Nano Hash - криптовалюты, майнинг, программирование

Вывод Spring Boot: сообщение отсутствует, ошибка (статус = 500)

Spring Boot Project дает мне сообщение «Нет доступных сообщений», нулевой вывод! я знаю, что эта ошибка означает, что у меня есть проблема с моим кодом, но я так плохо знаком с онтологиями и TDB, поэтому, пожалуйста, помогите! Я пытаюсь собрать всех людей из моего файла rdf и сохранить его в TDB, и я не могу найти полезный ответ!

Пример.java

public class Example {
    public static void main(String[] args) {
        SpringApplication.run(Application.class, args);
    }

ПримерКонтроллер.java

@RestController
public class ExampleController {

    File file;
    Model model;
    InfModel infModel;
    Reasoner reasoner = ReasonerRegistry.getOWLReasoner();
    Dataset dataset;
    QueryExecution qe;

    @RequestMapping("/getAll")
    public List getAllIndiv() { 
        List list = new ArrayList();
        try {
              String directory = "tdb" ;
               dataset = TDBFactory.createDataset(directory) ;
               dataset.begin(ReadWrite.READ) ;
              String uri ="http://example#";
              model = dataset.getNamedModel(uri);
              String source = "example.owl";
              FileManager.get().readModel(model, source);
            String a = "";
            String queryString = "\r\n"
                    + "PREFIX ns: <http://example#>"
                    + "PREFIX rdf: <http://example-syntax-ns#>" + "SELECT ?Individuals " + "WHERE {"
                    + "?Individuals rdf:type ns:Concept." + "}";
            Query query = QueryFactory.create(queryString);
            query.getQueryPattern();
             qe = QueryExecutionFactory.create(query, dataset);
            ResultSet results = qe.execSelect();
            ResultSetFormatter.out(results);
            while (results.hasNext()) {
                QuerySolution result = (results.next());
                RDFNode ind = result.get("Individuals");
                a = ind.asResource().getLocalName() + "";
                list.add(a);
            qe.close();
            }
            return list;
        } catch (Exception e) {
            e.printStackTrace();
        }finally {

            if(model != null && dataset != null) {
                qe.close();
                dataset.commit();            
                model.close();
              dataset.end();
            }
        }
        return null;
    }   
}
04.11.2019

  • на основе вашего кода трудно понять проблему, вы проверяли конфигурацию? ваша ошибка похожа на ссылку ниже: stackoverflow.com/questions/38205761/ 04.11.2019
  • @tiepvut спасибо за ответ, я ответил, но до сих пор не исправил ответ 04.11.2019
  • @tiepvut нет, не та же ошибка! просто java.lang.NullPointerException: null и статус = 500 (ошибка сервера) 04.11.2019

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..