Met a X DAO流动性质押dapp系统开发底层技术分析

简介: Met a X DAO系统、freedom自由协议等系统目前在市面上很流行,现在让我们来看看关于开发它们的一些注意事项。 一、工程结构本章内容需要修改内容比较多,涉及到以下三个工程模块的修改:

Met a X DAO系统、freedom自由协议等系统目前在市面上很流行,现在让我们来看看关于开发它们的一些注意事项。 一、工程结构

本章内容需要修改内容比较多,涉及到以下三个工程模块的修改:

base-grpc-framework-core:主要改动点是在service中集成dao接口

base-grpc-framework-dao:数据库存储实现;

base-grpc-framework-application:主要改动点是添加数据库配置;

主要的改动文件如下图红框内所示,本章我们因为DAO是个全新的模块,所以本章会按工程修改的多少来罗列,先app,再core,最后dao:

二、修改启动配置,集成mysql

修改【base-grpc-framework-application】模块的application-dev.yml文件,完整的内容如下,新增了第11到14行:

http配置

server:

compression:

enabled: true

mime-types: application/json,application/octet-stream

spring配置

spring:

application:

name: GrpcFramework-Server-APP

aop:

auto: true

proxy-target-class: true

datasource:

type: com.alibaba.druid.pool.DruidDataSource

driver-class-name: com.mysql.cj.jdbc.Drive

url: jdbc:mysql://127.0.0.1:3306/badCase?characterEncoding=utf8&useSSL=false&serverTimezone=Asia/Shanghai

username: root

password: 12345678

druid:

initial-size: 20

min-idle: 20

max-active: 400

max-wait: 60000

validation-query: SELECT 1 FROM DUAL

max-pool-prepared-statement-per-connection-size: 20

test-while-idle: true

test-on-borrow: false

test-on-return: false

time-between-eviction-runs-millis: 60000

min-evictable-idle-time-millis: 100000

filters: stat

grpc Server配置

grpc:

server:

port: 9898 #发布远程访问地址

in-process-name: native #发布本地访问地址

client:

inProcess:

address: in-process:native #配置内部访问服务名称

mybatis plug 配置

mybatis-plus:

mapper-locations: classpath:/mybatis/*Mapper.xml

configuration:

map-underscore-to-camel-case: true # 开启驼峰命名规则映射

default-statement-timeout: 10 #超时查询

log-impl: org.apache.ibatis.logging.stdout.StdOutImpl #打印sql日志

logging日志配置

logging:

config: classpath:log4j2.xml

level:

root: INFO

org.springframework.web: ERROR
原文地址:https://www.027m.cn/a/3.html

相关文章
|
算法
最小生成树算法:Prim算法
在图论中,最小生成树(Minimum Spanning Tree,简称MST)是一种常用的算法问题。最小生成树是指在一个加权连通图中选取边的子集,使得所有顶点都被覆盖,并且边的总权值最小。
1104 0
|
消息中间件 负载均衡 大数据
Kafka - 分区中各种偏移量的说明
Kafka - 分区中各种偏移量的说明
512 0
Kafka - 分区中各种偏移量的说明
|
存储 Shell 应用服务中间件
[ansible]wget批量调用shell脚本
[ansible]wget批量调用shell脚本
238 3
|
NoSQL Redis 存储
Redis大key问题 - 优化、清理
【6月更文挑战第14天】Redis内置命令如STRLEN、LLEN等用于检测不同类型Key的大小。避免使用DEBUG OBJECT和MEMORY USAGE因高资源消耗。大Key优化包括业务设计避免大Key、数据拆分、更换存储方案、数据压缩和合理清理。清理大Key应选低峰期或分批异步进行,以减少阻塞。使用如HSCAN、SREM等命令避免一次性操作大量数据。
321 1
|
机器学习/深度学习 算法 Python
YOLOV5应用实战项目:钢材表面缺陷检测(数据集:NEU-CLS)笔记
YOLOV5应用实战项目:钢材表面缺陷检测(数据集:NEU-CLS)笔记
fastadmin编辑方法
fastadmin编辑方法
256 0
|
机器学习/深度学习 数据采集 算法
【Python机器学习专栏】数据标准化与归一化技术
【4月更文挑战第30天】在机器学习中,数据预处理的两大关键步骤是标准化和归一化,旨在调整数据范围以优化算法性能。标准化将数据缩放到特定区间,如[-1, 1]或[0, 1],适合基于距离的算法,如KNN、SVM。归一化则将数据线性变换到[0, 1],保持相对关系。Python中可使用`sklearn.preprocessing`的`MinMaxScaler`和`StandardScaler`实现这两种操作。选择哪种方法取决于数据分布和算法需求。预处理能提升模型理解和性能,增强预测准确性和可靠性。
557 0
|
应用服务中间件 nginx
项目node_modules开发环境变大问题处理
项目node_modules开发环境变大问题处理
453 0
|
JSON 移动开发 NoSQL
【ES系列九】——批量同步数据至ES
通过es官网提供的bulk方法进行实现
|
机器学习/深度学习 算法 Python
【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)
【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)
702 0