UDDI基础知识

一、什么是UDDI

  1. UDDI基于一组常见的行业标准,包括HTTP,XML,XML Schema和SOAP,为基于Web服务的软件环境提供了一个可互操作的基础基础结构,用于可公开使用的服务和仅在组织内部公开的服务。

  2. 仅当潜在用户发现足以允许其执行的信息时,Web服务才有意义。

  3. UDDI的重点是定义支持描述和发现服务的一组服务。

  4. 商业,组织和其他Web服务提供商

  5. 他们提供的Web服务

  6. 用于访问这些服务的技术接口。

  7. 提供一种简单的机制来支持Web服务及其规范的发现。

  8. 不要尝试定义描述语言本身,也不要尝试直接存储支持的XML元素。

 

二、UDDI的工作机制

  1. UDDI注册中心包括:

    1. 以编程方式可访问的业务及其所支持服务的描述。

    2. 引用特定于行业的规范,分类法定义和标识系统。

  2. UDDI注册了两种信息

    1. tModel技术模型:抽象服务协议 用于描述特定Web服务的行为

    2. businessEntity服务实现者:引用多个tModel提供有关其行为和规范的描述

  3. 工作机制

  1. 步骤

    1.  软件公司和标准机构定义与业务相关的规范-tModels

    2. 公司注册其业务及其提供的服务的描述

    3. UDDI注册中心为每个实体和tModel分配一个唯一通用标识符(UUID)密钥。

    4.  其他客户使用UDDI注册中心发现感兴趣的服务。

    5.  其他企业可能会调用这些服务,从而实现动态集成。

 

三、UDDI数据模型

  1. 三组注册表信息

    1. 白页:企业的基本信息 (名称,联系信息,企业描述)

    2. 黄页:使用多种分类系统支持分页

    3. 绿页:与服务关联的绑定信息,提供对那些服务实现的技术规范的引用,以及指向各种基于文件和URL的发现机制的指针

  2. E-R图

 

  1. 相关名词

    1. businessEntity商业实体:有关发布有关服务族的信息的一方的信息

    2. businessService商业服务:有关特定服务的描述性信息

    3. bindingTemplate绑定模板:有关服务入口点和施工规格的技术信息

    4. publisherAssertion:由双方之一断言的有关双方关系的信息

    5. tModel:服务或分类规范的描述。 技术指纹的基础

    6. 绑定模板数据包含对tModel的引用,这些tModel指定服务的接口规范

<businessEntity xmlns="urn:uddi-org:api" businessKey="BBBBBBBB-BBBB-BBBB-BBBB"><name>Contoso Finance Services</name><description xml:lang="en">Corporate Finance</description><businessServices><businessServicebusinessKey="BBBBBBBB-BBBB-BBBB-BBBB"    serviceKey="CCCCCCCC-CCCC-CCCC-CCCC"><name>Credit Check</name><bindingTemplates><bindingTemplate serviceKey="CCCCCCCC-CCCC-CCCC-CCCC" bindingKey="DDDDDDDD-DDDD-DDDD-DDDD"><accessPoint URLType="https">https://contoso.com/credit.aspx</accessPoint><tModelInstanceDetails> ……</tModelInstanceDetails></bindingTemplate></bindingTemplates></businessService></businessServices><categoryBag>……</categoryBag>
</businessEntity>

四、UDDI数据模型细节

  1. <businessEntity>包含有关服务提供商的一般信息以及服务的集合。 它还包括分类,在<categoryBag>中通过引用tModel来指示

  2. businessEntity属性

  1. <businessServices> 集合 包含相关Web服务的功能分组集。

  2. businessServices属性

  1. <bindingTemplate>包括将用于调用Web服务的URL,以及对描述所实现协议的tModel的引用。它包含<accessPoint>, <accessPoint>传达适用于调用特定Web服务的入口点地址。

  2. <bindingTemplate>属性

 

五、抽象协议:tModels

  1. tModel结构用于提供描述符合规范,概念甚至共享设计的能力,这是tModel结构所扮演的角色之一。

  2. 应用范围

    1. 定义技术指纹

    2. 定义抽象名称空间引用

  3. tModel属性

  1. 定义技术指纹

    1. 可以将预先约定的规范建立为唯一的技术标识,而该技术标识又是tModel

    2. 注册的Web服务可以引用<bindingTemplate>中的tModel来表示符合tModel中定义的规范。

    3. 通过这种方法,可以搜索与特定规范兼容的注册Web服务。

    4. tModelKey成为给定规范所独有的技术指纹,而无序引用的tModelKey集则成为<bindingTemplate>的技术指纹。

    5. 技术指纹的用法实例

<tModelInstanceDetails><tModelInstanceInfo tModelKey="uuid:da648ae7-6805-4fbe-9830-50f7ed73c2be"><instanceDetails>                   <instanceParms>ProductOWLURI</instanceParms></instanceDetails></tModelInstanceInfo><tModelInstanceInfo tModelKey="uuid:09c569de-945f-4674-b408-b38f45d567e8" /></tModelInstanceDetails>
  1. 定义抽象名称空间引用

