HTTP API

由于OpenTSDB没有支持Java的SDK进行调用，所以基于Java开发OpenTSDB的调用将要依靠HTTP请求的方式进行。下面就先介绍下部分HTTP API的特性：

数据写入

写入特性

• 为了节省传输带宽，提高传输效率，该接口可以实现批量写入多个属于不同时序的点；
• 写入请求处理时 ，毫无关系的点分开单独处理，即使其中一个点存储失败，也不会影响其他点的保存；
• 一次请求的点过多，响应请求的速度会变慢。当HTTP请求体的大小超过一定限制，可以进行分块传输（Chunked Transfer），OpenTSDB可以通过对 tsd.http.request.enable_chunked 的配置设置为true（默认为false），即可使OpenTSDB 支持 HTTP 的 Chunked Transfer Encoding。
• tsd.mode 的配置对写入操作有影响，配置 ro 表示只读状态，配置 rw 表示读写状态，当写入操作一直失败时，可以确认此配置项。

写入请求可选参数

• /api/put：根据 url 参数的不同，可以选择是否获取详细的信息。
  • 通过POST方式插入数据，JSON格式，例如

  {"metric":"self.test", "timestamp":1456123787, "value":20, "tags":{"host":"web1"}
  }
  

• /api/put?summary：返回写入操作的概述信息（包括失败和成功的个数）

  {"failed": 0,"success": 1
  }
  

• /api/put?details：返回写入操作的详细信息

  {"errors": [],"failed": 0,"success": 1
  }
  

• /api/put?sync：写入操作为同步写入，即所有点写入完成（成功或失败）才向客户端返回响应，默认为异步写入。
• /api/put?sync_timeout：同步写入的超时时间。

查询数据

• /api/query：可以选择 Get 或者 Post 两种方式，推荐使用 Post 方式，

  • 请求JSON 格式

  {"start": 1456123705,        // 该查询的起始时间"end": 1456124985,          // 该查询的结束时间"globalAnnotation": false,  // 查询结果中是否返回 global annotation"noAnnotations": false,     // 查询结果中是否返回 annotation"msResolution": false,      // 返回的点的精度是否为毫秒级，如果该字段为false，// 则同一秒内的点将按照 aggregator 指定的方式聚合得到该秒的最终值"showTSUIDs": true,         // 查询结果中是否携带 tsuid"showQuery": true,          // 查询结果中是否返回对应的子查询"showSummary": false,       // 查询结果中是否携带此次查询时间的一些摘要信息"showStats": false,         // 查询结果中是否携带此次查询时间的一些详细信息"delete": false,            // 注意:如果该值设为true，则所有符合此次查询条件的点都会被删除"queries": [// 子查询，为一个数组，可以指定多条相互独立的子查询]
  }
  

  • Metric Query 类型子查询：指定完整的 metric、tag 及聚合信息。
    • metric 和 tags 是用于过滤的查询条件。

  {"metric": "JVM_Heap_Memory_Usage_MB",    // 查询使用的 metric"aggregator": "sum",                 // 使用的聚合函数"downsample": "30s-avg",              // 采样时间间隔和采样函数"tags": {                               // tag组合，在OpenTSDB 2.0 中已经标记为废弃// 推荐使用下面的 filters 字段"host": "server01"},"filters": [],                         // TagFilter，下面将详细介绍 Filter 相关的内容"explicitTags": false,                    // 查询结果是否只包含 filter 中出现的 tag"rate": false,                            // 是否将查询结果转换成 rate"rateOption": {}                        // 记录了 rate 相关的参数，具体参数后面会进行介绍}
  

  • TSUIDS Query 类型子查询（可看做 Metric Query 的优化）：指定一条或多条 tsuid，不再指定 metric、tag 等。

  {"aggregator": "sum",  // 使用的聚合函数"tsuids": [             // 查询的 tsuids 集合，这里的 tsuids 可理解为// 时序数据库的 id"123","456"]
  }
  

  • 返回字符串也为json格式

  [{"metric": "self.test","tags": {},"aggregateTags": ["host"],"dps": {"1456123785": 10,"1456123786": 10}},{"metric": "self.test","tags": {"host": "web1"},"aggregateTags": [],"dps": {"1456123784": 10,"1456123786": 15}}
  ]
  

