指尖上的代码--之ACTIVEMQ(3)

本文深入探讨了ActiveMQ中FailoverTransport的构造和重连过程,详细解析了其内部机制,包括SSL配置、关键构造函数、TaskRunner的使用以及重连任务的实现。

 

    首先回过头来看一下FailoverTransport的工厂类FailoverTransportFactory生成FailoverTransport后,

FailoverTransport transport = new FailoverTransport();

添加了两份装饰,

 

transport = new MutexTransport(transport);
transport = new ResponseCorrelator(transport);
 

 

PooledTaskRunner—带线程池的任务执行器

我们来看一下FailoverTransport的构造函数,

 

public FailoverTransport() throws InterruptedIOException {
    brokerSslContext = SslContext.getCurrentSslContext();
    stateTracker.setTrackTransactions(true);
    // Setup a task that is used to reconnect the a connection async.
    reconnectTask = DefaultThreadPools.getDefaultTaskRunnerFactory().createTaskRunner(new Task() {
        public boolean iterate() {
            boolean result = false;
            boolean buildBackup = true;
            boolean doReconnect = !disposed;
            synchronized (backupMutex) {
                if ((connectedTransport.get() == null || doRebalance) && !disposed) {
                    result = doReconnect();
                    buildBackup = false;
                }
            }
            if (buildBackup) {
                buildBackups();
            } else {
                // build backups on the next iteration
                buildBackup = true;
                try {
                    reconnectTask.wakeup();
                } catch (InterruptedException e) {
                    LOG.debug("Reconnect task has been interrupted.", e);
                }
            }
            return result;
        }
 
    }, "ActiveMQ Failover Worker: " + System.identityHashCode(this));
}
 

前两行对SSL的配置不去管它。

后面那行reconnectTask = …… 才是FailoverTransport失败重连的关键,从属性命名中也可以看出来它是为重连而生的,也是整个Transport的关键实现。

    先来分析一下reconnectTask,这里DefaultThreadPools.getDefaultTaskRunnerFactory().createTaskRunner创建了PooledTaskRunner对象并传入一个实现Task接口的匿名内部类对象。

    public PooledTaskRunner(Executor executor, Task task, int maxIterationsPerRun) {

        this.executor = executor;
        this.maxIterationsPerRun = maxIterationsPerRun;
        this.task = task;
        final Map context = MDCHelper.getCopyOfContextMap();
        runable = new Runnable() {
            public void run() {
                MDCHelper.setContextMap(context);
                runningThread = Thread.currentThread();
                try {
                    runTask();
                } finally {
                    runningThread = null;
                }
            }
        };
    }
 

PooledTaskRunner构造函数中创建了一个Runnable对象,具体在runTask();中完成工作。

    final void runTask() {

        synchronized (runable) {
            queued = false;
            if (shutdown) {
                iterating = false;
                runable.notifyAll();
                return;
            }
            iterating = true;
        }

        // Don't synchronize while we are iterating so that
        // multiple wakeup() calls can be executed concurrently.
        boolean done = false;
        try {
            for (int i = 0; i < maxIterationsPerRun; i++) {
                if (!task.iterate()) {
                    done = true;
                    break;
                }
            }
        } finally {
            synchronized( runable ) {
                iterating = false;
                runable.notifyAll();
                if (shutdown) {
                    queued = false;
                    runable.notifyAll();
                    return;
                }

                // If we could not iterate all the items
                // then we need to re-queue.
                if (!done) {
                    queued = true;
                }

                if (queued) {
                    executor.execute(runable);
                }

            }
        }
    }
   

    灰色打底的部分是真正执行任务的部分,这里也可以解释为什么Task接口中iterate方法为什么需要返回一个布尔值了,它用来指示是否可以还需要迭代。

    完成工作任务的地方找到了,那么开启工作任务的地方在哪里呢?TaskRunner接口中只有wakeup最像是我们要找的。

 

public void wakeup() throws InterruptedException {
        synchronized (runable) {
			if (queued || shutdown) {
                return;
            }

            queued = true;
            // The runTask() method will do this for me once we are done
            // iterating.
            if (!iterating) {
                executor.execute(runable);
            }
        }
    }
 

其中queuedinterating这两个变量是为了防止多次重复调用的。

 

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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