Jersey 2.x 前言和约定的文本格式

简介:

这是Jersey 2.x 的用户指南。我们极力将它能与我们新增的功能保持一致。当阅读本指南,作为补充,也请移步至 Jersey API documentation 查看 Jersey 的特性和 API。

欢迎任何对本指南的建议和提问,可以联系users@jersey.java.net,同样的,发现勘误,也可以在Jersey JIRA Issue Tracker 提问,请注意需要在 docs 文档组件部分中进行提问。

请注意,在提问的时候需要注明你有疑问的 Jersey 用户指南的版本,你在哪里发现的错误,同时请注明影响到的那个版本。

约定的文本格式

首先需要说明的是,任何 Jersey 和 JAX-RS API 的组件将会在参考组件中链接到 API 文档。任何组件下面的子组件将会使用非寸线字体。

Emphasised 字体被使用在第一次出现的介绍中。

在一些代码的列表中,有些代码太长而不能在一行中完整显示下来的话,代码行将会扩展到下一页或者下一段中,我们将会用  '\'  标识在每一行的页尾部用于表示这些内容应该是在一行中显示的。

例如:

This is an overly long line that \
might not fit the available page \
width and had to be broken into \
multiple lines.

This line fits the page width. (这一行的字符能够在一行中完整显示)

上面的内容应该阅读成下面的内容:

This is an overly long line that might not fit the available page width and had to be broken into multiple lines.

This line fits the page width.

换句话说如果每一行的尾部有斜杠,则表示的是需要将下一行的内容拼接到上以后来进行完整的阅读。

 

https://www.cwiki.us/display/JERSEYZH/Preface

目录
相关文章
|
3天前
|
人工智能 运维 安全
|
1天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
8天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
761 109
|
2天前
|
机器学习/深度学习 传感器 算法
Edge Impulse:面向微型机器学习的MLOps平台——论文解读
Edge Impulse 是一个面向微型机器学习(TinyML)的云端MLOps平台,致力于解决嵌入式与边缘设备上机器学习开发的碎片化与异构性难题。它提供端到端工具链,涵盖数据采集、信号处理、模型训练、优化压缩及部署全流程,支持资源受限设备的高效AI实现。平台集成AutoML、量化压缩与跨硬件编译技术,显著提升开发效率与模型性能,广泛应用于物联网、可穿戴设备与边缘智能场景。
169 127
|
3天前
|
算法 Python
【轴承故障诊断】一种用于轴承故障诊断的稀疏贝叶斯学习(SBL),两种群稀疏学习算法来提取故障脉冲,第一种仅利用故障脉冲的群稀疏性,第二种则利用故障脉冲的额外周期性行为(Matlab代码实现)
【轴承故障诊断】一种用于轴承故障诊断的稀疏贝叶斯学习(SBL),两种群稀疏学习算法来提取故障脉冲,第一种仅利用故障脉冲的群稀疏性,第二种则利用故障脉冲的额外周期性行为(Matlab代码实现)
229 152
|
5天前
|
Java 数据库 数据安全/隐私保护
Spring 微服务和多租户:处理多个客户端
本文介绍了如何在 Spring Boot 微服务架构中实现多租户。多租户允许单个应用实例为多个客户提供独立服务,尤其适用于 SaaS 应用。文章探讨了多租户的类型、优势与挑战,并详细说明了如何通过 Spring Boot 的灵活配置实现租户隔离、动态租户管理及数据源路由,同时确保数据安全与系统可扩展性。结合微服务的优势,开发者可以构建高效、可维护的多租户系统。
210 127
|
4天前
|
机器学习/深度学习 存储 资源调度
CMSIS-NN:ARM Cortex-M处理器的高效神经网络内核——论文解读
CMSIS-NN是专为ARM Cortex-M系列微控制器优化的神经网络计算内核库,旨在支持资源受限的物联网边缘设备进行高效的深度学习推理。该库通过对卷积、池化、全连接层等关键操作进行定点量化、SIMD指令优化和内存布局调整,显著提升了模型在嵌入式设备上的运行效率。实验表明,CMSIS-NN在Cortex-M7处理器上的推理速度比基准实现提升了近5倍,大幅降低了功耗,为边缘AI应用提供了可行的技术路径。
223 128