JavaEE 7规范集

简介: JavaEE 7规范集 JSRs: Java Platform, Enterprise Edition 7 (JSR 342) Concurrency Utilities for Java EE 1.

JavaEE 7规范集

JSRs:

  • Java Platform, Enterprise Edition 7 (JSR 342)

  • Concurrency Utilities for Java EE 1.0 (JSR 236)

  • Java Persistence 2.1 (JSR 338)

  • JAX-RS: The Java API for RESTful Web Services 2.0 (JSR 339)

  • Java Servlet 3.1 (JSR 340)

  • Expression Language 3.0 (JSR 341)

  • Java Message Service 2.0 (JSR 343)

  • JavaServer Faces 2.2 (JSR 344)

  • Enterprise JavaBeans 3.2 (JSR 345)

  • Contexts and Dependency Injection for Java EE 1.1 (JSR 346)

  • Bean Validation 1.1 (JSR 349)

  • Batch Applications for the Java Platform 1.0 (JSR 352)

  • Java API for JSON Processing 1.0 (JSR 353)

  • Java API for WebSocket 1.0 (JSR 356)

MRs:

  • Web Services for Java EE 1.4 (JSR 109)

  • Java Authorization Service Provider Contract for Containers 1.5 (JACC 1.5) (JSR 115)

  • Java Authentication Service Provider Interface for Containers 1.1 (JASPIC 1.1) (JSR 196)

  • JavaServer Pages 2.3 (JSR 245)

  • Common Annotations for the Java Platform 1.2 (JSR 250)

  • Interceptors 1.2 (JSR 318)

  • Java EE Connector Architecture 1.7 (JSR 322)

  • Java Transaction API 1.2 (JSR 907)

  • JavaMail 1.5 (JSR 919)

目录
相关文章
|
10月前
|
机器学习/深度学习 安全 算法
十大主流联邦学习框架:技术特性、架构分析与对比研究
联邦学习(FL)是保障数据隐私的分布式模型训练关键技术。业界开发了多种开源和商业框架,如TensorFlow Federated、PySyft、NVFlare、FATE、Flower等,支持模型训练、数据安全、通信协议等功能。这些框架在灵活性、易用性、安全性和扩展性方面各有特色,适用于不同应用场景。选择合适的框架需综合考虑开源与商业、数据分区支持、安全性、易用性和技术生态集成等因素。联邦学习已在医疗、金融等领域广泛应用,选择适配具体需求的框架对实现最优模型性能至关重要。
1882 79
十大主流联邦学习框架:技术特性、架构分析与对比研究
|
人工智能 弹性计算 自动驾驶
2023 AI开发者生态报告:技术生态、开发范式与应用案例全景
随着人工智能技术的飞速发展,全球IT市场对AI的投入持续增长,预计到2027年将达到4236亿美元。
|
网络协议 安全 应用服务中间件
服务器最大支持多少链接数
【10月更文挑战第27天】本文探讨了单台服务器最大支持的链接数,分析了TCP链接标识的四元组、文件句柄限制、端口号范围及多IP绑定等技术细节。结论指出,理论上的最大链接数受制于文件句柄和内存,而链接接收端的链接数可视为无限大。
469 0
|
Docker 容器
解决:Error response from daemon: manifest for xxx:latest not found: manifest unknown.
解决:Error response from daemon: manifest for xxx:latest not found: manifest unknown.
1672 0
|
监控 前端开发 Java
Agent 的使用-Spring Boot | 学习笔记
快速学习 Agent 的使用-Spring Boot
Agent 的使用-Spring Boot | 学习笔记
|
Linux Apache
Linux设置开机启动
以上步骤允许您在Linux系统上配置开机启动服务或程序。确保将"service-name"替换为实际要配置的服务或程序的名称。
430 0
|
数据采集 机器学习/深度学习 算法
解密EEMD分析:Rlibeemd包带你玩转信号分解和时间序列预测
EEMD(Ensemble Empirical Mode Decomposition)是一种信号分解方法,它旨在分解非线性、非平稳或非白噪声的信号,以揭示复杂信号的局部特征和周期性成分。EEMD不同于传统的余弦变换、小波变换等线性变换方法,而是基于经验模态分解(EMD)的思想,通过添加噪声和多次重复分解的方式,避免了EMD中出现的模态混叠等问题。
1055 0
|
自然语言处理 搜索推荐 Java
服务搭建篇(七) Elasticsearch单节点部署以及多节点集群部署
Elasticsearch(简称ES) 是一个分布式 , RESTful风格的搜索和数据分析引擎 , 使用java开发并且是当前最流行的开源的企业级搜索引擎,能够达到近实时搜索,稳定,可靠,快速,安装使用方便。
2371 0