RabbitMQ延时队列之一

队列配置

@Configuration
public class SendDelayQueueConfig {
	
	// 声明死信交换机
	@Bean
	public Exchange dealLetterExchange() {
		return ExchangeBuilder.directExchange("senddelay-xdl-exchange").durable(true).build();
	}
	
	// 声明死信队列
	@Bean
	public Queue expirationDealLetterQueue() {
		Map<String, Object> arguments = new HashMap<String, Object>();
		arguments.put("x-dead-letter-exchange", "senddelay-xdl-exchange");
		arguments.put("x-dead-letter-routing-key", "senddelay-forward-routingkey");
		return QueueBuilder.durable("senddelay-xdl-queue").withArguments(arguments).build();
	}
	
	// 死信队列 通过 senddelay-xdl-routingkey 绑定 死信交换机
	@Bean
	public Binding dealLetterBinding() {
		return new Binding("senddelay-xdl-queue", Binding.DestinationType.QUEUE, "senddelay-xdl-exchange", "senddelay-xdl-routingkey", null);
	}
	
	// 声明转发队列
	@Bean
    public Queue expirationQueue() {
        return QueueBuilder.durable("senddelay-forward-queue").build();
    }
	
	// 转发队列 通过 senddelay-routingkey 绑定 死信交换机
	@Bean
	public Binding expirationBinding() {
		return new Binding("senddelay-forward-queue", Binding.DestinationType.QUEUE, "senddelay-xdl-exchange", "senddelay-forward-routingkey", null);
	}
}

效果如下:

发送代码

@RunWith(SpringRunner.class)
@SpringBootTest
public class SendDelayTest {

	@Autowired
	RabbitProducer rabbitProducer;
	
	@Test
	public void testAsyncSend() throws InterruptedException {
		String message = "发送时间" + DateUtil.format(new Date(), "yyyy-MM-dd HH:mm:ss");
		String msgId = UUID.randomUUID().toString().replace("-", "");
		
		rabbitProducer.asyncSend("senddelay-xdl-exchange", "senddelay-xdl-routingkey", "1"+message, msgId, 1);
		rabbitProducer.asyncSend("senddelay-xdl-exchange", "senddelay-xdl-routingkey", "2"+message, msgId, 2);
		rabbitProducer.asyncSend("senddelay-xdl-exchange", "senddelay-xdl-routingkey", "4"+message, msgId, 4);
		rabbitProducer.asyncSend("senddelay-xdl-exchange", "senddelay-xdl-routingkey", "8"+message, msgId, 8);
		rabbitProducer.asyncSend("senddelay-xdl-exchange", "senddelay-xdl-routingkey", "16"+message, msgId, 16);
		Thread.sleep(5000);
	}
}

消费代码

@Slf4j
@Component
public class SendDelayConsumerTest {
	
	@RabbitListener(queues = "senddelay-forward-queue")
	public void handler(Message message, Channel channel, @Header(AmqpHeaders.DELIVERY_TAG) long deliveryTag)
			throws IOException {
		log.info(message.getMessageProperties().getConsumerQueue() + "消费信息:"+ new String(message.getBody()) + " 当前时间:" + DateUtil.format(new Date(), "yyyy-MM-dd HH:mm:ss"));
		channel.basicAck(deliveryTag, false);
		log.info(message.getMessageProperties().getConsumerQueue() + "消费结束");
	}
}

 

分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
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

打赏作者

闫小甲

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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