原文:http://shift-alt-ctrl.iteye.com/blog/2034440
前言
从本文中你可以得到如下几个问题的解答:
1) 设定消息的时间戳有什么作用
2) 消息的timeToLive与过期原理
3) Producer同步、异步发送消息,以及调优
4) 消息priority与顺序,以及其中的误解。
Producer作为ActiveMQ的消息发送端,是开发工程师经常需要面对的,我们需要多了解一些Producer的特性,以便开发出更高效的应用。
如下为典型的代码示例:
Java代码
- String brokerUrl = "tcp://localhost:61616";
- String queueName = "test-queue";
- ActiveMQConnectionFactory factory = new ActiveMQConnectionFactory(brokerUrl);
- Connection connection = factory.createConnection();
- //ActiveMQFactory.createConnection(brokerUrl);
- Session session = connection.createSession(false, Session.AUTO_ACKNOWLEDGE);
- Destination queue = session.createQueue(queueName);
- MessageProducer producer = session.createProducer(queue);
- for(int i=0; i<5; i++){
- producer.send(session.createTextMessage("Hello,ActiveMQ!!"));
- }
- //....
- connection.close();
一个Producer的创建过程中,会涉及到brokerUrl、destinationUri、Connection、session、ACK模式主要的几个概念。它们都有一些隐藏的“秘密”值得我们去探索。此外producer复杂发送消息,还有很多与消息有关的特性需要注意。
1. disableMessageID
在发送消息时,是否禁用MessageID属性。JMS的标准中并没有约定消息的ID是由Producer创建还是由Broker创建,禁用MessageID在一定程度上会减少网络开支,事实上这个属性在ActiveMQ没有任何意义。无论任何时候,Producer总会在发送消息之前,为Message生成全局唯一的MessageID。(JMSMessageID,由producerId + “:” + sequenceNumber组成)
2. disableMessageTimestamp
是否禁用消息时间戳。时间戳用来表示消息被producer发送的时间(非broker接收的时间),通常此timestamp和TTL一起决定消息是否已经过期;消费者也可以根据此timestamp获知消息发送的时间,以及在selector中使用timestamp来过滤过期或者较旧的消息等。
如果属性值为true,则在发送消息时会将消息的JMSTimestamp属性值设为为当前时间的时间戳;否则JMSTimestamp属性值将保持默认(0)。
-
可以在brokerUrl中设定全局的默认值: "tcp://localhost:61616?jms.disableTimeStampsByDefault=true"
-
messageProducer.setDisableMessageTimestamp(boolean)
此选项只会影响到消息在producer端创建的时间,在ActiveMQ中,Message被额外的增加了2个属性,开发者可以获得更多关于消息流动的相关时间信息(ActiveMQMessage):
-
JMSActiveMQBrokerInTime: 表示消息被broker接收的时间戳
-
JMSActiveMQBrokerOutTime: 消息离开broker即将传送给consumer的时间戳。
3. defaultTimeToLive
消息的存活时间。用来约束消息的过期时间,即JMSExpiration属性。注意timeToLive属性只会在DisableMessageTimestamp=false的情况下才有意义。
JMSExpiration = timestamp + timeToLive。timeToLive默认值为0,即表示消息永不过期。只有当timeToLive值 > 0时,JMSExpiration属性才会被赋值。
-
messageProducer.setTimeToLive(long)
-
messageProducer.send(Message message, int deliveryMode, int priority, long timeToLive): 可以在消息发送时,为当前消息设定ttl。
如果开发者使用TTL来判定消息的过期,那么就首先需要确保Producer、broker两者的系统时间要尽可能的一致,此外我们还需要Consumer也尽可能的和broker的时间保持一致。如果Produer的时间相对broker而言落后太多,有可能导致发送的消息直接被broker抛弃(broker接收消息后会检测是否过期,对于已经过期的消息则直接抛弃),消费者将无法获得相关消息。
Broker将会在接收Producer消息时,以及将消息发送给Consumer之前都会检测消息是否过期,判断过期的方法也就是根据JMSExpiration和当前时间戳比较。如果消息过期,将会把消息发送到DLQ(Dead Letter Qeue)中,那么事实上此消息不会被Consumer消费;不过我们可以通过特殊的方式检测这些DLQ,比如侦听"ActiveMQ.DLQ"队列。由此可见,在使用TTL的时候,如果Producer与Broker的系统时间差距较大,将会导致消息“丢失”。
不过,还有一种“可怕”情况,如果broker端对DLQ使用Discard策略或者Broker没有开启DLQ相关策略,这些过期的消息可能将不复存在。
Java代码
- <destinationPolicy>
- <policyMap>
- <policyEntries>
- <policyEntry queue=">" topic=">">
- <deadLetterStrategy>
- <sharedDeadLetterStrategy processExpired="false" />
- </deadLetterStrategy>
- <!-- discard all -->
- <!--
- <discardingDeadLetterStrategy />
- -->
- </policyEntry>
- </policyEntries>
- </policyMap>
- </destinationPolicy>
4. alwaysSyncSend/useAsyncSend
用来设定producer(或者session)发送消息的方式:同步/异步。
alwaysSyncSend表示消息将总会被同步发送(request<->response),即消息通过底层transport链接发送之后,将会阻塞直到收到broker端的ProducerAck或者sentTimeout。同步发送,是一种担保能力强但发送效率较低的方式,如果消息发送失败,client端可以立即获得异常。如果alwaysSyncSend值为true,则producer将使用同步发送所有消息(同时忽略useAsyncSend选项)
useAsyncSend表示消息可以被异步发送(oneway),异步发送并不是消息在client缓存起来,而是消息也将立即被transport发送给broker,只是不会阻塞等待broker的ACK。消息发送给broker之后,producer.send方法将会立即返回。异步发送,通常配合broker端“Flow Control”手段使用,它可以最大化produer端的发送效率。我们通常在消息量比较密集的情况下使用异步发送,它可以很大的提升Producer性能;不过这也带来了额外的问题,就是需要消耗较多的Client端内存,同时也会导致broker端性能消耗增加;此外它不能有效的确保消息的发送成功。在useAsyncSend的情况下,客户端需要容忍消息丢失的可能。
Java代码
- //brokerUrl中指定异步/同步发送
- jms.alwaysSyncSend=false&jms.useAsyncSend=true
1) 当alwaysSyncSend=false时,对于“NON_PERSISTENT”(非持久化)消息将使用“异步发送”;对于非持久化消息,使用异步发送是最佳的选择,我们通常使用这种手段调优。
2) 当alwaysSyncSend=false时,如果指定了useAsyncSend=true,都将采用异步发送,包括“PERSISTENT”类型的消息,也将使用异步发送。
3) 当alwaysSyncSend=false时,无论如何,在事务中的消息,都将使用异步发送。
4) 当alwaysSyncSend=true时,所有类型的消息,都将采用同步发送。
5) 总结:默认情况下,非持久化消息、事务内的消息均采用异步发送;对于持久化消息,则采用同步发送。
5. sendTimeout
消息发送最大阻塞(等到ACK)时间。这个参数和syncSend方式配合使用,在同步发送方式中,send方法将会阻塞直到broker反馈ACK,不过这种阻塞的时长无法预期,我们需要使用sendTimeout来设定最大的阻塞时间,如果阻塞超时,将会抛出RequestTimedOutIOException。此值默认为0,表示永不超时。
-
在brokerUrl中设定
Java代码
- //在brokerUrl中指定,单位:毫秒
- jms.sendTimeout=30000
-
connection.setSendTimeout(long)
此外需要注意,如果指定了sendTimeout值 >0,无论何时,所有的消息都将同步发送。(忽略alwaysSyncSend、useAsyncSend、消息持久化方式等)。如果sendTimeout <0,则效果和=0一致。
6. socket优化
如果我们的brokerUrl中,使用了TCP/UDP等transport,我们还可以直接对socket进行优化,这些参数需要再brorkerUrl中指定:
Java代码
- tcp://localhost:61616?socket.sendBufferSize=1024
7. windowSize(异步发送)
窗口尺寸,用来约束在异步发送时producer端允许积压的(尚未ACK)的消息的尺寸,且只对异步发送有意义。每次发送消息之后,都将会导致memoryUsage尺寸增加(+message.size),当broker返回producerAck时,memoryUsage尺寸减少(producerAck.size,此size表示先前发送消息的大小)。可以通过如下2种方式设置:
-
在brokerUrl中设置: "tcp://localhost:61616?jms.producerWindowSize=1048576",这种设置将会对所有的producer生效。
-
在destinationUri中设置: "test-queue?producer.windowSize=1048576",此参数只会对使用此Destination实例的producer失效,将会覆盖brokerUrl中的producerWindowSize值。
此值越大,意味着消耗Client端的内存就越大。
至此我们已经清楚,任何发送到broker端的消息,broker总会在存储成功后回传ProducerAck信息,并且在ACK中包含消息的size。当producer发送消息时,会首先检测memoryUsage中是否有足够的空间(根据message.size判断),如果空间足够,则消息正常发送;否则将会阻塞,直到收到producerACK且memoryUsage空间释放足够多。(注意,对于持久化消息,只要broker存储消息成功即立即发送ProcuerAck)
这是一个非常重要而且有效的调优参数之一;它在producer端消息发送比较密集时,或者producer发送速率与consumer消费速度失衡严重时,对维护broker实例性能稳定具有重要意义。比如,当producer短时间内大批量发送消息,而consumer消费速度相对较低时,会对broker端的存储造成巨大冲击,在极端情况下,可能导致OOM或者broker宕机。所以,我们通常开启此参数,且指定相对合理的值。
仅仅在producer指定windowSize,可以在Client端避免这些问题,不过这只是一个方面;但是从全局来看,还不够全面,我们还需要在broker端使用“Flow Control”策略来避免上述情况的发生。不过对于"持久化"类型的消息,当broker存储成功之后,总是立即发送ack,所以我们不需要担心会带来潜在的危险。因为“windowSize”、“Flow Control”通常是针对“非持久化”消息。
“Flow Control”通常称为“流量控制”,它的核心理念就是“按需交付”。如果每个Producer指定的windowSize为64M,但是我们有10个这样的producer,那么意味着broker端在最坏的情况下,需要承载640M数据,不过很不幸的是broker上可供cache的空间只有512M,那么此后broker可能因为内存不足而强制挂起Producer的物理连接(connection),从而导致在connection上无法继续发送任何消息。这会引入另外一个问题,当connection上还有当前通道(Queue或者Topic)的consumer时,会带来死锁;这导致consumer的ACK无法发送-->进而导致消息继续消费,以致于形成“消息无法消费”“也无法发送”的死锁情况。所以通常情况下,我们不能让Consumer和Producer共享一个物理Connection。
“Flow Control”所能做的就是:当broker内存不足时,让producer暂停一下,直到消息消费之后腾出足够的空间。可以让消息密集发送时,broker能够协调Producer发送的“频率”,同时确保自己的性能处于可控范围。
Java代码
- <policyEntry queue=">" producerFlowControl="true" memoryLimit="32mb">
- <!-- only for queue -->
- <!-- topic is very different from it -->
- <pendingQueuePolicy>
- <!-- non_persistent: use "vmQueueCursor",persistent: use "fileQueueCursor" -->
- <storeCursor/>
- <!-- also can do this -->
- <!--
- <storeCursor>
- <nonpersistent>
- <vmQueueCursor/>
- </nonpersistent>
- </storeCursor>
- -->
- </pendingQueuePolicy>
- </policyEntry>
上述配置描述的是,对于任意一个queue都使用32m内存保存非持久化消息,如果超过限制,将阻塞Producer链接。不过强制挂起Producer似乎有些过于粗暴,我们可以增加如下配置,当borker内存不足时,向producer发送一个异常,此时producer可以通过捕获异常来“暂停与重试(sleep一会再发送)”或者提交事务(如果事务中有大量消息且消息为持久化类型的)。
Java代码
- <systemUsage>
- <systemUsage sendFailIfNoSpace="true">
- <memoryUsage>
- <memoryUsage limit="512mb"/>
- </memoryUsage>
- </systemUsage>
- </systemUsage>
8. Transaction
producer端可以使用事务来实现多条消息的“原子性”。据上所述,事务中的消息,都会采用asyncSend方式发送,对于broker而言将会把当前producer事务中的消息cache在内存中,直到事务提交。
