火车头二次更新剧集的时候发布播放器不会叠加而是重复发布了多个一样的播放器

飞飞cms3.1默认发布接口播放器或播放地址不叠加原因如下:
    发布接口没有进行播放器(vod_play)和播放地址{vod_url}判断。
    发布接口文件位置:Lib\Lib\Action\Plus\PostAction.class
    需要修改的代码:
    public function vod(){
        $data = D(‘Xml‘)->xml_insert($_POST,false);
        if(!$data){
            exit($rs->getError());
        }
        echo $data[‘vod_id‘];
    }
    修改后的代码:
    public function vod(){
        //将数据添加到本地数据库,有几组播放地址就添加几次
        $rs = D(‘VodXml‘);
        $array_vod_play = explode(‘$$$‘,$_POST[‘vod_play‘]);
        $array_vod_url = explode(‘$$$‘,$_POST[‘vod_url‘]);    
        foreach($array_vod_play as $ii=>$value){
            $_POST[‘vod_play‘] = $value;
            $_POST[‘vod_url‘] = trim($array_vod_url[$ii]);
            echo $rs->xml_insert($_POST, false);
        }
        ob_flush();flush();
    }

原文地址:https://www.cnblogs.com/webfootman/p/8331566.html

时间: 2024-10-08 17:50:48

火车头二次更新剧集的时候发布播放器不会叠加而是重复发布了多个一样的播放器的相关文章

【web开发学习笔记】Structs2 Result学习笔记(二)动态结果集

Result学习笔记(二) - 动态结果集 动态结果 一定不要忘了为动态结果的保存值设置set get方法 第一部分:代码 //前端 <% String context = request.getContextPath(); %> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional

Hive架构层面优化之二合理利用中间结果集(单Job)

是针对单个作业,针对本job再怎么优化也不会影响到其他job: Hadoop的负载主要有两部分:CPU负载和IO负载: 问题:机器io开销很大,但是机器的cpu开销较小,另外map输出文件也较大,怎么办? 解决办法:通过设置map的中间输出进行压缩就可以了,这个不会影响最终reduce的输出. 集群中的机器一旦选定了,那么CPU就没的改变了,所以集群的最主要的负载还是IO负载: 压缩技术虽然可以降低IO负载,但是同时也加重了CPU负载,治标不治本,CPU加重了,整体性能还是上不去:如果当前CPU

从单机到集群会话的管理之集群模式二(更大的集群)

<从单机到集群会话的管理之集群模式一>中讲到的全节点复制的网络流量随节点数量增加呈平方趋势增长,也正是因为这个因素导致无法构建较大规模的集群,为了使集群节点能更加大,首要解决的就是数据复制时流量增长的问题,下面将介绍另外一种会话管理方式,每个会话只会有一个备份,它使会话备份的网络流量随节点数量的增加呈线性趋势增长,大大减少了网络流量和逻辑操作,可构建较大的集群. 下面看看这种方式具体的工作机制,集群一般是通过负载均衡对外提供整体服务,所有节点被隐藏在后端组成一个整体.前面各种模式的实现都无需负

六十二、负载均衡集群介绍、LVS介绍、LVS的调度算法、LVS NAT模式搭建

一.负载均衡集群介绍 主流开源软件LVS.keepalived.haproxy.nginx等 其中LVS属于4层(网络OSI 7层模型),nginx属于7层,haproxy既可以认为是4层,也可以当做7层使用. OSI简介:OSI采用了分层的结构化技术,共分七层,物理层.数据链路层.网络层.传输层.会话层.表示层.应用层. keepalived的负载均衡功能其实就是lvs,内置的功能. lvs这种4层的负载均衡是可以分发除80外的其他端口通信的,比如MySQL的,而nginx仅仅支持http,h

Redis(二):命令集构建及关键属性解析

上一篇文章,我们从框架层面,主要介绍了redis的启动过程,以及主要的命令处理流程逻辑.这些更多的都是些差不多的道理,而要细了解redis,则需要更细节的东西. 今天我们稍微内围的角度,来看看几个命令执行的重要方法,深入理解下redis的魅力所在. 首先,我们通过上一章知道,processCommand 是其业务主要入口,我们再来回顾下: // server.c /* If this function gets called we already read a whole * command,

报表软件的二次革命之集算报表

产生背景 报表工具是润乾的主打产品,我们在这方面积累了丰富的经验,当然,也有教训. 现代的报表工具主要解决两个环节的问题:一方面是呈现,也就是把数据以表格或图形的方式展现出来:另一方面是数据计算,即计算出源数据中没有和不能直接呈现的数据,比如一些公式格.分组汇总排序等等. 这里说的报表,主要是指用户事先确定好格式和数据运算规则的报表,我们俗称为固定报表.自助报表,也就是业务用户可以自己简单拖拽可以完成的报表,不在此类.自助报表的话题我们会专门再讲. 十年前润乾首先提出了非线性报表模型,带来了报表

报表工具的二次革命之集算器的作用

之前的文章已经大致给大家介绍过大数据计算引擎-润乾集算器了.想必很多人心里还是存在疑惑,集算器作为大数据分析系统,到底它能做些什么?这篇文章,就为大家详细介绍. 降低报表开发难度 降低开发难度从而提高开发效率是集算器的设计初衷,是最容易理解的作用,前面已有粗略介绍. 这方面的细节内容太多,我们会再做一个专门话题详细讲述集算器如何解决报表开发中的各种具体难题以及与常规手段的对比.在这里只做总结性地阐述. 比Java和SQL更易写 如前所述,集算器的设计目标是为了解决报表的数据准备,而目前这个工作一

Flume NG 学习笔记(二)单机与集群Flume 配置

下面的内容基本来自官网:http://flume.apache.org/FlumeUserGuide.html 本文使用的是最新版本的apache flume 1.5,安装完Flume然后测试下Flume是否可以用,在Flume目录下用以下语句测试: bin/flume-ng agent -n$agent_name -c conf -f conf/flume-conf.properties.template 结果如图显示: Ok,我们接下去看下面常用架构.功能配置示例 一.最简单的单一代理Flu

ELK+Filebeat+Nginx集中式日志解决方案(二)——添加ElasticSearch集群

一.使用说明: Elasticsearch插件:  Elasticsearch常用的几个插件为: # head # 地址  https://github.com/mobz/elasticsearch-head mobz/elasticsearch-head # kopf # 地址  https://github.com/lmenezes/elasticsearch-kopf lmenezes/elasticsearch-kopf # bigdesk # 地址 https://github.com