son of bitch! 该死的sakai配置

本文探讨了Sakai框架中配置文件被覆盖的问题,特别是在configuration-bundles-2.6.2.jar中的配置如何覆盖组件目录下的XML配置。同时,深入分析了Spring启动过程中的Property注入机制。
实在是忍不住的郁闷啊,累积八个多小时的不间断调试,但问题也算最终解决了。
本文说说两个问题,一是,结论:在sakai中configuration-bundles-2.6.2.jar\org\sakaiproject\config中有一个配置文件,里面的值会覆盖组件目录下的xml文件的配置。
二是,谈sakai(其实是spring)启动时的Property注入。
下面堆栈反映的是从tomcat加载开始,到找到我们的目标字段cacheMinutes

[img]http://dl.iteye.com/upload/attachment/236983/fe41d2a3-ca34-3c05-a3d8-fc3c0ece3ce9.png[/img]

从SakaiApplicationContext.refresh开始分析。
在AbstractApplicationContext中

[img]http://dl.iteye.com/upload/attachment/236985/8051c804-e42b-3988-a770-f63f7126bba2.png[/img]

从注释中知道,这一步是要调用注册到context中的bean。
再次跟进:

[img]http://dl.iteye.com/upload/attachment/236987/186e2c76-da51-3bad-a146-3cf7a4890271.png[/img]

那么这时候的getBeanFactoryPostProcessors()的所有值有下面这些:

[img]http://dl.iteye.com/upload/attachment/236989/1bebc0e7-e240-3d54-b583-6581c75460ae.png[/img]

跟进到PropertyResourceConfigurer(继承自BeanFactoryPostProcessor)中,有:

[img]http://dl.iteye.com/upload/attachment/236991/06ec98a9-eeca-309c-9b18-0a3d2fb51483.png[/img]

注意上面的mergeProperties():

[img]http://dl.iteye.com/upload/attachment/236993/579c1af3-f238-3f06-a695-46d24e18b8ff.png[/img]

其中的localProperties为动态注入。
然后就是porcessPropertise操作了,对bean的字段赋值,出现在这里的Property会覆盖xml配置文件中的值。

就是这么简单--事后诸葛亮。但为什么我花了那么的多时间 来解决这个问题。那么我是怎么调试的呢。
在引用Properties的地方下条件断点,然后慢慢看,慢慢理。
比如我知道我需要找的属性cacheMinutes在org.sakaiproject.authz.api.SecurityService中,那么我可以在DefaultListableBeanFactory中的getBeanDefinition下条件断点beanName.equals("org.sakaiproject.authz.api.SecurityService")

[img]http://dl.iteye.com/upload/attachment/236995/6a0ba015-88d9-34d4-8513-c13ca6b3b278.png[/img]

[img]http://dl.iteye.com/upload/attachment/236997/527c2c88-064e-37d2-b047-48392f884f43.png[/img]


我之所以费了这么多时间,一是对spring处理Properties不熟悉,二是为了偷懒,花了大量时间寻找调试技巧,比如变量值变化时中断。
基于遗传算法的微电网调度(风、光、蓄电池、微型燃气轮机)(Matlab代码实现)内容概要:本文档介绍了基于遗传算法的微电网调度模型,涵盖风能、太阳能、蓄电池和微型燃气轮机等多种能源形式,并通过Matlab代码实现系统优化调度。该模型旨在解决微电网中多能源协调运行的问题,优化能源分配,降低运行成本,提高可再生能源利用率,同时考虑系统稳定性与经济性。文中详细阐述了遗传算法在求解微电网多目标优化问题中的应用,包括编码方式、适应度函数设计、约束处理及算法流程,并提供了完整的仿真代码供复现与学习。此外,文档还列举了大量相关电力系统优化案例,如负荷预测、储能配置、潮流计算等,展示了广泛的应用背景和技术支撑。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能电网优化研究的工程技术人员。; 使用场景及目标:①学习遗传算法在微电网调度中的具体实现方法;②掌握多能源系统建模与优化调度的技术路线;③为科研项目、毕业设计或实际工程提供可复用的代码框架与算法参考; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注目标函数构建与约束条件处理,同时可参考文档中提供的其他优化案例进行拓展学习,以提升综合应用能力。
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