Java代码
- //如果使用事务,其中transacted=true,ackMode = Auto_ACK,事实上ackMode对producer并无意义。
- connection.createSession(boolean transacted, int acknowledgeMode)
对于producer而言,事务并没有特别需要注意的地方,无论是持久化/非持久化,建议不要在一个事务中同时发送过多的消息,此外建议设定windowSize,即“事务” + “windowSize”是推荐的一种高效的方式。
开发者需要再合适的时机,调用session.commit()方法来提交事务,不过需要注意session非线程安全,建议在事务类型下,每个producer独占一个session已防止多线程(多producer)提交的时机不同而造成混乱。
9. Priority(权重)与消息传送顺序
我们可以在发送消息时,指定消息的权重,broker可以建议权重较高的消息将会优先发送给Consumer。在某些场景下,我们通常希望权重较高的消息优先传送;不过因为各种原因,priority并不能决定消息传送的严格顺序(order)。
JMS标准中约定priority可以为0~9的数值,值越大表示权重越高,默认值为4。不过activeMQ中各个存储器对priority的支持并非完全一样。比如JDBC存储器可以支持0~9,因为JDBC存储器可以基于priority对消息进行排序和索引化;但是对于kahadb/levelDB等这种基于日志文件的存储器而言,priority支持相对较弱,只能识别三种优先级(LOW: < 4,NORMAL: =4,HIGH: > 4)。在broker端,默认是不支持priority排序的,我们需要手动开启:
Java代码
- <policyEntry queue=">" prioritizedMessages="true"/>
一旦开启了此属性,此后消息存储时,将会按照prioprity的倒序索引化消息(比如kahadb B+Tree,此后priority将作为索引的一部分)。此后broker从存储器中获取消息时,权重较高的消息将会被优先获取;对于JDBC等其他存储器,可能在获取消息时,按照priority作为排序列来筛选消息。
我们首先简单的描述一下,消息在broker端pending的过程,这涉及到prefetch机制以及消息是否持久化等方面的问题。在broker端,为了优化Consumer消费的效率,通常开启prefetch策略,即从通道中(Queue/Topic)批量加载多条消息,这些消息可能来自内存(非持久化),也可能来自存储文件(持久化消息,或者非持久化消息被swap到临时文件中);borker会为每个Consumer创建一个基于内存的pending buffer,用来保存即将发送给Consumer的消息列表。当buffer中的消息被Consumer消费之后,将会从内存或者文件中继续加载多条消息,然后再根据需要将一定量的消息放入到pending buffer中。由此可见,我们只能保证每次prefetch的消息列表是按照priority排序的,但是有可能在buffer中的消息还没有发送之前,会有更高优先级的消息被写入文件或内存,事实上这已经不能改变消息发送的顺序了;因为我们无法在全局范围内,保证Consumer即将消费的消息是权重最高的!!
不过对于“非持久化”类型的消息(如果没有被swap到临时文件),它们被保存在内存中,它们不存在从文件Paged in到内存的过程,因为可以保证优先级较高的消息,总是在prefetch的时候被优先获取,这也是“非持久化”消息可以担保消息发送顺序的优点。
Broker在收到Producer的消息之后,将会把消息cache到内存,如果消息需要持久化,那么同时也会把消息写入文件;如果通道中Consumer的消费速度足够快(即积压的消息很少,尚未超过内存限制,我们通过上文能够知道,每个通道都可以有一定的内存用来cache消息),那么消息几乎不需要从存储文件中Paged In,直接就能从内存的cache中获取即可,这种情况下,priority可以担保“全局顺序”;不过,如果消费者滞后太多,cache已满,就会触发新接收的消息直接保存在磁盘中,那么此时,priority就没有那么有效了。
在Queue中,prefetch的消息列表默认将会采用“轮询”的方式(roundRobin,注意并不是roundRobinDispatch)[备注:因为Queue不支持任何DispatchPolicy],依次添加到每个consumer的pending buffer中,比如有m1-m2-m3-m4四条消息,有C1-C2两个消费者,那么: m1->C1,m2->C2,m3->C1,m4->C2。这种轮序方式,会对基于权重的消息发送有些额外的影响,假如四条消息的权重都不同,但是(m1,m3)->C1,事实上m2的权重>m3,对于C1而言,它似乎丢失了“顺序性”。
Java代码
- //参见org.apache.activemq.broker.region.Queue
- //doActualDispatch方法
- //伪代码,描述
- //pendingList: 从store中PageIn 的消息列表,亟待发送
- Iterator it = pendingList.iterator();
- //为了当前Page的消息发送,创建一个消费者列表的copy
