Py4j-RPC
python 使用灵活、方便在科研中被广泛的使用，Numpy和SciPy等科学计算库使其拥有强大的计算方式。很多机器学习和深度学习的库也都采用了python，然而在大数据、后台开发中仍然较多的使用Java来开发健壮的服务。如果你想要在Java中来调用Python代码的话，本文提供了一种思路，虽然不够健壮。
本文的初衷是在Java中调用Keras训练好的深度学习模型进行inference，模型的输入是Numpy数组。主要考虑几点：1）.Java这边可以方便的打包成Jar包，方便部署，比如作为 spark 的 job 运行。2）. Python这边如果要安装额外的库，安装方式越简单越好。
针对1）.首先考虑的有deeplearning4j，可以通过maven使用。其次是Jython，Jep等工具提供了Java直接运行python代码的功能；再其次是完全通过网络来传递参数获取返回结果。另外，可考虑的是如果采用了Tensorflow训练模型，可以保存为Tensorflow模型，然后使用Java接口直接来调用。
deeplearning4j
deeplearning4j是一个Java语言的深度学习库，其能够与Spark框架对接。并且提供了导入keras模型的功能，然而对keras模型的支持并不完善，很多层还没有实现，尤其是keras2的出现，deeplearning4j支持情况很差。
Jython
Jython是纯Java实现的Jython VM。Jython在import 一个Python文件的时候，会编译生成.class文件，而不是.pyc文件。
使用Jython可以运行纯python实现的python库，无法使用用C写的Python扩展库，因为没有在ABI层兼容CPython。
Jython调用第三方的库，如自己编写的库，需要将包路径添加到sys.path中。
maven：
<dependency>
<groupId>org.python</groupId>
<artifactId>jython-standalone</artifactId>
<version>2.7.1</version>
</dependency>
Jep 是一个能够让Python和Java互相调用的软件包。可以使用CPython的扩展包，如Numpy和Pandas。其可以将Java的数组自动转换为numpy数组。
在使用pip install jep安装时需要编译本地模块。
RPC
对上面的工具都不满意，只能走一些其它路子了。想到跨语言、跨平台、数据交换等概念时自然容易想到JSON、XML、RPC这些词。那么采用远程过程调用是一种不错的方式。各种语言都有远程过程调用的工具，如Java的RMI，对象被序列化后通过网络传输。序列化可以是任意形式，JSON、XML或者自定义的格式。JSON-RPC-2.0的规范定义比较简单，可以为我们所使用。
RPC-server (Python)
建立TCP server监听连接，在每个连接中按照JSON-RPC 2.0规范解读和发送内容。建立函数名称到函数的map，这些函数供Java调用。函数的参数需要是一些基本类型，如果原来的参数是numpy数组，可以改成一维数组，再加额外个参数表示维度信息，如行数和列数。然后在函数中进行reshape，复制到numpy数组。
RPC-client (Java)
建立到RPC-server的socket连接，使用com.thetransactioncompany.jsonrpc2包向RPC-server发送请求。
参数传递可以使用Java的Map，会映射到Python的dict。
