Mule Tuning Performance Mule性能调优

Mule—应用 Mule—应用 sf2gis@163.com 2016年10月18日创建     1 应用:消息转发-WMS消息体转发 1.1 目标:转发WMS的,将外部请求的HTTP转发到内部HTTP。 1.2 原理:HTTP转发。 1.3 流程:创建流程,设置入口HTTP,设置出口HTTP。 1.3.1 创建流程 1.3.2 设置入口HTTP:入口HTTP设置暴露HTTP,供外部调用。 阅读详情

 一个Mule应用就是一个service集合的协作体,service按以下3个阶段处理消息:

  1. Connector连接器 接收阶段
  2. Service component组件 处理阶段
  3. Connector连接器 分发阶段

  Mule性能调优就是针对每个service分析和改进上述3个阶段,你可以对所有service采用统一的调优方式、进一步对每个service定义独立非更优化的方式。

  关于线程池

  来到mule的每个请求都被一个专属线程处理(类似webserver),连接器的接收器使用线程池来接收并处理入站请求。注意,mule可以同步或者异步的发送消息,默认情况下,消息是异步的,也就是不要求响应的消息是“fire-and-forget——发射后不管”方式(类似于自动制导导弹),如果需要响应,你必须把service配置成同步的。如果配置是异步的,要使用连接器的接收器和分发器,如果是同步的只使用连接器的接收器。

  如果使用同步方式,处理一条消息将只使用一个线程贯穿mule的内部。

  如果使用异步方式,接收器用一个线程把消息发送到component、随后就转移到component线程、然后接收器线程就被交还给接收器线程池了(接收器将重用这条线程)

  component处理完异步消息以后,消息就被发送给一个dispatcher分发器线程,接收器、component组件、分发器都拥有各自的线程池。如果是同步的那么只有接收器具备线程池。

 

  关于Threading Profiles线程描述

  线程描述定义了mule中的线程池的行为。针对每个接收器线程池、组件线程池和分发器线程池你都可以单独定义它。最重要的设置是maxThreadsActive:最大活跃线程数。

 

  关于Pooling Profiles池描述

  和单组件不同,每个PooledJavaComponent池化组件都有一个组件池,容纳多个组件实例来处理并发请求。service的pooling profile配置了这个组件池。最重要的设置是maxActive:最大活跃数、指定了最多的用于处理并发请求的组件实例数量——也就是支持的最大并发数。注意这个设置要与接收器线程池的maxThreadsActive设置一致。你可以使用mule HQ来监控组件池、监视正在使用的组件实例的最大数量,以帮助你调优组件和线程的数量。

 

  计算线程

  要计算线程数必须考虑以下因素:

  • 并发用户请求数:通常情况,对service来说就是inbound入站能够同时处理的请求数。在连接器级别,并发用户请求就是所有使用了这个连接器的service的并发用户请求数之和。典型情况下,你应该从业务需求视角决定这个并发用户请求数。
  • 处理时间:从连接器的接收器开始执行到结束处理消息、连接器的分发器发送响应给outbound出站、或者接收器响应回给客户端的平均处理时间。一般你应该根据单元测试决定这个处理时间。
  • 响应时间:如果一个service以同步模式运行,响应时间就是客户端等待响应到达的实际时间。如果是异步的那么就是请求到达mule直到从outbound出去的总时间。在线程池场景下,并不一定总是有线程可用,如果是这样的话,请求会被扔到内部线程池的work queue作业队列、等待下一个可用线程(类似ThreadPoolExecutor的BlockingQueue<Runnable> workQueue)。因此,响应时间这么算:Response time = average of thread pool waiting time in work queue + average of processing time。
  • 超时时间:如果你的业务需求指定了最大等待时间,那就是它了。

  明确上述因素以后,你可以估计出你的service线程池和接收器线程池的maxThreadsActive 和 maxBufferSize,推导公式:

  Concurrent user requests = maxThreadsActive + maxBufferSize

  maxThreadsActive 就是活跃线程数、maxBufferSize 就是可以在队列中等待被处理的请求数。

  计算service线程

  业务需求决定了每个service处理的并发数。例如,一个service可能需要处理50个并发、另一个需要40个。这个数值一般可以通过service标签的maxThreadsActive属性设置。如果你需要对同步处理设置超时,你得对每个service做些计算估计:

1. 运行同步测试用例来求出响应时间
2. 从业务需求能允许的超时时间中扣除响应时间就是你的最大等待时间(maximum wait time = timeout time - response time).
3. 用maximum wait time最大等待时间除以response time响应时间来求得顺序执行的batches批次(batches =
maximum wait time / response time). 请求在队列中等待,直到第一批次完成、然后第一批次的线程可以再回收给下一批次利用。
4. 并发用户请求数除以批次以求得线程数、也就是service的maxThreadsActive设置(where maxThreadsActive = concurrent user requests / processing batches). 这就是可以并发运行一个service的总线程数。
5. maxBufferSize等于concurrent user requests并发用户请求数减去maxThreadsActive(maxBufferSize = concurrent user requests - maxThreadsActive). 这就是允许在队列中等待可用线程的请求数——应该就是在构造ThreadPoolExecutor时代第五个参数:BlockingQueue<Runnable> workQueue阻塞队列,这个阻塞队列实际上就是在一个对象monitor上等待获取对象执行权/锁的线程队列,它属于java.util.concurrent包的并发集合范畴。

 

穿插队列Queue与阻塞队列BlockingQueue详解

普通队列测试:

Java代码   收藏代码
  1. package com.test;  
  2.   
  3. import java.util.LinkedList;  
  4. import java.util.Queue;  
  5.   
  6. public class QueueTest {  
  7.     public static void main(String s[]){  
  8.             Queue queue = new LinkedList();/*把这里换为PriorityQueue()则下属输出顺序变为: 
  9.             Four、One、Three、Three —— 按字符串自然排序顺序(通过其java.util.Comparable实现或者根据传递给构造函数的java.util.Comparator 实现*/  
  10.             queue.offer("One");  
  11.             queue.offer("Two");  
  12.             queue.offer("Three");  
  13.             queue.offer("Four");  
  14.             System.out.println("Head of queue is: " + queue.poll());//Head of queue is: One  
  15.             System.out.println("Head of queue is: " + queue.poll());//Head of queue is: Two  
  16.             System.out.println("Head of queue is: " + queue.peek());//Head of queue is: Three  
  17.             System.out.println("Head of queue is: " + queue.peek());//Head of queue is: Three  
  18.             }  
  19. }  

 

 

  java.util.concurrent.ConcurrentLinkedQueue是基于链接节点的、线程安全的队列。并发访问不需要同步。因为它在队列的尾部添加元素并从头部删除它们,所以只要不需要知道队列的大小,ConcurrentLinkedQueue 对公共集合的共享访问就可以工作得很好。收集关于队列大小的信息会很慢,需要遍历队列。

  新的java.util.concurrent包加入了BlockingQueue接口和5个阻塞队列类。阻塞队列实质上是一种带有一点扭曲的FIFO数据结构,不是立即从队列中添加或者删除元素,线程执行操作被阻塞,直到有空间或者元素可用。 BlockingQueue接口的Javadoc 给出了阻塞队列的基本用法,生产者中的 put() 操作会在没有空间可用时阻塞,而消费者的take() 操作会在队列中没有任何东西时阻塞——这么看实际上BlockingQueue的作用在于替你完成了传统的生产者消费者模型里面你自己建立的同步信号量。

五个队列所提供的各有不同:

  • ArrayBlockingQueue :一个由数组支持的有界队列
  • LinkedBlockingQueue :一个由链接节点支持的可选有界队列
  • PriorityBlockingQueue :一个由优先级堆支持的无界优先级队列,它利用所包含元素的 Comparable 排序顺序来以逻辑顺序维护元素。可以将它看作TreeSet的可能替代
  • DelayQueue :一个由优先级堆支持的、基于时间的调度队列,新的 DelayQueue 实现可能是其中最有意思(也是最复杂)的一个。加入到队列中的元素必须事先新的Delayed接口(只有一个方法:long getDelay(java.util.concurrent.TimeUnit unit) )。因为队列的大小没有界限,添加可以立即返回,但是在延迟时间过去之前,不能从队列中取出元素。如果多个元素完成了延迟,那么最早失效/失效时间最长的元素将第一个取出。
  • SynchronousQueue :一个利用 BlockingQueue 接口的简单聚集(rendezvous)机制,最简单,它没有内部容量,它就像线程之间的手递手机制,在队列中加入一个元素的生产者会等待另一个线程的消费者,当这个消费者出现,这个元素就直接在消费者和生产者之间传递,永远不会加入到阻塞队列。

BlockingQueue示例:

Java代码   收藏代码
  1. package com.test;  
  2.   
  3. import java.util.concurrent.ArrayBlockingQueue;  
  4. import java.util.concurrent.BlockingQueue;  
  5.   
  6. public class BlockingQueueDemo {  
  7.     public static void main(String[] args) {  
  8.         BlockingQueue<String> queue = new ArrayBlockingQueue<String>(5);  
  9.         Producer p = new Producer(queue);  
  10.         Consumer c1 = new Consumer(queue);  
  11.         Consumer c2 = new Consumer(queue);  
  12.         new Thread(p).start();  
  13.         new Thread(c1, "c1").start();  
  14.         new Thread(c2, "c2").start();  
  15.     }  
  16. }  
  17.   
  18. class Producer implements Runnable {  
  19.     private final BlockingQueue<String> queue;  
  20.     Producer(BlockingQueue<String> q) {  
  21.         queue = q;  
  22.     }  
  23.   
  24.     public void run() {  
  25.         try {  
  26.             for (int i = 0; i < 100; i++) {  
  27.                 queue.put(produce());  
  28.             }  
  29.         } catch (InterruptedException ex) {  
  30.             ex.printStackTrace();  
  31.         }  
  32.     }  
  33.   
  34.     String produce() {  
  35.         String temp = "" + (char) ('A' + (int) (Math.random() * 26));  
  36.         System.out.println("produce " + temp);  
  37.         return temp;  
  38.     }  
  39. }  
  40.   
  41. class Consumer implements Runnable {  
  42.     private final BlockingQueue<String> queue;  
  43.     Consumer(BlockingQueue<String> q) {  
  44.         queue = q;  
  45.     }  
  46.   
  47.     public void run() {  
  48.         try {  
  49.             for (int i = 0; i < 100; i++) {  
  50.                 consume(queue.take());  
  51.             }  
  52.         } catch (InterruptedException ex) {  
  53.             ex.printStackTrace();  
  54.         }  
  55.     }  
  56.   
  57.     void consume(String x) {  
  58.         System.out.println(Thread.currentThread().getName() + " consume: " + x);  
  59.     }  
  60. }  

 

 

  回到性能调优主题

  假定一个service必须能够处理200个并发用户请求,你的超时时间是10秒,响应时间是2秒,让你的最大等待时间为8秒(10 - 2 = 8),最大等待时间除以响应时间则得到批次为4(8 / 2 = 4)。最终,并发用户请求除以批次得到service的maxThreadsActive设置为50(200 / 4 = 50),再用并发用户请求减去maxThreadsActive得到maxBufferSize设置为150。总结上述限定超时的同步处理参数求取公式:

 

• Maximum wait time = timeout time - response time
• Batches = maximum wait time / response time
• maxThreadsActive = concurrent user requests / batches
• maxBufferSize = concurrent user requests - maxThreadsActive