Timestamp

OpenTSDB的查询中的两种类型的时间：

• 绝对时间：用于精确指定查询的起止时间，格式 yyyy/MM/dd-HH:mm:ss
• 相对时间：用于指定查询的时间范围，格式 (amount) (time unit)-ago，例如：3h-ago（查询的结束时间是当前时间，起始时间是3小时之前）。
  • amount：表示时间跨度
  • time out：表示时间跨度单位，相应的时间跨度的单位，ms（毫秒）、s（秒） 、m（分钟）、h（小时）、d（天，24小时）、w（周，7天）、n（月，30天）、y（年，365天）
  • -ago：固定项

由于存储时间序列的最高精度是毫秒，毫秒级、秒级所占用字节数：

• 使用毫秒精度：HBase RowKey 中的时间戳占用6个字节
• 使用秒精度：RowKey 中的时间戳占用4个字节

注意：毫秒级存储，在查询时默认返回秒级数据（按照查询中指定的聚合方式对 1秒内的时序数据进行采样聚合，形成最终结果）；可以通过 msResolution 参数设置，返回毫秒级数据。

Filtering

Filter 详解：

• Filter 类似于 SQL 语句中的 Where 子句，主要用于 tagv 的过滤；
• 同一个子查询中多个 Filter 进行过滤时，FIlter 之间的关系是 AND；
• 多个 Filter 同时对一组 Tag 进行过滤，只要一个 Filter 开启分组功能，就会按照 Tag 进行分组。

Filter 的具体格式：

{"type": "wildcard",    // Fliter 类型，可以直接使用 OpenTSDB 中内置的 Filter，也可以通过插件// 的方式增加自定义的 Filter 类型"tagk": "host",        // 被过滤的 TagKey"filter": "*",         // 过滤表达式，该表达式作用于 TagValue 上，不同类型的 Filter 支持不同形式的表达式"groupBy": true        // 是否对过滤结果进行分组（group by），默认为 false，即查询结果会被聚合成一条时序数据
}

几个实用内置 Filter 类型详解：

• literal_or、ilteral_or 类型：

  • 支持单个字符串，也支持使用 “|” 连接多个字符串；

  • 含义与 SQL 语句中的 “WHERE host IN(‘server01’,‘server02’,‘server03’)” 相同；

  • ilteral_or 是 literal_or 的大小写不敏感版本，使用方式一致。

  • 使用方式：

    {"type": "literal_or","tagk": "host","filter": "server01|server02|server03","groupBy": false
    }
    

• not_literal_or、not_iliteral_or 类型：

  • 与 literal_or 的含义相反，使用方式与 literal_or 一致
  • 含义与 SQL 语句中的 “WHERE host NOT IN(‘server01’,‘server02’)” 相同；
  • not_ilteral_or 是 not_literal_or 的大小写不敏感版本，使用方式一致。
  • 使用方式：

    {"type": "not_literal_or","tagk": "host","filter": "server01|server02","groupBy": false
    }
    

• wildcard、iwildcard 类型：

  • wildcard 类型的 Filter 提供前缀、中缀、后缀的匹配功能；
  • 支持使用 “*” 通配符匹配任何字符，其表达式中可以包含多个（但至少包含一个）；
  • 使用方式：
  • iwildcard 是 wildcard 的大小写不敏感版本，使用方式一致。

    {"type": "wildcard","tagk": "host","filter": "server*","groupBy": false
    }
    

• regexp 类型：

  • regexp 类型的 Filter 提供了正则表达式的过滤条件功能；
  • 其含义与 SQL 语句中的 “ WHERE host REGEXP ‘.*’ ” 相同。

    {"type": "regexp","tagk": "host","filter": ".*","groupBy": false
    }
    

• not_key 类型：

  • not_key 类型的 Filter 提供了过滤指定 TagKey 的功能；
  • 其含义是跳过任何包含 host 这个 TagKey 的时序，注意，其 Filter 表达式必须为空。

    {"type": "not_key","tagk": "host","filter": "","groupBy": false
    }
    

Aggregation

aggregator 是用于对查询结果进行聚合，将同一 unix 时间戳内的数据进行聚合计算后返回结果，例如如果 tags 不填，1456123705 有两条数据，一条 host=web1，另外一条 host=web2，值都为10，那么返回的该时间点的值为 sum 后的 20。

• 条件过滤
  可以针对 tag 进行一些条件的过滤，返回 tag 中 host 的值以 web 开头的数据。

  "queries": [{"aggregator": "sum","metric": "self.test","filters": [{"type": "wildcard","tagk": "host","filter": "web*"}]}
  ]
  

OpenTSDB 中提供了 interpolation 来解决聚合时数据缺失的补全问题，目前支持如下四种类型：

• LERP（Linear Interpolation）：根据丢失点的前后两个点估计该点的值。
  • 例如，时间戳 t1 处的点丢失，则使用 t0 和 t2 两个点的值（其前后两个点）估计 t1 的值，公式是： v 1 = v 0 + ( v 2 − v 0 ) ∗ ( ( t 1 − t 0 ) / ( t 2 − t 0 ) ) v1=v0+(v2-v0)*((t1-t0)/(t2-t0)) v1=v0+(v2−v0)∗((t1−t0)/(t2−t0))；这里假设 t0、t1、t2 的时间间隔为 5s，v0 和 v2 分别是 10 和 20，则 v1 的估计值为 15。
    
  • ZIM（Zero if missing）：如果存在丢失点，则使用 0 进行替换。
  • MAX：如果存在丢失点，则使用其类型的最大值替换。
  • MIN：如果存在丢失点，则使用其类型的最小值替换。

列出部分常用的Aggregator 函数 机器使用的 Interpolation 类型：

downsample（采样功能）

简单来说就是对指定时间段内的数据进行聚合后返回；例如，需要返回每分钟的平均值数据，按照 5m-avg 的方式进行采样；分析 5m-avg 参数：

• 第一部分，采样的时间范围，即5分钟一次采样；
• 第二部分，采样使用的聚合函数，这里使用的是 avg（平均值）的聚合方式。

其含义是 每5分钟为一个采样区间，将每个区间的平均值作为返回的点。返回结果中，每个点之间的时间间隔为5分钟。

"queries": [{"aggregator": "sum","metric": "self.test","downsample": "5m-avg","tags": {"host": "web1"}}
]

时序数据的丢失也会对 Downsampling 处理结果产生一定的影响。OpenTSDB 也为 Downsampling 提供了相应的填充策略，Downsampling 的填充策略如下：

• None（none）：默认填充策略，当 Downsampling 结果中缺失某个节点时，不会进行处理，而是在进行 “Aggregator” 时通过相应的 interpolation 进行填充。
• NaN（nan）：当 Downsampling 结果中缺少某个节点时，会将其填充为 NaN，在进行 “Aggregation” 时会跳过该点。
• Null（null）：与 NaN 类似。
• Zero（zero）：当 Downsampling 结果中缺少某个节点时，会将其填充为 0。

执行顺序

Rate Conversion（增长率）

在子查询中，有两个字段与 Rate Conversion 相关

• rate 字段：表示是否进行 Rate Conversion 操作；参数为 true 或 false。
• rateOptions 字段：记录 Rate Conversion 操作的一些参数，该字段是一个 Map，其中的字段及含义如下。
  • counter 字段：参与 Rate Conversion 操作的时序记录是否为一个会溢出（rollover）的单调递增值。
  • counterMax 字段：时序的最大值，详细介绍。
  • resetValue 字段：当计算得到的比值超过该字段值时会返回0，主要是防止出现异常的峰值。
  • dropResets 字段：是否直接丢弃 resetValue 的点或出现 rollover 的点。

其他接口

• /api/suggest 接口：该接口的主要功能是根据给定的前缀查询符合该前缀的 metric、tagk 或 tagv，主要用于给页面提供自动补全功能。请求结构如下：

  {"type": "metric",  // 查询的字符串的类型，可选项有 metrics、tagk、tagv"q": "sys",        // 字符串前缀"max"： 10         // 此次请求返回值携带的字符串个数上限
  }
  

