百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Java Swagger 的相关知识讲解(swagger生成java代码)

ztj100 2025-05-08 08:09 29 浏览 0 评论



一、Swagger的作用和概念

官方地址:https://swagger.io/

Swagger 是一个规范且完整的框架,用于生成、描述、调用和可视化 RESTful 风格的 Web 服务以及 集成Swagger自动生成API文档。

Swagger 的目标是对 REST API 定义一个标准且和语言无关的接口,可以让人和计算机拥有无须访问源码、文档或网络流量监测就可以发现和理解服务的能力。当通过 Swagger 进行正确定义,用户可以理解远程服务并使用最少实现逻辑与远程服务进行交互。与为底层编程所实现的接口类似,Swagger 消除了调用服务时可能会有的猜测。

1、Swagger 的优势

  • 支持 API 自动生成同步的在线文档:使用 Swagger 后可以直接通过代码生成文档,不再需要自己手动编写接口文档了,对程序员来说非常方便,可以节约写文档的时间去学习新技术。
  • 提供 Web 页面在线测试 API:光有文档还不够,Swagger 生成的文档还支持在线测试。参数和格式都定好了,直接在界面上输入参数对应的值即可在线测试接口。

2、SwaggerUI 特点

  1. 无依赖 UI可以在任何开发环境中使用,无论是本地还是在Web端中。
  2. 人性化允许最终开发人员轻松地进行交互,并尝试API公开的每个操作,以方便使用。
  3. 易于浏览归类整齐的文档可快速查找并使用资源和端点。
  4. 所有浏览器支持 Swagger UI 在所有主要浏览器中均可使用,以适应各种可能的情况。
  5. 完全可定制 通过完整的源代码访问方式以所需方式设置和调整Swagger UI。
  6. 完整的OAS支持 可视化Swagger 2.0或OAS 3.0中定义的API

前后端分离:

现主流前后端开发:Vue + SpringBoot

后端时代:前端只用管理静态页面; html==》后端。模版引擎 JSP=>后端是主力

前后端分离时代:

  • 后端:后端控制层、服务层、数据访问层 【后端团队】
  • 前端:前端控制层、视图层 【前端团队】
  • 伪造后端数据,json。在后端开发前数据以及存在,不需要后端,前端工程师依旧能将项目跑起来。
  • 前后端如何交互?==>API
  • 前后端相对独立,松耦合;
  • 前后端甚至可以部署在不同的服务器上。

产生一个问题

前后端集成联调,前端人员和后端人员无法做到 “及时协商,尽早解决”,最终导致问题集中爆发;

SpringBoot中集成Swagger

解决方案:

首先指定scheme,实时更新最新的API,降低集成的风险。

早些年,制定Word计划文档

前后端分离:

  • 前端测试后端接口使用:Postman工具。
  • 后端提供接口:需要实时更新最新改动和消息。

这时Swagger很好的解决了这个问题

  • 号称世界上最流行的API框架。
  • Restful API文档在线自动生成工具 ,API文档与API定义同步更新
  • 直接运行,可以在线测试API接口。
  • 支持多种语言 如:Java 、Php等高级语言

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: