分类： SUN

J2EE體系結構簡單介紹

一、J2EE提出的背景

1、企業級應用框架的需求

在許多企業級應用中，例如數據庫連接、郵件服務、事務處理等都是一些通用企業需求模塊，這些模塊如果每次再開發中都由開發人員來完

成的話，將會造成開發週期長和代碼可靠性差等問題。於是許多大公司開發了自己的通用模塊服務。這些服務性的軟件系列同陳為中間件。

2、為了通用必須要提出規範，不然無法達到通用

在上面的需求基礎之上，許多公司都開發了自己的中間件，但其與用戶的溝通都各有不同，從而導致用戶無法將各個公司不同的中間件組裝

在一塊為自己服務。從而產生瓶頸。於是提出標準的概念。其實J2EE就是基於JAVA技術的一系列標準。

注：中間件的解釋中間件處在操作系統和更高一級應用程序之間。他充當的功能是：將應用程序運行環境與操作系統隔離，從而實現應用程

序開發者不必為更多系統問題憂慮，而直接關注該應用程序在解決問題上的能力。我們後面說到的容器的概念就是中間件的一種。

二、相關名詞解釋

容器：充當中間件的角色

WEB容器：給處於其中的應用程序組件（JSP，SERVLET）提供一個環境，使JSP,SERVLET直接更容器中的環境變量接口交互，不必關注其它系

統問題。主要有WEB服務器來實現。例如：TOMCAT,WEBLOGIC,WEBSPHERE等。該容器提供的接口嚴格遵守J2EE規範中的WEB APPLICATION標準

。我們把遵守以上標準的WEB服務器就叫做J2EE中的WEB容器。

EJB容器：Enterprise java bean容器。更具有行業領域特色。他提供給運行在其中的組件EJB各種管理功能。只要滿足J2EE規範的EJB放入

該容器，馬上就會被容器進行高效率的管理。並且可以通過現成的接口來獲得系統級別的服務。例如郵件服務、事務管理。

WEB容器和EJB容器在原理上是大體相同的，更多的區別是被隔離的外界環境。 WEB容器更多的是跟基於HTTP的請求打交道。而EJB容器不是

。它是更多的跟數據庫、其它服務打交道。但他們都是把與外界的交互實現從而減輕應用程序的負擔。例如SERVLET不用關心HTTP的細節，

直接引用環境變量session,request,response就行、EJB不用關心數據庫連接速度、各種事務控制，直接由容器來完成。

RMI/IIOP:遠程方法調用/internet對象請求中介協議，他們主要用於通過遠程調用服務。例如，遠程有一台計算機上運行一個程序，它提供

股票分析服務，我們可以在本地計算機上實現對其直接調用。當然這是要通過一定的規範才能在異構的系統之間進行通信。 RMI是JAVA特有

的。

JNDI:JAVA命名目錄服務。主要提供的功能是：提供一個目錄系統，讓其它各地的應用程序在其上面留下自己的索引，從而滿足快速查找和

定位分佈式應用程序的功能。

JMS:JAVA消息服務。主要實現各個應用程序之間的通訊。包括點對點和廣播。

JAVAMAIL:JAVA郵件服務。提供郵件的存儲、傳輸功能。他是JAVA編程中實現郵件功能的核心。相當MS中的EXCHANGE開發包。

JTA：JAVA事務服務。提供各種分佈式事務服務。應用程序只需調用其提供的接口即可。

JAF:JAVA安全認證框架。提供一些安全控制方面的框架。讓開發者通過各種部署和自定義實現自己的個性安全控制策略。

EAI:企業應用集成。是一種概念，從而牽涉到好多技術。 J2EE技術是一種很好的集成實現。

三、J2EE的優越性

1、基於JAVA技術，平台無關性表現突出

2、開放的標準，許多大型公司已經實現了對該規範支持的應用服務器。如BEA ,IBM,ORACLE等。

3、提供相當專業的通用軟件服務。

4、提供了一個優秀的企業級應用程序框架，對快速高質量開發打下基礎

四、現狀

J2EE是由SUN公司開發的一套企業級應用規範。現在最高版本是1.4。支持J2EE的應用服務器有IBM WEBSPHERE APPLICATION SERVER,BEA