• /api/query/exp 接口：该接口支持表达式查询。
• /api/query/gexp 接口：该接口主要为了兼容 Graphite 到 OpenTSDB 的迁移。
• /api/query/last 接口：在有些场景中，只需要一条时序数据中最近的一个点的值。
• /api/uid/assign 接口：该接口主要为 metric、tagk、tagv 分配 UID，UID 的相关内容和分配的具体实现在后面会进行详细分析。
• /api/uid/tsmeta 接口：该接口支持查询、编辑、删除 TSMeta 元数据。
• /api/uid/uidmeta 接口：改接口支持编辑、删除 UIDMeta 元数据。
• /api/annotation 接口：改接口支持添加、编辑、删除 Annotation 数据。

JAVA的调用

OpenTSDB提供三种方式的读写操作：telnet、http、post，但官方并没提供JAVA版的API。在GitHub上有的Java的opentsdb-client ，才使得我能对openTSDB的读写操作进行封装，从而分享至此：https://github.com/shifeng258/opentsdb-client
在此项目上包装开发或将其打包成SDK使用均可。本人将用前一种方式进行的。
增加的一个统一调用类OpentsdbClient

import com.alibaba.fastjson.JSONArray;
import com.alibaba.fastjson.JSONObject;
import com.ygsoft.opentsdb.client.ExpectResponse;
import com.ygsoft.opentsdb.client.HttpClient;
import com.ygsoft.opentsdb.client.HttpClientImpl;
import com.ygsoft.opentsdb.client.builder.MetricBuilder;
import com.ygsoft.opentsdb.client.request.Query;
import com.ygsoft.opentsdb.client.request.QueryBuilder;
import com.ygsoft.opentsdb.client.request.SubQueries;
import com.ygsoft.opentsdb.client.response.Response;
import com.ygsoft.opentsdb.client.response.SimpleHttpResponse;import org.slf4j.Logger;
import org.slf4j.LoggerFactory;import java.io.IOException;
import java.util.*;/*** Opentsdb读写工具类*/
public class OpentsdbClient {private static Logger log = LoggerFactory.getLogger(OpentsdbClient.class);/*** 取平均值的聚合器*/public static String AGGREGATOR_AVG = "avg";/*** 取累加值的聚合器*/public static String AGGREGATOR_SUM = "sum";private HttpClient httpClient;public OpentsdbClient(String opentsdbUrl) {this.httpClient = new HttpClientImpl(opentsdbUrl);}/*** 写入数据 * @param metric 指标 * @param timestamp 时间点 * @param value * @param tagMap * @return * @throws Exception*/public boolean putData(String metric, Date timestamp, long value, Map tagMap) throws Exception {long timsSecs = timestamp.getTime() / 1000;return this.putData(metric, timsSecs, value, tagMap);}/*** 写入数据 * @param metric 指标  * @param timestamp 时间点 * @param value * @param tagMap * @return * @throws Exception*/public boolean putData(String metric, Date timestamp, double value, Map tagMap) throws Exception {long timsSecs = timestamp.getTime() / 1000;return this.putData(metric, timsSecs, value, tagMap);}/*** 写入数据 * @param metric 指标 * @param timestamp 转化为秒的时间点 * @param value * @param tagMap * @return * @throws Exception*/public boolean putData(String metric, long timestamp, long value, Map tagMap) throws Exception {MetricBuilder builder = MetricBuilder.getInstance();builder.addMetric(metric).setDataPoint(timestamp, value).addTags(tagMap);try {log.debug("write quest：{}", builder.build());Response response = httpClient.pushMetrics(builder, ExpectResponse.SUMMARY);log.debug("response.statusCode: {}", response.getStatusCode());return response.isSuccess();} catch (Exception e) {log.error("put data to opentsdb error: ", e);throw e;}}/*** 写入数据 * @param metric 指标 * @param timestamp 转化为秒的时间点 * @param value * @param tagMap * @return * @throws Exception*/public boolean putData(String metric, long timestamp, double value, Map tagMap) throws Exception {MetricBuilder builder = MetricBuilder.getInstance();builder.addMetric(metric).setDataPoint(timestamp, value).addTags(tagMap);try {log.debug("write quest：{}", builder.build());Response response = httpClient.pushMetrics(builder, ExpectResponse.SUMMARY);log.debug("response.statusCode: {}", response.getStatusCode());return response.isSuccess();} catch (Exception e) {log.error("put data to opentsdb error: ", e);throw e;}}/*** 批量写入数据 * @param metric 指标  * @param timestamp 时间点 * @param value * @param tagMap * @return * @throws Exception*/public boolean putData(JSONArray jsonArr) throws Exception {return this.putDataBatch(jsonArr);}/*** 批量写入数据 * @param metric 指标 * @param timestamp 转化为秒的时间点 * @param value * @param tagMap * @return * @throws Exception*/public boolean putDataBatch(JSONArray jsonArr) throws Exception {MetricBuilder builder = MetricBuilder.getInstance();try {for(int i = 0; i < jsonArr.size(); i++){Map tagMap = new