RequestWoker.java

package com.msp.smg;

import java.util.List;

import org.apache.log4j.Logger;
import com.logica.smpp.Connection;
import com.logica.smpp.Data;
import com.logica.smpp.Receiver;
import com.logica.smpp.Session;
import com.logica.smpp.TCPIPConnection;
import com.logica.smpp.pdu.BindRequest;
import com.logica.smpp.pdu.BindResponse;
import com.logica.smpp.pdu.BindTransmitter;
import com.logica.smpp.pdu.Response;
import com.logica.smpp.pdu.SubmitSM;
import com.logica.smpp.pdu.UnbindResp;
import com.msp.smg.Queue;

public class RequestWorker extends Thread {
	private final static Logger logger = Logger.getLogger(RequestWorker.class);
	private boolean isRuning = true;
	private boolean isConnectSMSC = false;
	private boolean isBound = false;
	private Session session = null;
	private String sysId = "";
	private String syspwd = "";
	private String smscIP = "";
	private int smscPort = 0;
	private Receiver receiver = null;
	ResponseWorker responseWorker = null;
	private List<SendSM> sendsmList;

	/**
	 * 连接到短信中心
	 */
	private void connectSMSC() {
		try {
			Connection conn = new TCPIPConnection(smscIP, smscPort);
			session = new Session(conn);
			isConnectSMSC = true;
		} catch (Exception ex) {
			isConnectSMSC = false;
			ex.printStackTrace();
		}

	}

	/**
	 * 实现绑定到短信中心的功能
	 */
	private void bindSMSC() {
		if (isConnectSMSC && session != null) {
			try {
				BindRequest bindReq = new BindTransmitter();
				bindReq.setSystemId(sysId);
				bindReq.setPassword(syspwd);
				BindResponse bindResponse = null;

				bindResponse = session.bind(bindReq);

				if (bindResponse.getCommandStatus() == Data.ESME_ROK) {
					receiver = session.getReceiver();
					if (responseWorker == null) {
						responseWorker = new ResponseWorker();
					}
					responseWorker.setReceiver(receiver);
					responseWorker.start();
					isBound = true;
				} else {
					isBound = false;
				}

			} catch (Exception ex) {
				isBound = false;
				ex.printStackTrace();
			}
		} else {
			logger.info("连接到短信中心的connection失效!");
		}
	}

	public SendSM getSendSM() {
		SendSM sendsm = null;
		try {
			if (sendsmList != null && sendsmList.size() > 0) {
				sendsm = (SendSM) sendsmList.remove(0);
			}
		} catch (Exception e) {
			sendsm = null;
		}
		return sendsm;
	}

	public void run() {
		SendSM sendsm = null;
		while (isRuning) {
			try {

				// System.out.println("smscIP=" + smscIP + ",smscPort=" +
				// smscPort
				// + ",sysId=" + sysId + ",syspwd=" + syspwd);
				/*
				 * while (!isConnectSMSC) { this.connectSMSC(); } if (!isBound) {
				 * this.bindSMSC(); } while (isBound && this.getSendSM() !=
				 * null) { sendShortMessage(sendsm); } ; this.unBind();
				 */
			} finally {
				isRuning = true;

			}
		}

	}

	/*
	 * 发送短信
	 */

	public void sendShortMessage(SendSM sendsm) {
		SubmitSM request = new SubmitSM();
		try {
			request.setSourceAddr(sendsm.getSourceAddr());
			request.setDestAddr(sendsm.getDescAddr());
			request.setShortMessage(sendsm.getShortMessage());
			session.submit(request);
			// getStatus(response);
		} catch (Exception e) {
			logger.info(e.getMessage(), e);
		}
	}

	public void unBind() {
		try {
			UnbindResp response = session.unbind();
			getStatus(response);
		} catch (Exception e) {
			e.printStackTrace();
		}
	}

	public void getStatus(Response response) {
		if (response.getCommandStatus() == Data.ESME_ROK) {
			//
		} else {

		}
	}

	public void setSmscIP(String smscIP) {
		this.smscIP = smscIP;
	}

	public void setSmscPort(int smscPort) {
		this.smscPort = smscPort;
	}

	public void setSysId(String sysId) {
		this.sysId = sysId;
	}

	public void setSyspwd(String syspwd) {
		this.syspwd = syspwd;
	}
}

 

资源下载链接为: https://pan.quark.cn/s/c705392404e8 在本项目中,我们聚焦于“天池-零基础入门数据挖掘-心跳信号分类预测-EDA分析全过程-代码.rar”这一主题。该压缩包涵盖了一次针对心跳信号分类预测的数据挖掘实践,涉及数据的初步探索性分析(Exploratory Data Analysis, EDA)以及相关代码。 “天池”通常指阿里巴巴天池大数据竞赛平台,这是一个提供各类数据竞赛的平台,旨在助力数据科学家和初学者提升技能并解决实际问题。此数据挖掘任务可能是一项竞赛项目,要求参赛者对心跳信号进行分类预测,例如用于诊断心脏疾病或监测健康状况。EDA是数据分析的关键环节,其目的是通过可视化和统计方法深入了解数据的特性、结构及潜在模式。项目中的“task2 EDA.ipynb”很可能是一个 Jupyter Notebook 文件,记录了使用 Python 编程语言(如 Pandas、Matplotlib 和 Seaborn 等库)进行数据探索的过程。EDA 主要包括以下内容:数据加载,利用 Pandas 读取数据集并检查基本信息,如行数、列数、缺失值和数据类型;描述性统计,计算数据的中心趋势(平均值、中位数)、分散度(方差、标准差)和分布形状;可视化,绘制直方图、散点图、箱线图等,直观呈现数据分布和关联性;特征工程,识别并处理异常值,创建新特征或对现有特征进行转换;相关性分析,计算特征之间的相关系数,挖掘潜在关联。 “example.html”可能是一个示例报告或结果展示,总结了 EDA 过程中的发现,以及初步模型结果,涵盖数据清洗、特征选择、模型训练和验证等环节。“datasets”文件夹则包含用于分析的心跳信号数据集,这类数据通常由多个时间序列组成,每个序列代表一个个体在一段时间内的 ECG 记录。分析时需了解 ECG 的生理背景,如波
评论
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