Nano Hash - криптовалюты, майнинг, программирование

Сетевой менеджер GCM теряет работу

Я пытаюсь использовать GCM Network Manager для отправки журналов на серверную службу. Примерно каждый час у нас срабатывает будильник, который создает OneoffTask, который при выполнении вызывает серверную службу с сообщением журнала.

Это работает, НО очень большое количество задач теряется (более половины). Сначала я подумал, что это как-то связано с нашим бэкэндом или с сетью, но после добавления тонны журналирования файлов оказалось, что onRunTask в службе никогда не запускается для этих задач (но они определенно планируются). Почему они потеряны?Я неправильно понимаю API, или OneoffTasks просто не надежен?

Вот как планируется OneoffTask:

GcmNetworkManager.getInstance(context).schedule(new OneoffTask.Builder()
    .setService(AvroLogService.class)
    .setExtras(bundle)

    // A mandatory tag which identifies the task
    // We add a unique hash to the tag to make sure that
    // tasks are logged and not thrown away as dupes.
    // See: http://stackoverflow.com/q/34528960/304262
    .setTag(java.util.UUID.randomUUID().toString())

    // Persist to disk, even across boots:
    .setPersisted(true)

    // Sets a time frame for the execution of this task in seconds.
    // This specifically means that the task can either be
    // executed right now, or at latest at a certain point:
    .setExecutionWindow(0, TWO_WEEKS_IN_SECONDS)
    .build());

Опять же не это работает, а только часть сообщений. Для сообщений, которые впоследствии были потеряны, приведенный выше код определенно выполняется (я добавил ведение журнала файлов, чтобы убедиться в этом), но для потерянных сообщений никогда не запускается соответствующий onRunTask.

Я убедился, что:

  1. Манифест обновляется в соответствии с Руководством по внедрению Network Manager (https://developers.google.com/cloud-messaging/network-manager)
  2. AvroLogService (мой сервис) расширяет GcmTaskService
  3. Он переопределяет onRunTask
  4. Приложение имеет разрешение RECEIVE_BOOT_COMPLETED.
  5. AvroLogService НЕ переопределяет onStartCommand.

Я потерялся. Может ли кто-нибудь поделиться информацией об этом?


  • Вы можете проверить этот сообщение GitHub, чтобы получить дополнительную информацию и примеры использования GcmNetworkManager . Если вы этого не сделали, в сообщении упоминалось о необходимости предоставления логики для выполнения вашей задачи внутри onRunTask(), и вы должны отслеживать состояние, которое вам нужно для этой конкретной задачи, чтобы делать то, что вы хотите. 18.01.2017
  • Спасибо за попытку помочь, но этот пост не дал никакой информации по этой проблеме. В сообщении говорится о передаче данных задачам, и я использую функциональность setExtras (которой, казалось, не существовало, когда этот пост был написан), но на самом деле это не имеет отношения к этой проблеме. Проблема в том, что код внутри onRunTask периодически не выполняется. т.е. он выполняется много раз, но также теряет многие задачи в очереди. Это похоже на то, что большой процент задач просто теряется и никогда не достигает onRunTask, даже если они успешно поставлены в очередь. 24.01.2017
  • дайте нам свой adb shell dumpsys activity service GcmService, введите его в свой терминал. Когда другие приложения также используют диспетчер сети GCM, они могут заблокировать ваш запрос. 27.04.2018

Ответы:


1

Как указано выше, диапазон времени выполнения может быть слишком большим. Также я думаю, что вы хотите периодически выполнять событие, попробуйте использовать PeriodicTask.Builder вместо OneoffTask.Builder

31.01.2017
  • Да, PeriodicTask может быть хорошей заменой, но обратите внимание, что его можно не выполнять во время Doze. 31.01.2017

  • 2

    Насколько я понимаю, ваша константа TWO_WEEKS_IN_SECONDS действительно означает 2 НЕДЕЛИ. В этом случае ваша задача может быть выполнена в любой момент времени с настоящего момента до 2 НЕДЕЛЬ. Таким образом, эту задачу не нужно выполнять каждый час. Попробуйте установить окно выполнения в диапазоне одного часа или даже меньше (.setExecutionWindow(0, HALF_AN_HOUR_IN_SECONDS))

    См. документы Google API

    31.01.2017
  • Что произойдет, если задача не может быть выполнена за это время? 03.02.2017
  • По моему опыту, в большинстве случаев, когда условия не выполняются в это временное окно, задача будет отложена, но я не могу найти никаких официальных документов, подтверждающих это. 05.02.2017
  • @MattiasPetterJohansson, так сработала ли установка HALF_AN_HOUR_IN_SECONDS? Пожалуйста подтвердите 12.03.2018
  • Так давно, что и не помню. Честно говоря, я очень рад, что больше не занимаюсь Android-разработкой. :) 23.03.2018
  • 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..