本文转载自:http://since1978.iteye.com/blog/883676

从零开始用飞牛fnas搭建集成DeepSeek-R1的远程AI工作台 阅读详情

相关推荐

Zephyr 开发必备技能:一文搞懂 west manifest

本文深入解析Zephyr项目的westmanifest工具与Manifest文件管理,从基础概念到高级应用。文章首先介绍westmanifest作为Zephyr模块化架构的核心工具,负责管理west.yml文件中的模块信息、Git地址及版本控制。随后详细讲解Manifest文件的基本结构、字段含义,以及westmanifest子命令的使用方法,包括查看内容、冻结版本、验证文件等操作。文章还探讨了Manifest的导入继承机制和在团队协作中的版本管理策略,并给出常见问题排查技巧。最后强调Manifest文件作

hemoparrot的专栏 1259

MuleSoft企业级AI编排:LLM深度集成实战指南

AI编排(AI Orchestration)是将大语言模型嵌入企业核心业务流程的技术范式,其本质是通过集成平台实现LLM与ERP、CRM等系统的语义对齐与上下文增强。不同于简单API调用,它依赖数据主权管控、结构化Prompt工程、防御性数据校验等关键能力,解决LLM在真实环境中‘胡说八道’和‘短期失忆’问题。MuleSoft凭借Anypoint Platform的Connector生态、DataWeave转换引擎与四层分治架构,成为构建可治理、可审计、高可用AI工作流的首选企业集成平台。本文聚焦LLM与S

weixin_30855761的博客 357

Tesseract OCR识别不准?手把手教你用PyAutoGUI提升自动点击脚本的准确率

本文针对Tesseract OCR在屏幕自动化中识别不准的问题,提供了一套完整的优化方案。通过PyAutoGUI精准截图、结合PIL和OpenCV进行图像预处理(如灰度化、对比度增强、自适应二值化),并调优Tesseract参数(如PSM模式、白名单),显著提升文本识别准确率。文章还介绍了结合模板匹配、构建容错循环等进阶技巧,帮助开发者打造高可靠性的自动点击脚本。

weixin_29093017的博客 544

Mule学习(六、控制消息的流向-数据路由)

1. 使用场景 我们来看一个常见的应用场景。我们的集成应用可以接收客户端提交订单的请求,有多种不同类型的客户端。手机客户端是一个App,我们在App上使用的消息格式通常是轻量级的JSON格式。而PC客户端是一个Windows时代的产物,它仍然使用XML格式。我们的集成应用在接收到订单请求后,会根据订单的类别分发到不同的仓库,订单类别存储在订单内容的OrderType字段中。 2. 基于消息头的...

Walker_zmc的博客 972

TI MSPM0G3507 循迹小车强制寻黑线代码一

一个基于MSPM0微控制器的循迹小车控制系统。系统通过8路循迹传感器检测黑线位置偏差,使用PID算法计算电机控制量。主程序初始化中断、PWM等外设,在按键触发后进入循迹模式。传感器数据处理函数根据检测到的黑线位置返回偏差值(-7到7),PID控制器根据偏差调整左右电机速度。系统还包含限幅处理、中断服务等模块,实现稳定的自动循迹功能。代码结构清晰,展示了嵌入式系统中传感器数据处理、电机控制和PID算法的典型实现方式。

雾削木的优快云博客 1856

MONAILabel in 3D Slicer 案例1: 在腹部CT中自动分割脾脏

MONAILabel in 3D Slicer 案例1: 在腹部CT中自动分割脾脏。

Tina姐的博客 1939

2021-08-09Mule入门使用操作笔记day2

Mule入门使用操作笔记day2RabbitMQ分发SAP RFC RabbitMQ分发 SAP RFC

h22407的博客 605

蓝牙攻防实战指南:低功耗蓝牙

Bluetooth Low Energy(也称Bluetooth Smart)是经典蓝牙(Bluetooth Classic)的演进版本,设计目标是实现极低功耗,适用于无需频繁更换电池的设备,如智能手环、健康监测器、蓝牙标签等。Bluetooth Low Energy 是一项极具前景的无线通信技术,它以极低的功耗实现了短距离高效通信,广泛应用于智能设备和物联网领域。然而,其简化的协议结构和配对机制也带来了不小的安全挑战。

