SpringMVC概述

简介: SpringMVC概述

概念



Spring MVC是Spring Framework的一部分,是基于Java实现MVC的轻量级Web框架


Spring MVC的特点:


  • 轻量级,简单易学
  • 高效 , 基于请求响应的MVC框架
  • 与Spring兼容性好,无缝结合
  • 约定大于配置
  • 功能强大:RESTful、数据验证、格式化、本地化、主题等
  • 简洁灵活


执行流程



1.DispatcherServlet表示前置控制器,是整个SpringMVC的控制中心。用户发出请求

2.DispatcherServlet接收请求并拦截请求。

3.HandlerMapping为处理器映射。DispatcherServlet调用HandlerMapping,HandlerMapping根据url查找控制器

4.HandlerExecution表示具体的Handler,其主要作用是根据url查找控制器,如上url被查找控制器为:hello。

5.HandlerExecution将解析后的信息传递给DispatcherServlet,如解析控制器映射等。

6.HandlerAdapter表示处理器适配器,其按照特定的规则去执行Handler。

7.Handler让具体的Controller执行。

8.Controller将具体的执行信息返回给HandlerAdapter,如ModelAndView。

9.HandlerAdapter将视图逻辑名或模型传递给DispatcherServlet。

10.DispatcherServlet调用视图解析器(ViewResolver)来解析HandlerAdapter传递的逻辑视图名。

11.视图解析器将解析的逻辑视图名传给DispatcherServlet。

12.DispatcherServlet根据视图解析器解析的视图结果,调用具体的视图。最终视图呈现给用户。

相关文章
|
虚拟化 Windows
Bios启用Intel VT-x虚拟化功能问题
Bios启用Intel VT-x虚拟化功能问题
307 0
|
9月前
|
存储 SQL Apache
Apache Doris 创始人:何为“现代化”的数据仓库?
3.0 版本是 Apache Doris 研发路程中的重要里程碑,他将这一进展总结为“实时之路”、“统一之路”和“弹性之路”,详细介绍了所对应的核心特性的设计思考与应用价值,揭晓了 2025 年社区发展蓝图
443 6
Apache Doris 创始人:何为“现代化”的数据仓库?
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
乘法变加法!MIT清华校友全新方法优化Transformer:Addition is All You Need
【10月更文挑战第30天】MIT和清华校友合作提出了一种名为L-Mul的算法,通过将浮点数乘法转换为整数加法,优化了Transformer模型的能效。该方法在多个任务上取得了与传统方法相当甚至更好的性能,同时显著降低了计算资源和能耗。论文地址:https://arxiv.org/abs/2410.00907
208 1
|
10月前
|
Java 开发者 Spring
深入解析:Spring AOP的底层实现机制
在现代软件开发中,Spring框架的AOP(面向切面编程)功能因其能够有效分离横切关注点(如日志记录、事务管理等)而备受青睐。本文将深入探讨Spring AOP的底层原理,揭示其如何通过动态代理技术实现方法的增强。
358 8
|
存储 缓存 JavaScript
NPM怎样清空缓存
NPM怎样清空缓存
|
11月前
|
人工智能 自然语言处理 分布式计算
阿里云通义灵码使用技巧
随着人工智能技术的发展,云端服务提供商越来越重视在 AI 领域的布局。阿里云推出的**通义灵码**作为其 AI 大模型的重要组成部分,为企业和开发者提供了强大的自然语言处理(NLP)和数据分析能力。在这篇文章中,我们将深入探讨如何高效使用阿里云通义灵码,并为开发者提供一些实用的使用技巧。
679 4
|
监控 Oracle 算法
|
机器学习/深度学习 数据可视化 算法
【超详细】MMLab分类任务mmclassification:环境配置说明、训练、预测及模型结果可视化展示(1)
【超详细】MMLab分类任务mmclassification:环境配置说明、训练、预测及模型结果可视化展示
|
人工智能 PyTorch 算法框架/工具
AI计算机视觉笔记二:基于YOLOV5的CPU版本部署openvino
本文档详细记录了YOLOv5模型在CPU环境下的部署流程及性能优化方法。首先,通过设置Python虚拟环境并安装PyTorch等依赖库,在CPU环境下成功运行YOLOv5模型的示例程序。随后,介绍了如何将PyTorch模型转换为ONNX格式,并进一步利用OpenVINO工具包进行优化,最终实现模型在CPU上的高效运行。通过OpenVINO的加速,即使是在没有GPU支持的情况下,模型的推理速度也从约20帧每秒提高到了50多帧每秒,显著提升了性能。此文档对希望在资源受限设备上部署高性能计算机视觉模型的研究人员和工程师具有较高的参考价值。
1033 0
|
JSON NoSQL Java
SpringBoot2.0整合Redis实践详解
SpringBoot2.0整合Redis实践详解
267 2