WEBLOGIC SERVER,JBOSS,ORACLE APPLICATION SERVER,SUN ONE APPLICATION SERVER等。

使用Java 2 SDK基礎類庫產生隨機數的方法很多。但是如果你跟不上這些類庫的更新腳步，你有可能正在使用的是一種低效的隨機數生成機制，更糟糕的是：你有可能得到的不是均勻分布的隨機數。本文將向你展示一種較為可靠的隨機數生成方法，同時與其他方法進行比較。
自從JDK最初版本發布起，我們就可以使用java.util.Random類產生隨機數了。在JDK1.2中，Random類有了一個名為nextInt()的方法：public int nextInt(int n)給定一個參數n，nextInt(n)將返回一個大於等於0小於n的隨機數，即：0 <= nextInt(n) < n。你所要做的就是先聲明一個Random的對象，在調用其nextInt(n)函數以返回隨機值。這裏有個示例，下面的代碼段將生成很多隨機數並輸出它們的平均值：

以下是引用片段：
　　int count = 1000000;
　　int range = Integer.MAX_VALUE / 3 * 2;
　　double sum = 0;
　　Random rand = new Random();
　　for (int i=0; i<count; i++) {
　　sum += rand.nextInt(range);
　　}
　　System.out.println(sum/count);

執行了1000000次循環之後，得到的平均值基本上就處於隨機數範圍的中點（midpoint）。

　　到目前為止，事情還並不復雜，但是我們會問為什麽要使用nextInt(n)？考慮一下的隨機數生成方法：
　　(1)使用老的方法nextInt()，沒有制定數值範圍
　　(2)用Math.abs()靜態函數得到(1)中產生值的絕對值
　　(3)對(2)的結果進行取模運算(%)，得到期望範圍類的值

　　我們說nextInt(n)要比上述方法更好，為什麽呢？參考以下的代碼段：

以下是引用片段：
　　sum = 0;
　　for (int i=0; i<count; i++) {
　　sum += Math.abs(rand.nextInt()) % range;
　　}
　　System.out.println(sum/count);
　　不難發現，每次循環都多出了幾步運算。事實上，這種隨機數生成的方法存在著以下三個問題：

　　首先，nextInt()返回的值是趨於均勻分布在Integer.MIN_VALUE 和 Integer.MAX_VALUE之間的。如果你取Integer.MIN_VALUE的絕對值，得到的仍然不是一個正數。事實上，Math.abs(Integer.MIN_VALUE)等於Integer.MIN_VALUE。因此，存在著這樣一種情況（雖然很少見）：rand.nextInt()=Integer.MIN_VALUE，經過取絕對值Math.abs(rand.nextInt())之後，得到是一個負數。這種幾率為 1/(2^31)，在我們的測試中不太可能發生——循環次數只有1000000次。
　　其次，當你對nextInt()取模時，你使結果的隨機性大打折扣。隨機數中較小的值出現的幾率更大一些。這就是眾所周知的偽隨機數生成，因此我們不是用取模的方法。
　　最後，也可能是最糟糕的：隨機數不是均勻分布。如果你執行了上述的兩段代碼，第一段代碼的結果將會大於715,000,000，考慮到數值範圍的中點（midpoint)715,827,882，所以這是一個可以接受的結果。然而，你會吃驚的發現第二段代碼得到的平均值肯定不會超過600,000,000。

　　為何第二段代碼的結果會如此的偏差？糾其本質，問題出在數值分布的不均勻。當你進行取模運算時，你將過大的數轉換成了較小的。這使得較小的數更容易產生。

　　使用nextInt(range)將會解決上述的三個問題。還有一種隨機數生成方法——使用Math.random()。這個方法的效果如何？

以下是引用片段：
　　sum = 0;
　　for (int i=0; i<count; i++) {
　　sum += (int)(Math.random() * range);
　　}
　　System.out.println(sum/count);
很好，使用random()不會碰到nextInt()的麻煩。你不會得到負數返回值，沒有使用取模運算，值分布也是均勻的。還有什麽問題嗎？你有沒有考慮到Math.random()使用了浮點運算，而nextInt()和nextInt(range)只有整數操作？Math.random()可能會慢上四倍。再加上從浮點到整數的類型轉換，整個運算將會更慢。好了，經過一番比較，我們發現使用nextInt(range)生成隨機數更為有效，因為它避免了其他方法的種種弊端。最後再給出一段代碼，通過測試可以比較本文提到的幾種隨機數生成方法。