Nano Hash - криптовалюты, майнинг, программирование

Предоставляет ли WildFly свойство для считывания количества повторных доставок/повторных попыток JMS?

Я перенес устаревший EJB 2.x на JBoss 4.x на JPA/EJB3 на WildFly 17.x. Мое приложение зависит от количества повторных доставок JMS для выполнения определенного порядка обмена сообщениями.

В JBoss 4.x я запрашивал счетчик повторной доставки через свойство JMS_JBOSS_REDELIVERY_COUNT из сообщения JMS.

В WildFly нет информации о количестве повторных доставок JMS. Как WildFly отслеживает количество повторных доставок и есть ли возможность доступа к нему через свойство или что-то в этом роде?

jms wildfly
12.12.2019

  • Расскажите, пожалуйста, подробнее, зачем вам нужен подсчет повторной доставки 12.12.2019
  • Спасибо, Саймон, я согласен с ответом Джастина. 18.12.2019

Ответы:


1

Wildfly 17.x использует ActiveMQ Artemis в качестве реализации JMS. Вы можете использовать стандартный заголовок сообщения JMS JMSXDeliveryCount вместо специфичного для реализации JMS_JBOSS_REDELIVERY_COUNT. Раздел 3.5.11 спецификации JMS 2 говорит о JMSXDeliveryCount следующее:

Когда клиент получает сообщение, для обязательного свойства сообщения JMSXDeliveryCount, определяемого JMS, будет установлено количество раз, когда сообщение было доставлено. При первом получении сообщения для него будет установлено значение 1, поэтому значение 2 или более означает, что сообщение было доставлено повторно.

Если установлено значение заголовка сообщения JMSRedelivered, свойство JMSXDeliveryCount всегда должно быть равно 2 или больше. См. раздел 3.4.7 «JMSRedelivered» для получения дополнительной информации о заголовке сообщения JMSRedelivered,

Свойство JMSXDeliveryCount предназначено для того, чтобы приложения-потребители могли определить, повторно ли доставляется конкретное сообщение, и предпринять соответствующие действия.

Точность значения свойства JMSXDeliveryCount не гарантируется. Поставщик JMS не должен сохранять это значение, чтобы гарантировать, что его значение не будет потеряно в случае сбоя.

Чтобы было ясно, ActiveMQ Artemis может сохранять счетчик доставки, используя следующую конфигурацию:

<persist-delivery-count-before-delivery>true</persist-delivery-count-before-delivery>

Однако это значение по умолчанию равно false, и использование true не рекомендуется из-за снижения производительности. Прочтите документацию (прокрутите вниз до раздела "Доставка Count Persistence") для получения более подробной информации.

12.12.2019
  • Спасибо Джастин за подробный ответ. Это очень полезно. 17.12.2019
    • 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..