Summary of Terracotta Locks

本文总结了Terracotta集群锁失效的多种情况,包括对象共享时机不当、方法未同步、非集群对象同步等问题,并提供了正确的实现示例。同时讨论了如何确保集群对象的一致性状态。
Summary of Terracotta Locks
cluster lock失效的情况:
1.if the object is shared after it is locked. Instead, an error occurs. See an example in the following gotcha.

share object应该在锁定(不管是local lock还是cluster lock)它之前操作。clsuter lock块中只操作cluster object.

[color=red]
private static void lockBeforeShared() {
Map<String, Object> map = new HashMap<String, Object>();
Object obj = new Object();
synchronized (obj) {
synchronized (map) {
map.put("obj", obj);

}
//tried to unlock the foo object which is now shared, but a cluster lock was never acquired
}
}[/color]

[color=green]private static void shareBeforeLock() {
Map<String, Object> map = new HashMap<String, Object>();
Object obj = new Object();
synchronized (map) {
map.put("obj", obj);
}
synchronized (obj) {// obtain cluster lock
//other obj operation
}
//release cluster lock
}[/color]

2.in methods that have no synchronization, unless you configure auto-synchronize to be true.

如果方法没有sync,那么即使在tc-config.xml中配置了auto-lock。这个cluster lock也不会起作用。auto-lock针对没有sync的方法,必须使用auto-synchronize= true.
另外注意,如果方法有sync,但是没有配置tc-config.xml的auto-lock部分,肯定连cluster-lock都不会生成。

3.if you aren't synchronizing on a clustered object.
如果sync不是针对cluster object,那么即使配置了也不会起作用。

4.if you synchronize on an object that isn't clustered yet, even if it becomes clustered within the scope of your synchronization. The object must be clustered before you synchronize on it or no cluster behavior will occur.
如果sync块内才将object变成cluster object,那么已经晚了。所以sync只能针对sync块之前就已经是cluster object的对象,才起作用。

5.in methods that do not match a lock configuration stanza. Of course, you do not need to configure locking for code that is already addressed in the configuration of a Terracotta Integration Module that you are using.
方法不满足通配符,肯定不会起作用。


操作一个cluster object时出现的情况:

1.outside the scope of a clustered lock, you will get an error.
如果在一个cluster lock范围之外操作,肯定会报错。所以结合上面的3,4可以确认,cluster object的操作与cluster lock肯定是结伴同行的。

2.in code that is not instrumented by Terracotta, the changes to that object will be invisible to Terracotta. As a result, the clustered object may be in an inconsistent state. Therefore, you MUST ensure that you instrument all classes that manipulate clustered objects. See Gotchas: Uninstrumented Access for more details.

类没有声明为instrument-class,那么该类针对clustered object的修改比如重新赋值这样的操作不会提交到TC,进而导致clustered object的状态不连续。
解决的办法有二种,一种是通过方法去访问cluster object而不是直接访问;另一种方法就是将直接访问clustered object的类定义为instrumented class
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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