Nano Hash - криптовалюты, майнинг, программирование

Прокси-сервер Jersey Client 2 и многокомпонентная поддержка

Я пытаюсь добавить поддержку прокси в свой клиент Джерси. Я использую org.glassfish.jersey.core:jersey-client:2.11, но я могу переключиться на любую версию Jersey Client 2. В настоящее время клиент использует соединитель Джерси по умолчанию, который не поддерживает прокси-сервер AFAIK.

Я пробовал решение, описанное здесь https://stackoverflow.com/questions/18942648/how-to-add-a-http-proxy-for-jersey2-client, но затем при отправке составного содержимого я получаю:

org.apache.commons.fileupload.FileUploadException: the request was rejected because no multipart boundary was found

и ПРЕДУПРЕЖДЕНИЕ в клиенте:

Aug 10, 2015 5:10:32 PM org.glassfish.jersey.message.internal.HeaderUtils checkHeaderChanges
WARNING: There are some request headers that have not been sent by connector [org.glassfish.jersey.apache.connector.ApacheConnector]. Probably you added those headers in WriterInterceptor or MessageBodyWriter. That feature is not supported by the connector. Please, do not modify headers in WriterInterceptor or MessageBodyWriter or use default HttpUrlConnector instead.
Unsent header changes: [MIME-Version, Content-Type]

Также эта проблема упоминается в документации Jersey Client 2 (https://jersey.java.net/documentation/latest/user-guide.html#d0e9179)

Warning
Do not use ApacheConnectorProvider nor GrizzlyConnectorProvider neither JettyConnectorProvider connector implementations with Jersey Multipart features. See Header modification issue warning for more details.

Как настроить Джерси-клиент 2 для поддержки обоих:

  1. Отправка составного контента (для загрузки файлов на сервер)
  2. Поддержка прокси-сервера

?

PS. Может быть, есть способ добавить поддержку прокси в реализацию соединителя трикотажа по умолчанию?

multipartform-data multipart apache-httpclient-4.x jersey-client jersey-2.0
10.08.2015

Ответы:


1

Я нашел способ работать с коннектором apache (коннекторы, отличные от коннектора httpurl по умолчанию), а также с многокомпонентной функцией. Если я добавлю границу к типу содержимого при создании запроса с помощью Invocation.Builder, это сработает.

Мой код выглядит следующим образом.

MediaType contentType = MediaType.MULTIPART_FORM_DATA_TYPE;
contentType = Boundary.addBoundary(contentType); // import org.glassfish.jersey.media.multipart.Boundary;
Response response = builder.post(Entity.entity(requestPayload, contentType), Response.class);
19.01.2016
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..