离线部署ArcGIS API for Javascript

简介: 版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/bitree1/article/details/58611551 1.
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/bitree1/article/details/58611551
1.下载 API

直接下载API

官网下载地址: https://developers.arcgis.com/downloads/

安装SDK

安装sdk非常简单,我们下载了SDK

SDK压缩包

解压之后再IIS之后新建一个网站(也可以直接使用之前建好的,或者默认网站),名称就叫做ArcGIS,URL默认为localhost,端口设置为8317,将网站的物理路径设置为...\arcgis_js_v317_sdk\arcgis_js_api\sdk;

OK了,直接打开localhost:8317,显示如下图:

这里写图片描述


安装API

安装API就相对复杂了一些,而且安装好了还需要修改一些配置文件,API压缩包的大小也是60M左右:

API

解压过后的大小也是170M左右;解压以后打开文件夹看到三个子文件夹:

这里写图片描述

这里的install_API.HTML打开之后就告诉你如何部署API的帮助文件,不过是英文,老实看吧~

打开这个html告诉我们可以选择两种安装,Windows和Linux,low咖果断Windows,Linux你自己看咯~

  • 在刚才新建的网站ArcGIS下面新建虚拟目录(当然你可以新建一个网站,但是我觉得还是不要那么那样,一个网站够用了);

  • 需要一个别名:arcgisapi3.17(这个在网站路径中会有用,最好规范命名),一个物理路径:…\arcgis_js_v317_api\arcgis_js_api\library\3.17(这里每个人的路径不一样,设置的路径深度也可以不一样,我就没按照帮助文件来~)

  • 打开…\arcgis_js_api\library\3.17\3.17\init.js这个文件(这个文件是压缩过的js文件,所以最好使用高级一点的文本工具打开,推荐Notepad++等);找到[HOSTNAME_AND_PATH_TO_JSAPI]dojo这个标示,在大约37行;将[HOSTNAME_AND_PATH_TO_JSAPI]dojo替换为localhost:8317/arcgisapi3.17/3.17/dojo

  • 打开arcgis_js_api\library\3.17\3.17\dojo\dojo.js,同理找到[HOSTNAME_AND_PATH_TO_JSAPI]dojo,大约在35行,同理替换为localhost:8317/arcgisapi3.17/3.17/dojo


如果只需要api简单安装时候只需解压api文件放置本机的tomcat文件夹中,重启tomcat服务即可使用(注意必须配置tomcat的环境变量,配置方法如下)

 配置Tomcat环境变量

1、解压下载文件包,不习惯版本号文件夹,在这里我修改默认文件夹名apache-tomcat-8.0.0-RC5-windows-x64为tomcat。

2、打开系统环境变量请参考第三步图示操作。

  在系统变量中添加以下变量

  1)新建TOMCAT_HOME变量

如何配置Tomcat服务器环境

  变量名TOMCAT_HOME

  变量值c:\tomcat

  变量值即为我们下载的tomcat解压路径,在这里我的是c:\tomcat,如果有疑惑,可以参考第五步。

  2)新建CATALINA_HOME变量

如何配置Tomcat服务器环境

  变量名CATALINA_HOME

  变量值c:\tomcat

  没错,CATALINA_HOME的变量值与TOMCAT_HOME的变量值是一样的。

  3)修改变量Path

如何配置Tomcat服务器环境

  在系统变量中找到Path变量名,双击或点击编辑,在末尾添加如下内容

  ;%CATALINA_HOME%\bin;%CATALINA_HOME%\lib

  这里要注意,各个变量值之间一定要用;分隔。

  4)启动Tomcat服务器

  在cmd命令窗口下输入startup回车,运行如下图所示

如何配置Tomcat服务器环境

  测试Tomcat服务器是否安装成功

  在浏览器中输入http://http://localhost:8080或http://127.0.0.1:8080

  安装成功将如下图所示

如何配置Tomcat服务器环境

注意事项

  环境变量值之间要以半角英文;分隔,结尾不能有“\”。各个环境变量值中间,之间是否有多余的字母或空格等。

  有许多网上复制的经验经常会建议用service启动tomcat,却显示'servic' 不是内部或外部命令,我用也不行,在这里我用的是startup




目录
相关文章
|
5月前
|
数据采集 机器学习/深度学习 搜索推荐
利用通义大模型构建个性化推荐系统——从数据预处理到实时API部署
本文详细介绍了基于通义大模型构建个性化推荐系统的全流程,涵盖数据预处理、模型微调、实时部署及效果优化。通过采用Qwen-72B结合LoRA技术,实现电商场景下CTR提升58%,GMV增长12.7%。文章分析了特征工程、多任务学习和性能调优的关键步骤,并探讨内存优化与蒸馏实践。最后总结了大模型在推荐系统中的适用场景与局限性,提出未来向MoE架构和因果推断方向演进的建议。
867 11
|
JSON JavaScript Linux
【MCP教程系列】Node.js+TypeScript搭建NPX MCP服务并自定义部署至阿里云百炼
本文介绍如何将阿里云百炼的工作流封装成MCP服务并部署,随后引入到智能体中使用。主要步骤包括:1) 封装MCP服务;2) 发布到npm官方平台;3) 在阿里云百炼平台创建自定义MCP服务;4) 在智能体中添加自定义MCP服务。通过这些步骤,用户可以轻松将工作流转化为MCP服务,并在智能体中调用。
2413 0
|
1月前
|
存储 监控 安全
132_API部署:FastAPI与现代安全架构深度解析与LLM服务化最佳实践
在大语言模型(LLM)部署的最后一公里,API接口的设计与安全性直接决定了模型服务的可用性、稳定性与用户信任度。随着2025年LLM应用的爆炸式增长,如何构建高性能、高安全性的REST API成为开发者面临的核心挑战。FastAPI作为Python生态中最受青睐的Web框架之一,凭借其卓越的性能、强大的类型安全支持和完善的文档生成能力,已成为LLM服务化部署的首选方案。
|
5月前
|
缓存 自然语言处理 监控
基于通义大模型的智能客服系统构建实战:从模型微调到API部署
本文详细解析了基于通义大模型的智能客服系统构建全流程,涵盖数据准备、模型微调、性能优化及API部署等关键环节。通过实战案例与代码演示,展示了如何针对客服场景优化训练数据、高效微调大模型、解决部署中的延迟与并发问题,以及构建完整的API服务与监控体系。文章还探讨了性能优化进阶技术,如模型量化压缩和缓存策略,并提供了安全与合规实践建议。最终总结显示,微调后模型意图识别准确率提升14.3%,QPS从12.3提升至86.7,延迟降低74%。
1677 15
|
6月前
|
API Python
飞桨x昇腾生态适配方案:13_API离线推理
ais_bench 提供了基于昇腾硬件的 Python API,用于离线模型(.om模型)推理。支持静态与动态API场景,如单个或多个OM模型推理。通过 `InferSession` 类加载模型并执行推理,可灵活处理输入输出形状转换。示例代码涵盖图片读取、形状调整、多模型串联推理及资源释放等操作,满足多样化推理需求。
398 26
|
7月前
|
存储 人工智能 API
离线VS强制登录?Apipost与Apifox的API工具理念差异深度解析
在代码开发中,工具是助手还是枷锁?本文通过对比Apipost和Apifox在断网环境下的表现,探讨API工具的选择对开发自由度的影响。Apifox强制登录限制了离线使用,而Apipost支持游客模式与本地存储,尊重开发者数据主权。文章从登录策略、离线能力、协作模式等方面深入分析,揭示工具背后的设计理念与行业趋势,帮助开发者明智选择,掌握数据控制权并提升工作效率。
|
8月前
|
人工智能 自然语言处理 API
零门槛,即刻拥有DeepSeek-R1满血版——调用API及部署各尺寸模型
本文介绍了如何利用阿里云技术快速部署和使用DeepSeek系列模型,涵盖满血版API调用和云端部署两种方案。DeepSeek在数学、代码和自然语言处理等复杂任务中表现出色,支持私有化部署和企业级加密,确保数据安全。通过详细的步骤和代码示例,帮助开发者轻松上手,提升工作效率和模型性能。解决方案链接:[阿里云DeepSeek方案](https://www.aliyun.com/solution/tech-solution/deepseek-r1-for-platforms?utm_content=g_1000401616)。
零门槛,即刻拥有DeepSeek-R1满血版——调用API及部署各尺寸模型
|
8月前
|
JavaScript 前端开发 API
JavaScript中通过array.map()实现数据转换、创建派生数组、异步数据流处理、复杂API请求、DOM操作、搜索和过滤等,array.map()的使用详解(附实际应用代码)
array.map()可以用来数据转换、创建派生数组、应用函数、链式调用、异步数据流处理、复杂API请求梳理、提供DOM操作、用来搜索和过滤等,比for好用太多了,主要是写法简单,并且非常直观,并且能提升代码的可读性,也就提升了Long Term代码的可维护性。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
|
9月前
|
Cloud Native 安全 Serverless
云原生应用实战:基于阿里云Serverless的API服务开发与部署
随着云计算的发展,Serverless架构日益流行。阿里云函数计算(Function Compute)作为Serverless服务,让开发者无需管理服务器即可运行代码,按需付费,简化开发运维流程。本文从零开始,介绍如何使用阿里云函数计算开发简单的API服务,并探讨其核心优势与最佳实践。通过Python示例,演示创建、部署及优化API的过程,涵盖环境准备、代码实现、性能优化和安全管理等内容,帮助读者快速上手Serverless开发。

热门文章

最新文章