Nano Hash - криптовалюты, майнинг, программирование

Используйте несколько файлов конфигурации для сервера HornetQ

Я использую автономные серверы hornetq(2.2.14). Я должен определить около 1000 (jms) очередей и так много отклонений и основных мостов между ними!

  1. Могу ли я определить очереди (jms) в отдельных файлах (несколько файлов hornetq-jms.xml)?
  2. Что я могу сделать для отклонений и основных мостов? (Могу ли я определить их в отдельных файлах?)
jms hornetq configuration-files
04.12.2012

Ответы:


1

Вы можете попытаться разделить свои xml-файлы и включить общую конфигурацию в разные экземпляры hornetq. Уже есть вопрос, который объясняет, как это сделать: Can мы импортируем файл XML в другой файл XML?

05.12.2012
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..