    1. 在<identifierBag>和<categoryBag>的定义中,tModels被用作命名空间引用。

    2. 命名空间引用的用法样例

<categoryBag><keyedReference tModelKey="uuid:1ff729f2-1948-46cf-b660-31ec107f1663"     keyName="Computer and Peripheral Equipment Manufacturing"keyValue="33411" /></categoryBag>

六、UDDI APIs

  1. UDDI提供了一种编程模型和架构,用于定义与注册表进行通信的规则

  2. UDDI本身就是Web服务,通过指定的一组SOAP接口与UDDI进行交互

  3. UDDI规范中所有API均以XML定义,包装在SOAP信封中并通过HTTP发送

  4. UDDI在客户机和注册中心之间的流动

  1. SOAP API 允许执行查询和发布操作

<soap:Envelope><soap:Body><find_business xmlns="urn:uddi-org:api"><categoryBag><keyedReferencetModelKey="uuid:1ff729f2-1948-46cf-b660-31ec107f1663"     keyName="Computer and Peripheral Equipment Manufacturing"keyValue="33411" /></categoryBag></find_business></soap:Body></soap:Envelope>

七、UDDI总结

  1. UDDI是一种行业标准,为发布和定位Web服务提供元服务

  2. UDDI规范记录了有关Web服务的多种类型的信息,这些信息可以帮助服务请求者确定问题的答案,例如“谁,什么,在哪里和如何”。

  3. * who:关于企业的简单信息

  4. * What:包括行业代码和产品分类的分类信息,以及有关已注册Web服务的描述性信息

  5. * where:可以通过其访问每种服务的注册信息

  6. * how:关于给定服务的接口和其他属性的注册参考。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481154.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

机器学习算法GBDT的面试总结

def findLossAndSplit(x,y): # 我们用 x 来表示训练数据 # 我们用 y 来表示训练数据的label # x[i]表示训练数据的第i个特征 # x_i 表示第i个训练样本 # minLoss 表示最小的损失 minLoss Integet.max_value # feature 表示是训练的数据第几纬度的特征 feature 0 # split 表示…

线性代数应该这样讲(四)-奇异值分解与主成分分析

在《线性代数这样讲&#xff08;二&#xff09;》&#xff08;以下简称「二」&#xff09;中&#xff0c;小夕详细讲解了特征值与特征向量的意义&#xff0c;并且简单描述了一下矩阵的特征值分解的意义和原理。本文便基于对这几个重要概念的理解来进一步讲解SVD分解。回顾一下&…

BPEL4WS基础知识

一、为什么选择BPEL4WS 可以使用行业范围内的规范来广告、发现和调用Web服务 开发人员和用户可以通过组合和订购可用的基本服务来解决复杂问题 服务组合允许服务重用并加速复杂的服务开发 提供一种表示法&#xff0c;用于将Web服务的交互描述为业务流程 编写使用Web服务的程…

不要再纠结卷积的公式啦!0公式深度解析全连接前馈网络与卷积神经网络!

文章转载自订阅号「夕小瑶的卖萌屋」中的文章《不要再纠结卷积的公式啦&#xff01;0公式深度解析全连接前馈网络与卷积神经网络》。 Hello~你们的小夕终于吐泡泡了&#xff5e;前几天小夕又加班赶project啦&#xff0c;拖了好几天&#xff0c;都快患上拖稿焦虑症了_(:з」∠)…

不要再纠结卷积的公式啦!0公式深度解析全连接前馈网络与卷积神经网络

Hello~你们的小夕终于吐泡泡了&#xff5e;前几天小夕又加班赶project啦&#xff0c;拖了好几天&#xff0c;都快患上拖稿焦虑症了_(:з」∠)_关于卷积神经网&#xff0c;小夕就不从卷积讲啦。以前不止一个粉丝问我卷积神经网络中卷积的意义&#xff0c;甚至在知乎上被邀请回答…

研究生常用的几种风险评估方法-专家调查法、蒙特卡洛模拟法、计划评审技术、敏感性分析法、决策树法、影响图法、模糊综合评价方法

其实风险评估就是在充分掌握资料的基础之上&#xff0c;采用合适的方法对已识别风险进行系统分析和研究&#xff0c;评估风险发生的可能性&#xff08;概率&#xff09;、造成损失的范围和严重程度&#xff08;强度&#xff09;&#xff0c;为接下来选择适当的风险处理方法提供…

从前馈到反馈:解析循环神经网络(RNN)及其tricks

好像已经有两周没有更新啦。最后这几天都不敢打开订阅号后台了&#xff0c;怕一打开发现掉了几百个粉丝的话就难过死了T_T。然而小夕发现你们并没有离开&#xff0c;感动的差点哭出来&#xff0c;都感觉再不认真写一篇文章就太对不起大家的等待啦。而这两周&#xff0c;经历的事…

多因子风险建模-协方差矩阵、投资组合风险

一、为什么要了解投资风险 在探讨投资风险前&#xff0c;我们不妨思考一个问题&#xff1a;好的投资&#xff0c;取决于哪些因素&#xff1f; 其实&#xff0c;卓越的投资回报&#xff0c;主要来源于四个因素&#xff1a; 收益预测&#xff1a;能形成合力的收益预期&#xff…

啊啊忍不住了,更!新!!!

你萌都还在&#xff0c;好开心 o(≧v≦)o在2017年9月21日这个特殊的日子&#xff0c;小夕在长达30天的沉默后&#xff0c;终于冒泡了&#xff01;有木有很激动&#xff0c;很期待&#xff1f;&#xff01;&#xff08;小夕&#xff0c;你不说我都忘了还有这订阅号了&#xff09…

【数据挖掘】数据挖掘和数据分析基础

参考文献&#xff1a;《Python数据分析与挖掘实战》张良均等 数据挖掘建模过程 定义挖掘目标&#xff1a;理解任务&#xff0c;确定指标数据采样&#xff1a;注意数据的完整性和有效性数据探索&#xff1a;异常值分析、缺失值分析、相关性分析、周期性分析数据预处理&#xff…

Barra 结构化风险模型实现(1)——沪深300指数的风格因子暴露度分析

米筐科技&#xff08;RiceQuant&#xff09;策略研究报告&#xff1a;Barra 结构化风险模型实现(1)——沪深300指数的风格因子暴露度分析 江嘉键1 年前1 概述Barra 结构化风险模型是全球知名的投资组合表现和风险分析工具。最近一段时间&#xff0c;我们米筐科技量化策略研究团…

深度学习资料挑的眼花啦?小夕帮你做选择!

小夕还记得几年前刚入坑的时候&#xff0c;老师给的入门资料就是一堆论文&#xff01;害的小夕差点放弃。。。如今深度学习应用的开发成本越来越低&#xff0c;学习资料越来越多&#xff0c;于是对初学者来说进入了另一个相反的困境——资料过多&#xff0c;让人眼花缭乱&#…

干货 | 深度学习的可解释性研究(一):让模型「说人话」

在这篇文章中&#xff1a;可解释性是什么&#xff1f;我们为什么需要可解释性&#xff1f;有哪些可解释性方法&#xff1f;在建模之前的可解释性方法建立本身具备可解释性的模型在建模之后使用可解释性性方法作出解释关于 BIGSCity参考文献不以人类可以理解的方式给出的解释都叫…

深度解析LSTM神经网络的设计原理

引人入胜的开篇&#xff1a;想要搞清楚LSTM中的每个公式的每个细节为什么是这样子设计吗&#xff1f;想知道simple RNN是如何一步步的走向了LSTM吗&#xff1f;觉得LSTM的工作机制看不透&#xff1f;恭喜你打开了正确的文章&#xff01; 前方核弹级高能预警&#xff01;本文信息…

Step-by-step to LSTM: 解析LSTM神经网络设计原理

Ps&#xff1a;喂喂喂&#xff0c;你萌不要光收藏不点赞呀_(:з」∠)_emmmm... 搞清楚LSTM中的每个公式的每个细节为什么是这样子设计吗&#xff1f;想知道simple RNN是如何一步步的走向了LSTM吗&#xff1f;觉得LSTM的工作机制看不透&#xff1f;恭喜你打开了正确的文章&#…

【论文翻译】用知识图谱的多任务特征学习来增强推荐

Wang H, Zhang F, Zhao M, et al. Multi-task feature learning for knowledge graph enhanced recommendation[C]//The World Wide Web Conference. 2019: 2000-2010. 原文链接&#xff1a;https://arxiv.org/pdf/1901.08907.pdf 代码实现&#xff1a;https://github.com/hwwa…

LeetCode-二叉树算法总结-层次遍历,路径总和等

版权声明&#xff1a;本文为博主原创文章&#xff0c;欢迎转载&#xff0c;但请注明出处&#xff0c;谢谢愿意分享知识的你~~ https://blog.csdn.net/qq_32690999/article/details/80484440 </div><link rel"stylesheet" href"https://csdnimg.…

记录一次闲鱼维权事件

-----2017.11.16 最后一次更新----- 小夕也真的没有想到&#xff0c;在万般绝望之时竟然得到了这么多人的帮助。在本文发出后&#xff0c;多位阿里人员积极联系我了解了情况&#xff0c;很感激一位阿里的专家帮我将此事递交给相关部门&#xff0c;让专业的客服直接受理和重审此…

百度作业帮-产品分析

一、商业模式分析 1.1、问答时期&#xff08;2014年2月-2015年1月&#xff09; 商业模式之作业帮V1.0.png两点值得注意&#xff1a; 作业帮的出现有明显的历史原因&#xff0c;即由百度知道团队出品&#xff0c;因此切入K12教育初期&#xff0c;采取的是之前的问答模式&#xf…

【Python自然语言处理】中文分词技术——统计分词

中文分词方法 本文参考自书籍《Python自然语言处理实战&#xff1a;核心技术与算法》 用做个人的学习笔记和分享 1. 规则分词 规则分词的详细笔记 2. 统计分词 2.1 一般步骤 建立统计语言模型。句子划分为单词&#xff0c;对划分结果进行概率分析&#xff0c;获得概率最大的…