博客
关于我
Spring boot基础教程,带你快速入门
阅读量:544 次
发布时间:2019-03-09

本文共 1315 字,大约阅读时间需要 4 分钟。


Spring Boot简介与快速入门

一、Spring Boot简介

Spring Boot 是基于 Spring 框架的上层封装工具,旨在简化 Java 。企业级应用的开发配置。传统的 Spring 需要大量的 XML配置和组件扫描,而 Spring Boot 通过约定优于配置,减少了手动配置的时间和复杂性。

二、Spring Boot与传统 Spring 的区别

  • 优点:
    • 约定优于配置:默认配置减少手动设置,提升开发效率。
    • 开箱即用:内置嵌入式服务器、安全、监控等功能,无需额外配置。
  • 缺点:
    • 却有一定程度的配置:“出厂”有些时候需要重新出厂。

三、Spring Boot 作为快速开发工具

Spring Boot 提供了快速开发的支持,适合快速搭建 RESTful 服务等项目类型。

四、Spring Boot 快速入门

1. 创建 Maven 工程

使用工具(如 IDEA)创建 Maven 工程,选择 Java 应用项目类型。

2. 添加起步依赖

在 pom.xml 中添加必要的起步依赖,如 spring-boot-starter-parent 和 spring-boot-starter-web。

3. 编写启动类

使用 @SpringBootApplication 注解创建启动类,负责启动 Spring Boot 应用。默认配置允许快速运行。

4. 编写 Controller

创建 Controller 接口,定义 RESTful endpoint。

5. 距离部署

配置热部署插件,减少在测试环境下的重启时间。

6. 测试

通过浏览器访问定义的端点,验证应用是否正常运行。

五、配置文件

Spring Boot 支持 Properties 和 YAML 格式的配置文件,默认检查资源目录下的 application.properties。

1. application.properties 配置

配置项如 server.port=8080 等,可针对不同环境使用 profile 进行切换。

2. application.yml 配置

采用基于键值的结构,简洁高效,常用于特定场景。

3. 可扩展性

通过注解如 @Value 和 @ConfigurationProperties 映射配置项到代码中。

六、整合其他技术

1. MyBatis
  • 添加起步依赖和数据库驱动。
  • 定义 Mapper 接口,配置 XML 映射文件。
  • 自动扫描 Mapper,结合 JDBC 连接数据库。
2. Junit 测试
  • 添加 Junit 和 SpringJUnit 依赖。
  • 编写测试类,使用 @SpringBootTest 和 @SpringRunner。
  • 利用断言简化测试逻辑。
3. Redis
  • 添加 Redis 起步依赖和配置。
  • 注入 RedisTemplate,实现数据存储和操作。

结语

通过以上步骤,可以快速创建和配置 Spring Boot 项目,拥有快速迭代和热部署的优势。对于开发新手,Spring Boot 提供了便捷的自动化配置,值得尝试。对专业开发者而言,Spring Boot 的强大功能是无价的。

转载地址:http://xaliz.baihongyu.com/

你可能感兴趣的文章
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 时事和见解【2023】
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP、CV 很难入门?IBM 数据科学家带你梳理
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP入门(六)pyltp的介绍与使用
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>