velocity

引入依赖 <dependency> <groupId>com.baomidou</groupId> <artifactId>mybatis-plus-generator</artifactId> <version>3.3.1.tmp</version> </dependency> 添加模板依赖(mybaitsplus必须依赖一个模板freemarker/Velocity等都可以 必须要有) 3选一: <dependency> <groupId>org.apache.velocity</groupId> <artifactId>velocity-engine-core</artifactId> <version>2.2</version> </dependency> --- Freemarker： <dependency> <groupId>org.freemarker</groupId> <artifactId>freemarker</artifactId> <version>2.3.30</version> </dependency> --- Beetl： <dependency> <groupId>com.ibeetl</groupId> <artifactId>beetl</artifactId> <version>3.1.6.RELEASE</version> <

如果仅仅是海量的结构性数据，那么解决的办法就比较的单一，用户通过购买更多的存储设备，提高存储设备的效率等解决此类问题。然而，当人们发现数据库中的数据可以分为三种类型：结构性数据、非结构性数据以及半结构性数据等复杂情况时，问题似乎就没有那么简单了。 大数据汹涌来袭 当类型复杂的数据汹涌袭来，那么对于用户IT系统的冲击又会是另外一种处理方式。很多业内专家和第三方调查机构通过一些市场调查数据发现，大数据时代即将到来。有调查发现，这些复杂数据中有85%的数据属于广泛存在于社交网络、物联网、电子商务等之中的非结构化数据。这些非结构化数据的产生往往伴随着社交网络、移动计算和传感器等新的渠道和技术的不断涌现和应用。 如今大数据的概念也存在着很多的炒作和大量的不确定性。为此，编者详细向一些业内专家详细了解有关方面的问题，请他们谈一谈，大数据是什么和不是什么，以及如何应对大数据等问题，将系列文章的形式与网友见面。 有人将多TB数据集也称作”大数据”。据市场研究公司IDC统计，数据使用预计将增长44倍，全球数据使用量将达到大约35.2ZB（1ZB = 10亿TB）。然而，单个数据集的文件尺寸也将增加，导致对更大处理能力的需求以便分析和理解这些数据集。 EMC曾经表示，它的1000多个客户在其阵列中使用1PB（千兆兆）以上的数据数据，这个数字到2020年将增长到10万

科技公司飞速发展和数字科技日益重要的今天，万物互联、人工智能的时代业已到来，海量数据资产被创造出来并亟待分析，从而衍生出了很多前所未有的业务需求，而大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题。 未来，更多人将学会分析数据，并将数据的洞察运用到工作和生活中的方方面面。 什么是大数据 大数据，IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 大数据具有5V特点：VOLUM（大量）、VELOCITY（高速）、VARIETY（多样）、VALUE（低价值密度）、VERACITY（真实性）。 大数据就是数据越来越大、越来越复杂的这样一个概念。大数据计算单位一般有(小到大)：B、KB、GB、TB、PB、EB、ZB、YB、NB、DB。一般大数据要求数据达到PB级以上才能称之为大数据，1PB就等于1024TB。 大数据开发薪资如何 在数据储量不断增长的推动下，大数据产业也将构建出多层多样的市场格局，具有广阔发展空间。在2018-2020年期内，预测大数据市场整体的收入规模将保持每年约70亿美元的增长，预计全球大数据市场收入规模2020年将达到560亿美元。 随着相关技术的不断突破和大数据产品的相继落地，我国大数据市场产值不断提升

作者：咖啡拿铁 https://juejin.im/post/5b44e62e6fb9a04fc030f216 1、背景 说起应用分层，大部分人都会认为这个不是很简单嘛 就controller，service, mapper三层。 看起来简单，很多人其实并没有把他们职责划分开，在很多代码中，controller做的逻辑比service还多,service往往当成透传了，这其实是很多人开发代码都没有注意到的地方，反正功能也能用，至于放哪无所谓呗。这样往往造成后面代码无法复用，层级关系混乱，对后续代码的维护非常麻烦。 的确在这些人眼中分层只是一个形式，前辈们的代码这么写的，其他项目代码这么写的，那么我也这么跟着写。但是在真正的团队开发中每个人的习惯都不同，写出来的代码必然带着自己的标签。 有的人习惯controller写大量的业务逻辑，有的人习惯在service中之间调用远程服务，这样就导致了每个人的开发代码风格完全不同，后续其他人修改的时候，一看，我靠这个人写的代码和我平常的习惯完全不同，修改的时候到底是按着自己以前的习惯改，还是跟着前辈们走，这又是个艰难的选择，选择一旦有偏差，你的后辈又维护你的代码的时候，恐怕就要骂人了。 所以一个好的应用分层需要具备以下几点: 方便后续代码进行维护扩展； 分层的效果需要让整个团队都接受； 各个层职责边界清晰。 2、如何进行分层 2.1、阿里规范