idlecloud0105的博客 683

mule & seda 的使用每分钟处理5000单,发帖纪念

<br /><mule xmlns="http://www.mulesource.org/schema/mule/core/2.2"<br />     xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:spring="http://www.springframework.org/schema/beans"<br />     xmlns:context="http://www.springframework.org/schema/c

tczxg的专栏 1458

[VCS]门级仿真及SDF反标

摘要:门级仿真在STA工具普及后仍是验证的重要环节,主要用于检查SDC完备性、异步电路时序、网表完整性及为功耗分析提供波形。门级仿真分为不带时序反标的前仿和带SDF反标的后仿,后仿需加载SDF文件提供精确延时信息。VCS提供多种仿真选项控制时序检查行为,SDF反标可通过命令或系统函数实现。后仿需特别注意关闭notimingcheck选项以确保时序检查有效性,并建议检查SDF反标报告和波形验证延时一致性。

元直的博客 9796

Hermes 教程 05:多 Agent 编排

本文介绍了Hermes v0.13.0中的四种多Agent协作模式:1)delegate_task快速子任务模式,适合2-3个独立并行任务;2)spawn子Agent模式,实现零成本并行多步流水线;3)tmux交互子Agent模式,支持长期自主任务;4)全新Kanban看板系统,提供持久化AI团队协作框架。各模式在隔离级别、时长、工具访问和适用场景上存在差异,其中spawn模式通过独立上下文窗口实现零上下文成本。文章详细说明了每种模式的使用方法、限制条件和典型应用场景,并提供了具体代码示例和可视化流程图。K

程序猿_三产 539

MuleSoft企业级AI编排:让大语言模型合规稳定执行业务

大语言模型(LLM)作为新一代智能引擎,其真正价值不在于生成能力,而在于与企业核心系统深度协同的执行能力。实现这一目标需跨越协议异构、安全治理、事务一致性三大技术断层——这正是API编排的核心命题。MuleSoft Anypoint Platform凭借标准化API契约、运行时策略中心化、200+预建企业系统连接器及全链路可观测性,将LLM从‘对话接口’升级为可审计、可灰度、可回滚的业务参与者。它支撑银行信贷审批、保险核保、供应链异常响应等高敏场景,满足金融级SLA与《个人信息保护法》合规要求。本文聚焦LL

aiman5818的博客 402

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

MuleSoft企业级AI编排:LLM如何安全嵌入ERP/CRM核心流程

AI编排(AI Orchestration)是将大语言模型与企业现有系统深度协同的关键范式,其本质不是简单调用API,而是构建具备事务一致性、端到端追踪、安全治理与可审计能力的混合工作流。它依托集成平台实现协议转换、上下文注入、数据主权控制与灰度发布,解决LLM在真实业务中因缺乏企业语义层而导致的‘胡说八道’问题。MuleSoft Runtime Fabric凭借低延迟直连、内网数据不出域和Kubernetes原生调度能力,成为金融、制造等强合规行业落地LLM增强型采购、客服、核保等场景的首选底座。本文聚焦

weixin_34128237的博客 421

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

Tomcat参数之maxThreads

Tomcat参数之maxThreadsmaxThreads参数设置方式Connector节点配置Executor节点配置 maxThreads参数设置方式 从tomcat官网可以看到,tomcat的conf/server.xml文件中有两个节点可以设置maxThreads参数,下面分别介绍 Connector节点配置 Connector配置maxThreads官网原文如下: The maximum...