HashMap();for(String key : jsonArr.getJSONObject(i).getJSONObject("tags").keySet()){tagMap.put(key, jsonArr.getJSONObject(i).getJSONObject("tags").get(key));}String metric = jsonArr.getJSONObject(i).getString("metric").toString();long timestamp = DateTimeUtil.parse(jsonArr.getJSONObject(i).getString("timestamp"), "yyyy/MM/dd HH:mm:ss").getTime() / 1000;double value = Double.valueOf(jsonArr.getJSONObject(i).getString("value"));builder.addMetric(metric).setDataPoint(timestamp, value).addTags(tagMap);}log.debug("write quest：{}", builder.build());Response response = httpClient.pushMetrics(builder, ExpectResponse.SUMMARY);log.debug("response.statusCode: {}", response.getStatusCode());return response.isSuccess();} catch (Exception e) {log.error("put data to opentsdb error: ", e);throw e;}}/*** 查询数据，返回的数据为json格式，结构为： * "[ * " { * " metric: mysql.innodb.row_lock_time, * " tags: { * " host: web01, * " dc: beijing * " }, * " aggregateTags: [], * " dps: { * " 1435716527: 1234, * " 1435716529: 2345 * " } * " }, * " { * " metric: mysql.innodb.row_lock_time, * " tags: { * " host: web02, * " dc: beijing * " }, * " aggregateTags: [], * " dps: { * " 1435716627: 3456 * " } * " } * "]"; * @param metric 要查询的指标 * @param aggregator 查询的聚合类型, 如: OpentsdbClient.AGGREGATOR_AVG, OpentsdbClient.AGGREGATOR_SUM * @param tagMap 查询的条件 * @param downsample 采样的时间粒度, 如: 1s,2m,1h,1d,2d * @param startTime 查询开始时间,时间格式为yyyy/MM/dd HH:mm:ss * @param endTime 查询结束时间,时间格式为yyyy/MM/dd HH:mm:ss*/public String getData(String metric, Map tagMap, String aggregator, String downsample, String startTime, String endTime) throws IOException {QueryBuilder queryBuilder = QueryBuilder.getInstance();Query query = queryBuilder.getQuery();query.setStart(DateTimeUtil.parse(startTime, "yyyy/MM/dd HH:mm:ss").getTime() / 1000);query.setEnd(DateTimeUtil.parse(endTime, "yyyy/MM/dd HH:mm:ss").getTime() / 1000);List sqList = new ArrayList();SubQueries sq = new SubQueries();sq.addMetric(metric);sq.addTag(tagMap);sq.addAggregator(aggregator);sq.setDownsample(downsample + "-" + aggregator);sqList.add(sq);query.setQueries(sqList);try {log.debug("query request：{}", queryBuilder.build()); //这行起到校验作用SimpleHttpResponse spHttpResponse = httpClient.pushQueries(queryBuilder, ExpectResponse.DETAIL);log.debug("response.content: {}", spHttpResponse.getContent());if (spHttpResponse.isSuccess()) {return spHttpResponse.getContent();}return null;} catch (IOException e) {log.error("get data from opentsdb error: ", e);throw e;}}/*** 查询数据，返回tags与时序值的映射: Map> * @param metric 要查询的指标 * @param aggregator 查询的聚合类型, 如: OpentsdbClient.AGGREGATOR_AVG, OpentsdbClient.AGGREGATOR_SUM * @param tagMap 查询的条件 * @param downsample 采样的时间粒度, 如: 1s,2m,1h,1d,2d * @param startTime 查询开始时间, 时间格式为yyyy/MM/dd HH:mm:ss * @param endTime 查询结束时间, 时间格式为yyyy/MM/dd HH:mm:ss * @param retTimeFmt 返回的结果集中，时间点的格式, 如：yyyy/MM/dd HH:mm:ss 或 yyyyMMddHH 等 * @return Map>*/public Map getData(String metric, Map tagMap, String aggregator, String downsample, String startTime, String endTime, String retTimeFmt) throws IOException {String resContent = this.getData(metric, tagMap, aggregator, downsample, startTime, endTime);return this.convertContentToMap(resContent, retTimeFmt);}public Map convertContentToMap(String resContent, String retTimeFmt) {Map tagsValuesMap = new HashMap();if (resContent == null || "".equals(resContent.trim())) {return tagsValuesMap;}JSONArray array = (JSONArray) JSONObject.parse(resContent);if (array != null) {for (int i = 0; i < array.size(); i++) {JSONObject obj = (JSONObject) array.get(i);JSONObject tags = (JSONObject) obj.get("tags");JSONObject dps = (JSONObject) obj.get("dps"); //timeValueMap.putAll(dps); Map timeValueMap = new HashMap(); for (Iterator it = dps.keySet().iterator(); it.hasNext(); ) { String timstamp = it.next(); Date datetime = new Date(Long.parseLong(timstamp)*1000); timeValueMap.put(DateTimeUtil.format(datetime, retTimeFmt), dps.get(timstamp)); } tagsValuesMap.put(tags.toString(), timeValueMap); } } return tagsValuesMap; }}}return tagsValuesMap;}
}