作者：若离x 来源：my.oschina.net/ruoli/blog/1590148 1、模板热部署 在 Spring Boot 中，模板引擎的页面默认是开启缓存的，如果修改了页面的内容，则刷新页面是得不到修改后的页面的，因此我们可以在application.properties中关闭模版引擎的缓存，如下： Thymeleaf的配置： spring.thymeleaf.cache=false FreeMarker的配置： spring.freemarker.cache=false Groovy的配置： spring.groovy.template.cache=false Velocity的配置： spring.velocity.cache=false 2、使用调试模式Debug实现热部署 此种方式为最简单最快速的一种热部署方式，运行系统时使用Debug模式，无需装任何插件即可，但是无发对配置文件，方法名称改变，增加类及方法进行热部署，使用范围有限。 3、spring-boot-devtools 在 Spring Boot 项目中添加 spring-boot-devtools依赖即可实现页面和代码的热部署。详细用法可以参考这篇文章： Spring Boot 实现热部署 。 如下： <dependency> <groupId>org.springframework.boot<

实战：一键生成前后端代码，Mybatis-Plus代码生成器让我舒服了 前言 在日常的软件开发中，程序员往往需要花费大量的时间写CRUD，不仅枯燥效率低，而且每个人的代码风格不统一。MyBatis-Plus 代码生成器，通过 AutoGenerator 可以快速生成 Entity、Mapper、Mapper XML、Service、Controller 等各个模块及前端页面的代码，极大的提升了开发效率。 项目介绍 本项目将以springboot用演示，前端使用freemaker,数据库持久层用mybatis(考虑到mybatis的使用还是最普遍的，就没有用jpa和mybatisplus)，通过Velocity模板引擎配置各模块的文件模板，通过mybatis-plus代码生成器连接mysql，用商品表为例生成各模块的代码和前端页面。(本项目只演示分页查询和导出功能)。 本项目所有代码和脚本都能都文末找到地址。 实战 数据库脚本 创建一张商品表test_goods CREATE TABLE `test_goods` ( `id` bigint(20) DEFAULT NULL COMMENT 'id', `goods_sn` varchar(45) DEFAULT NULL COMMENT '商品编码', `name` varchar(255) DEFAULT NULL COMMENT

本文是本系列文章的第七篇，前6篇访问地址如下： 小书MybatisPlus第1篇-整合SpringBoot快速开始增删改查 小书MybatisPlus第2篇-条件构造器的应用及总结 小书MybatisPlus第3篇-自定义SQL 小书MybatisPlus第4篇-表格分页与下拉分页查询 小书MybatisPlus第5篇-Active Record模式精讲 小书MybatisPlus第6篇-主键生成策略精讲 一、代码生成器的基础实现原理 相信大部分的开发者都使用过或者听说过“模板引擎”，它可以帮我们实现视图与数据的分离，快速开发视图页面，并将模板整合结果用于在浏览器显示。其核心实现原理就是：HTML模板页面 + 页面数据 = 输出结果。页面视图输出的过程就是通过模板引擎实现的。 代码生成器的实现原理与模板引擎实现页面渲染的逻辑几乎是一致的，除了下面的几个区别： 所谓模板：就是某语言的代码 + 模板引擎语法的占位符，该占位符用来数据天换。所以代码生成器的模板文件不再专指HTML页面模板文件，可以是任何类型的代码文件。 模板引擎的输出结果在项目中是输出给浏览器进行页面渲染的，但是对于代码生成器而言，模板引擎的输出结果是保存到磁盘文件。 二、如何编写模板文件 要编写模板文件，首先我们要知道正常的代码待如何书写。比如下面的POJO代码： 上面的POJO代码写成Freemarker模板文件

　　随着互联网的不断发展，越来越多的用户和企业都开始接触和学习大数据技术，下面我们就一起来了解一下，大数据的特性都有哪些，希望通过对本文的阅读，大家在学习大数据技术的时候有更精确的了解。 　　大数据的特性都有哪些 　　一、体量(Volume) 　　大数据由大量数据组成，从几个TB到几个ZB。这些数据可能会分布在许多地方，通常是在一些连入因特网的计算网络中。一般来说，凡是满足大数据的几个V的条件的数据都会因为太大而无法被单独的计算机处理。单单这一个问题就需要一种不同的数据处理思路，这也使得并行计算技术(例如MapReduce)得以迅速崛起。 　　二、高速(Velocity) 　　大数据是在运动着的，通常处于很高的传输速度之下。它经常被认为是数据流，而数据流通常是很难被归档的(考虑到有限的网络存储空间，单单是高速就已经是一个巨大的问题)。这就是为什么只能收集到数据其中的某些部分。如果我们有能力收集数据的全部，长时间存储大量数据也会显得非常昂贵，所以周期性的收集数据遗弃一部分数据以节省空间，仅保留数据摘要(如平均值和方差)。这个问题在未来会显得更为严重，因为越来越多的数据正以越来越快的速度所产生。 　　三、多样(Variety) 　　在过去，数据或多或少是同构的，这种特点也使得它更易于管理。这种情况并不出现在大数据中，由于数据的来源各异，因此形式各异。这体现为各种不同的数据结构类型