迁移Jakarta EE导学 源代码 消息队列对象 大小写问题的处理


IBM MQ的最佳实践是 队列等对象的名称全面采用大写,但是我又不想破坏jakarta ee 导入教材的源代码,有什么好的建议处理这个问题?


利用 JNDI 逻辑名与物理队列名的解耦,无需修改源代码。

核心思路

@JMSDestinationDefinition 中的 destinationName = "PhysicalWebappQueue" 和 @Resource(lookup = "java:comp/jms/webappQueue") 都不需要改。代码使用的是 JNDI 逻辑名,而物理队列名在 Liberty

的 server.xml 中映射,两者可以不同:

应用代码 → JNDI 名称(不变) → Liberty server.xml → IBM MQ 物理队列

java:comp/jms/webappQueue → jmsQueue.baseQueueName → PHYSICALWEBAPPQUEUE

具体做法

1. IBM MQ 中创建大写队列名:

runmqsc

DEFINE QLOCAL('PHYSICALWEBAPPQUEUE') DESCR('websimplemessage queue') DEFPSIST(YES) REPLACE

2. Liberty server.xml 中做映射:

jmsConnectionFactory jndiName="java:comp/DefaultJMSConnectionFactory">

properties.mqJms

hostName="10.0.0.x" port="1414" channel="SYSTEM.DEF.SVRCONN"

queueManager="QM1"/>

jmsConnectionFactory>

jmsQueue jndiName="java:comp/jms/webappQueue">

properties.mqJms baseQueueName="PHYSICALWEBAPPQUEUE"/>

jmsQueue>

3. 源代码完全不动:

SenderBean.java 中的 @JMSDestinationDefinition 和 @Resource(lookup = "java:comp/jms/webappQueue")、ReceiverBean.java 中的 @Resource(lookup = "java:comp/jms/webappQueue") 均保持原样。

为什么安全

- Liberty server.xml 中定义的资源优先级高于应用内的 @JMSDestinationDefinition

- @Resource(lookup = "java:comp/jms/webappQueue") 解析时返回的是 server.xml 配置的 JMS Queue 对象,其背后指向 PHYSICALWEBAPPQUEUE

- 这恰好是 Jakarta EE 设计意图:应用用逻辑名,基础设施用物理名,两者通过配置层解耦

全局映射表建议

对所有 JMS 模块统一建立映射表,可以汇总到 docs/ibm-mq-migration-analysis.md 中:

┌──────────────────────────┬────────────────────────────┬─────────────────────────┐

│ 代码中的 destinationName │ JNDI 名称 │ IBM MQ 物理队列(大写) │

├──────────────────────────┼────────────────────────────┼─────────────────────────┤

│ PhysicalWebappQueue │ java:comp/jms/webappQueue │ PHYSICALWEBAPPQUEUE │

├──────────────────────────┼────────────────────────────┼─────────────────────────┤

│ PhysicalQueue │ jms/MyQueue │ PHYSICALQUEUE │

├──────────────────────────┼────────────────────────────┼─────────────────────────┤

│ PhysicalOrderQueue │ java:global/jms/OrderQueue │ PHYSICALORDERQUEUE │

├──────────────────────────┼────────────────────────────┼─────────────────────────┤

│ ... │ ... │ ... │

└──────────────────────────┴────────────────────────────┴─────────────────────────┘

这样既遵循了 IBM MQ 最佳实践,又保持了教程源代码的原样,符合迁移原则。

内容概要:本文系统梳理了多个科研领域的前沿研究与技术实现,重点涵盖FDTD方法中的完美匹配层(PML)研究,以及Matlab/Simulink在电磁、电力、控制、通信、信号处理、图像处理、路径规划、能源系统优化等领域的仿真与算法实现。文中列举了大量基于Matlab和Python的科研案例,如风电功率预测、负荷预测、无人机三维路径规划、电池系统故障诊断、雷达模拟、通信编码、微电网优化调度等,并强调结合智能优化算法(如粒子群、遗传算法、深度学习等)提升系统性能。同时,提供了丰富的代码资源与仿真模型,涵盖永磁同步电机控制、逆变器设计、多智能体任务分配、虚拟电厂调度等复杂系统,助力科研人员快速开展复现实验与创新研究。; 适合人群:具备一定编程基础,熟悉Matlab/Python工具,从事电气工程、自动化、通信、人工智能、新能源、控制科学等相关领域研究的研发人员及研究生。; 使用场景及目标:① 学习并实现FDTD仿真中的PML边界条件以有效抑制数值反射;② 掌握Matlab/Simulink在多物理场建模、控制系统设计与优化算法中的综合应用;③ 借助提供的代码资源完成科研复现、课程设计、竞赛项目或工程原型开发; 阅读建议:此资源以科研实战为导向,不仅提供理论方法,更强调代码实现与仿真验证。建议读者结合自身研究方向,按目录顺序查阅相关模块,下载配套代码进行调试与二次开发,以达到学以致用、融会贯通的目的。
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