增加一个时间处理类

import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Date;public class DateTimeUtil {public static Date parse(String date,String fm){Date res=null;try {SimpleDateFormat sft=new SimpleDateFormat(fm);res=sft.parse(date);} catch (ParseException e) {e.printStackTrace();}return res;}}

为了建立HTTP的长连接，将PoolingHttpClient进行单例模式的修改（防止调用时频繁的实例化引起的资源消耗）

public class PoolingHttpClient {.../*单例模式修改*/private static PoolingHttpClient poolingHttpClient;private PoolingHttpClient() {// Increase max total connectionconnManager.setMaxTotal(maxTotalConnections);// Increase default max connection per routeconnManager.setDefaultMaxPerRoute(maxConnectionsPerRoute);// config timeoutRequestConfig config = RequestConfig.custom().setConnectTimeout(connectTimeout).setConnectionRequestTimeout(waitTimeout).setSocketTimeout(readTimeout).build();httpClient = HttpClients.custom().setKeepAliveStrategy(keepAliveStrategy).setConnectionManager(connManager).setDefaultRequestConfig(config).build();// detect idle and expired connections and close themIdleConnectionMonitorThread staleMonitor = new IdleConnectionMonitorThread(connManager);staleMonitor.start();}public static PoolingHttpClient getInstance() {if (null == poolingHttpClient) {//加锁保证线程安全synchronized (PoolingHttpClient.class) {if (null == poolingHttpClient) {poolingHttpClient = new PoolingHttpClient();}}}return poolingHttpClient;}/*单例模式修改结束*/public SimpleHttpResponse doPost(String url, String data)throws IOException {StringEntity requestEntity = new StringEntity(data);HttpPost postMethod = new HttpPost(url);postMethod.setEntity(requestEntity);HttpResponse response = execute(postMethod);int statusCode = response.getStatusLine().getStatusCode();SimpleHttpResponse simpleResponse = new SimpleHttpResponse();simpleResponse.setStatusCode(statusCode);HttpEntity entity = response.getEntity();if (entity != null) {// should return: application/json; charset=UTF-8String ctype = entity.getContentType().getValue();String charset = getResponseCharset(ctype);String content = EntityUtils.toString(entity, charset);simpleResponse.setContent(content);}/*增加线程回收开始*/EntityUtils.consume(entity);postMethod.releaseConnection();/*增加线程回收结束*/return simpleResponse;}...}

修改HttpClientImpl对单例模式的PoolingHttpClient调用

public class HttpClientImpl implements HttpClient {...//private PoolingHttpClient httpClient = new PoolingHttpClient();private PoolingHttpClient httpClient = PoolingHttpClient.getInstance();...
}

OpenTSDB之HTTP请求接口、Java开发相关推荐

1. jmeter java接口_JMeter接口Java开发五步曲

   想做jmeter接口二次开发但不知道如何入手,要解决这个问题,我们可以分为5个步骤 第一步:了解jmeter处理java请求的流程 第二步:通过实现jmeter中的接口JavaSamplerClien ...

