Framework Web

Résumé

Un framework Web ou framework d'application Web est un framework logiciel conçu pour prendre en charge le développement d'applications Web, notamment des services Web, des ressources Web et des API Web. Les frameworks Web fournissent un moyen standard de créer et de déployer des applications Web sur le World Wide Web. Les frameworks Web visent à automatiser les mécanismes les plus courants du développement Web. Par exemple, de nombreux frameworks Web fournissent des bibliothèques pour l'accès aux bases de données, les moteurs de rendu et la gestion des sessions, et ils favorisent souvent la réutilisation du code. Bien qu'ils ciblent souvent le développement de sites Web dynamiques, ils s'appliquent également aux sites Web statiques. Histoire Comme le World Wide Web n'était par conception pas intrinsèquement dynamique, les premiers hypertextes consistaient en des fichiers texte HTML codés à la main qui étaient publiés sur des serveurs Web. Toute modification des pages publ

Source officielle

https://fr.wikipedia.org/wiki/Framework_Web

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (66)

Publications associées

Chargement

Personnes associées (5)

Personnes associées

Chargement

Unités associées (3)

Unités associées

Chargement

Concepts associés (29)

Concepts associés

Chargement

Cours associés (6)

Cours associés

Chargement

Séances de cours associées (8)

Séances de cours associées

Chargement

Django, the Web framework for perfectionists with deadlines, a été adopté dans quelques projets à l’EPFL. Petit tour d’horizon de ses usages concrets, et de la manière de l’intégrer au mieux dans le système d’information de l’école.

2012

Chargement

Enhancing Quality of Service metrics for high fan-in Node.js applications by optimising the network stack: Leveraging IX: The Dataplane Operating System

Fredrik Peter Lilkaer

This thesis investigates the feasibility of porting Node.js, a JavaScript web application framework and server, to IX, a dataplane operating system specifically developed to meet the needs of high performance microsecond-computing type of applications in a datacentre setting. We show that porting requires extensions to the IX kernel to support UDS polling, which we implement. We develop a distributed load generator to benchmark the framework. The results show that running Node.js on IX improves throughput by up to 20.6%, latency by up to 5.23×, and tail latency by up to 5.68× compared to a Linux baseline. We show how server side request level reordering affect the latency distribution, predominantly in cases where the server is load saturated. Finally, due to various limitations of IX, we are unable at this time to recommend running Node.js on IX in a production environment, despite improved metrics in all test cases. However, the limitations are not fundamental, and could be resolved in future work.

2015

Chargement

, , , , ,

In the last decades, brain modeling has been established as a fundamental tool for understanding neural mechanisms and information processing in individual cells and circuits at different scales of observation. Building data-driven brain models requires the availability of experimental data and analysis tools as well as neural simulation environments and, often, large scale computing facilities. All these components are rarely found in a comprehensive framework and usually require ad hoc programming. To address this, we developed the EBRAINS Hodgkin-Huxley Neuron Builder (HHNB), a web resource for building single cell neural models via the extraction of activity features from electrophysiological traces, the optimization of the model parameters via a genetic algorithm executed on high performance computing facilities and the simulation of the optimized model in an interactive framework. Thanks to its inherent characteristics, the HHNB facilitates the data-driven model building workflow and its reproducibility, hence fostering a collaborative approach to brain modeling.

FRONTIERS MEDIA SA2022

Chargement