В этом кратком руководстве мы покажем, как форматировать числовые ячейки в Excel с помощью Apache POI .
Apache POI — это чистый Java-проект с открытым исходным кодом. Он предоставляет библиотеки для чтения и записи файлов в форматах Microsoft Office, таких как Word, PowerPoint и Excel .
При работе с более новым форматом файлов .xlsx мы будем использовать класс XSSFWorkbook , а для формата .xls мы используем класс HSSFWorkbook .
Apache Flink — это платформа обработки больших данных, которая позволяет программистам обрабатывать огромные объемы данных очень эффективным и масштабируемым образом.
В этой статье мы познакомим вас с некоторыми основными концепциями API и стандартными преобразованиями данных, доступными в Apache Flink Java API . Плавный стиль этого API упрощает работу с центральной конструкцией Flink — распределенной коллекцией.
Во-первых, мы рассмотрим преобразования Flink DataSet API и используем их для реализации программы подсчета слов. Затем мы кратко рассмотрим API Flink DataStream , который позволяет обрабатывать потоки событий в режиме реального времени.
В этом руководстве мы рассмотрим процесс десортировки с помощью Jackson 2.x, в частности, как работать с содержимым JSON с неизвестными свойствами .
Чтобы копнуть глубже и узнать о других интересных вещах, которые мы можем делать с Джексоном, мы можем просмотреть основной учебник по Джексону .
Apache Kafka — мощная, распределенная, отказоустойчивая система обработки потоков. В предыдущем уроке мы узнали, как работать со Spring и Kafka .
В этом руководстве мы будем основываться на предыдущем и узнаем, как писать надежные автономные интеграционные тесты, которые не зависят от работающего внешнего сервера Kafka.
Во-первых, мы начнем с рассмотрения того, как использовать и настраивать встроенный экземпляр Kafka.
Затем мы увидим, как мы можем использовать популярный фреймворк Testcontainers из наших тестов.
ksqlDB можно описать как базу данных потоковой передачи событий в реальном времени, построенную поверх Apache Kafka и Kafka Streams . Он сочетает мощную потоковую обработку с моделью реляционной базы данных с использованием синтаксиса SQL.
В этом руководстве мы рассмотрим основные концепции ksqlDB и создадим пример приложения, чтобы продемонстрировать практический вариант использования.
Поскольку ksqlDB — это база данных потоковой передачи событий, потоки и таблицы являются ее основными абстракциями. По сути, это наборы данных, которые можно преобразовывать и обрабатывать в режиме реального времени.
Apache Cassandra — это мощная распределенная база данных NoSQL с открытым исходным кодом. В предыдущем уроке мы рассмотрели некоторые основы работы с Cassandra и Java .
В этом руководстве мы будем основываться на предыдущем и узнаем, как писать надежные автономные модульные тесты с использованием CassandraUnit .
Во-первых, мы начнем с того, как установить и настроить последнюю версию CassandraUnit. Затем мы рассмотрим несколько примеров того, как мы можем написать модульные тесты, которые не полагаются на работающий внешний сервер базы данных.
И, если вы используете Cassandra в производственной среде, вы определенно можете упростить запуск и обслуживание собственного сервера и вместо этого использовать базу данных Astra , которая представляет собой облачную базу данных, построенную на Apache Cassandra.
Как правило, мы используем систему автоматической настройки Spring, такую как @SpringBootTest , для тестирования приложений Spring Boot. Но это приводит к большому количеству импорта автоматически настроенных компонентов.
Однако всегда полезно загружать только необходимые части для тестирования части приложения. По этой причине Spring Boot предоставляет множество аннотаций для тестирования слайсов. Прежде всего, каждая из этих аннотаций Spring загружает очень ограниченный набор автоматически настраиваемых компонентов, необходимых для определенного уровня.
В этом руководстве мы сосредоточимся на тестировании фрагмента базы данных Cassandra приложения Spring Boot, чтобы узнать об аннотации @DataCassandraTest , предоставляемой Spring.
Кроме того, мы рассмотрим небольшое приложение Spring Boot на основе Cassandra в действии.
И, если вы используете Cassandra в производственной среде, вы определенно можете упростить запуск и обслуживание собственного сервера и вместо этого использовать базу данных Astra , которая представляет собой облачную базу данных, построенную на Apache Cassandra.
В этой статье рассматриваются некоторые дополнительные аннотации, которые не были рассмотрены в предыдущей статье «Руководство по аннотациям Джексона» — мы рассмотрим семь из них.
@JsonIdentityReference@JsonIdentityReference используется для настройки ссылок на объекты, которые будут сериализованы как идентификаторы объектов вместо полных POJO. Он работает в сотрудничестве с @JsonIdentityInfo , чтобы принудительно использовать идентификаторы объектов в каждой сериализации, в отличие от всех случаев, кроме первого, когда @JsonIdentityReference отсутствует. Эта пара аннотаций наиболее полезна при работе с циклическими зависимостями между объектами. Пожалуйста, обратитесь к разделу 4 статьи о Джексоне — Двунаправленные отношения для получения дополнительной информации.
Чтобы продемонстрировать использование @JsonIdentityReference , мы определим два разных класса компонентов, без этой аннотации и с ней.
В этой статье мы рассмотрим сравнение двух объектов JSON с помощью Jackson — библиотеки обработки JSON для Java.
Во-первых, давайте добавим зависимость jackson-databind Maven: ``
<dependency>
<groupId>com.fasterxml.jackson.core</groupId>
<artifactId>jackson-databind</artifactId>
<version>2.13.0</version>
</dependency>
В этом руководстве мы покажем, как использовать @JsonFormat в Джексоне.
@JsonFormat — это аннотация Джексона, которую мы используем, чтобы указать, как форматировать поля и/или свойства для вывода JSON.
В частности, эта аннотация позволяет нам указать, как форматировать значения даты и календаря в соответствии с форматом SimpleDateFormat .