2. 快递鸟API单号查询接口Java开发调用源码

   快递鸟是专业的第三方物流数据服务商,国家高新技术企业,已先后完成四轮融资,一直专注于企业级物流API技术研发和打通物流各节点信息服务,致力于成为全球最大的物流信息枢纽中心,为零售电商企业级提供标准的物 ...

3. java http请求实现_java工程实现http请求接口

   java工程实现http请求接口 java工程实现http请求接口 1.实现代码 package com.home; import com.alibaba.fastjson.JSON; import ...

4. Java开发在线支付平台视频教程(AVI格式)

   Java开发在线支付平台视频教程,主要教授如何让自己的网站与银行系统进行对接.如何让用户通过网上银行向你支付费用等内容,全AVI视频格式 JAVA开发视频内容目录: Java开发在线支付平台视频教程_ ...

5. 我也没想到，Java开发 API接口可以不用写 Controller了

   大家好,我是小富~ 今天介绍我正在用的一款高效敏捷开发工具magic-api,顺便分享一点工作中使用它的心得 缘起 先说一下我为什么会使用这个工具? 最近新启动一个项目,业务并不算复杂,那种典型的管理 ...

6. java 轮询请求接口_Android RxJava 实际应用讲解：（无条件）网络请求轮询

   前言 Rxjava,由于其基于事件流的链式调用.逻辑简洁 & 使用简单的特点,深受各大 Android开发者的欢迎. Github截图 RxJava如此受欢迎的原因,在于其提供了丰富 & ...

7. java服务器访问接口提示network error_北京JAVA开发三年，拿到美团35K的offer面试心得...

   前言 长文干货提示,文章为大家完整记录了一位在北京做了3年的JAVA开发的朋友,如何通过美团的面试及拿到35K的offer.全篇内容由全程电话录音再手打腾稿,原创手打不易,请记得三连支持! 文章末尾有 ...

8. java请求接口示例_用示例解释Java接口

   java请求接口示例 介面 (Interfaces) Interface in Java is a bit like the Class, but with a significant differe ...

9. java开发http协议接口_java开发接口利用http协议传输数据

   java开发接口利用http协议传输数据java 这个接口主要用来登陆,java服务器提供一个接口,移动设备客户端(android和ios)能经过这个接口把用户名和密码之类的东东传过来到服务器验证,而 ...

最新文章

1. SocketIO---bio2---带线程池处理任务
2. Kafka—简明教程
3. java学习笔记-良葛格_Java良葛格 学习笔记《二》
4. SAP cloud platform + 504 gateway time out Cloud connector
5. linux 如何赋值目录,Linux文件系统之目录的建立
6. [virtualenvwrapper] 命令小结
7. WIN10 下 PHP7 中文乱码的解决办法
8. Spring Data JPA 禁止自动更新
9. c语言周林答案,C语言程序设计实训教程教学课件作者周林ch04结构化程序设计课件.ppt...
10. 11-散列1 电话聊天狂人
11. Mozilla 开源支持计划：首批捐助 7 开源项目 50 万美元
12. vb UTF文本文件访问
13. 解决WordPress设置错误的url网站不能访问的问题
14. Linux shell 中的那些你值得一试的小把戏
15. IT项目管理规范模板及IT软件招投标模板（共367份，488M）
16. 你所学的专业是怎么回事——摄影测量与遥感
17. 【渝粤教育】国家开放大学2018年春季 8624-21T物业管理案例分析 参考试题
18. 20189200余超 2018-2019-2 移动平台应用开发实践第十一周作业
19. win10,win11后在cmd命令行输入python自动调用微软应用商店
20. silhouette value 聚类

热门文章

1. DataGrip使用进阶（一）
2. 最大似然法、似然函数及对数似然函数
3. 在android8.1 展锐 关闭系统的selinux seandroid
4. 五个小程序用户增长技巧
5. python协程—asyncio模块
6. 2023兔年开工大吉
7. 云展网教程 | 设置单本书籍访问次数限制
8. 终身学习（LifeLong Learning）/ 增量学习（Incremental Learning）、在线学习（Online Learning）
9. STC89C52RC最小系统板原理图（12MHZ）
10. 开源资产管理软件-GLPI安装