的家庭都是一样的,不幸的家庭却各有各的不幸”。每个人的错误可能都不尽相同,只有系统日志才会告诉你真正的错误是什么!

    经过大半个月的折腾,应用上线了,再次感谢帮助我的和关心我的人,谢谢你们!从意气报名到应用上线,在这个过程中,我学到了很多,学会了如何合理利用现有优秀框架来加快开发效率,更学会了分析问题、解决问题的方式和方法,更重要的是,使我更加珍惜时间了!

    祝OSC社区里所有的同事工作顺利、身体健康!!!哈哈~~~~

    热烈欢迎给我投票哈~~地址:http://www.oschina.net/cf-app-show 靠后的位置,首页的画面哦,谢谢啦 ^_^

       咖啡厅github:https://github.com/hanzhankang/kafeting(内有详细说明 ^_^ 多多交流!)

转载于:https://my.oschina.net/hanzhankang/blog/102775

这篇关于【Cloud Foundry 应用开发大赛】“咖啡厅”网页在线聊天系统的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/402724

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设