HunterSu的专栏 3603

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

linux环境mule JVM短生命周期对象性能调整

最近,在一项目上,发现后端mule es cpu耗用高。经过jstat -gcutil jvm进程号 1000 10分析,发现FGC次数,较多。 根据gc观察,O老生代,经过达到80% 以上。而新生代survior s1,s2内存空间比较小。判断有新生代对象没经过几次gc,就进入了老生代。   修改mule/conf/wrapper.conf .增加如下选择。 wrapper.java...

wh0426的专栏 397

Mule性能分析

一个Mule应用就是一个service集合的协作体,service按以下3个阶段处理消息: Connector连接器 接收阶段 Service component组件 处理阶段 Connector连接器 分发阶段 Mule性能调优就是针对每个service分析和改进上述3个阶段,你可以对所有service采用统一的调优方式、进一步对每个service定义独立非更优化的方式。 关于线

柯男的专栏 2043

Mule学习(三、MULE ESB配置模式)

Mule 3.0版本提供了“pattern”的机制。Pattern总结了实际使用过程中的常见场景,以简化的服务配置方式提供。 一、简单服务模式(simple service pattern) 简单服务模式用于简化同步服务调用的配置,对应消息传递方式中的请求-响应方式。 简单服务模式通过simple-service元素配置,主要的元素属性包括: 属性 说明 ...

Walker_zmc的博客 1169

使用yourKit来对Mule3进行性能分析

yourkit是一个很棒的Java Profile工具,来监控java应用的执行情况,主要分析cpu及内存等,很方便,但是yourkit在Mule下的配置与tomcat、jboss等不太一样,按一般的java程序修改启动脚本加参数,client无法连接agent。 看了一下mule的文档,mule自身提供了一些配置的方法,主要是通过JMS来完成。 步骤如下: 1、下载agent fo...

阳历六月 200

ESB MULE 3.2.0 性能测试

1.准备两台或者三台电脑,下面以三台电脑为例。 2. 一台机器安装jdk(我装的jdk1.6)用来跑请求发送端javabench。另一台机器安装mule3.2.0并且在其上面跑Echo实例(并不是examples下面的那个Echo)。第三台电脑安装tomcat(我装的tomcat6.0)用来跑Echo请求的服务MockServices。 3. 先运行带Echo实例的mule,然后启...

zhanghp_jndx的博客 339

轻量级ESB——Mule

关于ESB(Enterprise Service Bus)企业服务总线,它是一种集成企业不同应用和不同系统的中介,它既为这些应用提供服务,同时也管理这些应用。而Mule就是一种轻量级的ESB,它的特点是有很高的扩展性,允许从小规模开始,并随着时间的推移连接更多的应用程序。关于SOA(Service Orentied Architecture)面向服务架构,是企业通过服务整合来完成系统集成的一种思想,它并不是一种技术,而ESB就是从SOA的思想上发展而来的。3面向事件驱动架构:应用之间异步的产生和接收消息。

Lee_92的博客 934

Mule ESB使用之高并发问题

Mule ESB作为开源社区的企业级服务

蓝星极盾 5500

mule优缺点和MEL

优点1.开源 https://github.com/mulesoft/mule2.丰富的connector ,可以通过不同的形式来连接各个系统JMS、Web Service、JDBC、HTTP等3.components(组件)很多,可选的处理数据方式多4.transformers也很丰富,可扩展 json、xml、dom、二进制、wsdl、java等5.mule esb 采用java实现,jav...

weixin_34128237的博客 716

一个基于Mule的企业服务总线的案例(关于JMS)

面向服务架构的关键字之一就是ESB。以前很多厂商靠买消息服务器来提供集成交互的方案,然后出现了SOAP和REST。 早期的尝试基本上都是通过定一个固定的消息格式,例如xml来让各个系统交换。但是这些消息格式本身经常需要修订,就给集成带来了很大的麻烦。 最好的解决方案就是每个应用还是用自己支持的接口,例如EDI或者SOAP,然后构建一个可以集成各种结构的聚合器,每一个应用的接口就开发成聚合器的一

涂作权的博客 2661
上一篇: 基于Oracle的大数据导入方案探索
下一篇: JBPM4---简易的请假实例
diligentcoder
博客等级 码龄14年 7粉丝 5原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值