- //每个Queue都持有目前所有的消费者列表。
- //在broker端,Subscription负责和Consumer客户端通讯
- List<Subscription> copyConsumers = new ArrayList<Subscription>(this.allSubscriptions);
- Set<Subscription> fullConsumers = new HashSet<Subscription>();
- while(it.hasNext()){
- Message mx = it.next();
- for(Subscription consumer : copyConsumers){
- if(fullConsumers.contains(consumer)){
- break;//如果当前consumer亟待确认的消息已经超过了prefetch
- }
- //如果当前consumer中的pendingBuffer没有满
- if(!consumer.isFull()){
- it.remove();
- consumer.dispatch(mx);//异步发送消息,addBuffer
- if(!strictOrderDispatch){
- //如果不是严格顺序发送
- //对consumers按照权重排序
- //权重高的consumer,将会被有限填充buffer
- //当权重相同时,将会按照它们最后发送消息的ID,倒序排列
- //即消息ID较小的,将会优先获取新消息。
- Collections.sort(this.allSubscritpions);
- //重建copy
- copyConsumers = new ArrayList<Subscription>(this.allSubscriptions);
- }
- }else{
- fullConsumers.add(consumer);
- }
- }
- if(!pendingList.isEmpty()) {
- //剩余的消息,将会被cache起来,继续轮训上述过程
- }
为了让priority的消息更加具备顺序性,我们可以通过如下配置来调整:
Java代码
- //queue or topic
- <policyEntry queue=">" strictOrderDispatch="true" />
strictOrderDispatch“严格顺序转发”,这是区别于“轮询”的一种消息转发手段;不过不要误解它为“全局严格顺序”,它只不过是将prefetch的消息依次填满每个consumer的pending buffer。比如上述例子中,如果C1-C2两个消费者的buffer尺寸为3,那么(m1,m2,m3)->C1,(m4)->C2;当C1填充完毕之后,才会填充C2。由此这种策略可以保证buffer中所有的消息都是“权重临近的”、有序的。(需要注意:strictOrderDispatch并非是解决priority消息顺序的问题而生,只是在使用priority时需要关注它)。
对于Queue而言,仅仅使用strictOrderDispatch并不能完全解决顺序问题,它可能是相对高效但是比较粗略的方式;如果需要严格保证有序性,我们需要按照如下方式配置:
Java代码
- <policyEntry queue=">" prioritizedMessages="true" useCache="false" expireMessagesPeriod="0" queuePrefetch="1" />
useCache=false来关闭内存,强制将所有的消息都立即写入文件(索引化,但是会降低消息的转发效率);queuePrefetch=1来约束每个consumer任何时刻只有一个消息正在处理,那些消息消费之后,将会从文件中重新获取,这大大增加了消息文件操作的次数,不过每次读取肯定都是priority最高的消息。[对于broker而言,如果指定了prioritizedMessage将在存储时就根据消息的权重建立索引顺序,在内存中使用PrioritizedPendingList保存消息;否则将使用OrderedPendingList]
“strictOrderDispatch”也适用于Topic,broker可以保证所有Subscriber获得的消息的顺序是一致的。不过Topic支持DispatchPolicy,但是不支持"strictOrderDispatch"属性,这个与Queue有所不同。
Java代码
- <policyEntry topic=">">
- <dispatchPolicy>
- <strictOrderDispatchPolicy />
- </dispatchPolicy>
- </policyEntry>
此外,对于Consumer而言,我们需要关注一个参数:messagePrioritySupported;它表示consumer端是否支持权重排序,默认为true,即当Consumer客户端使用了prefetchSize时,将会对这些已经到达Session但还没有转发给Consumer的消息列表,按照权重排序。我们可以通过这种方式开启:
Java代码
- //brokerUrl中
- jms.messagePrioritySupported=true
如果你关闭了此选项,那么需要注意,当高权重的消息因为消费异常而重发时,将不能被优先消费。
10. Producer消息传送模型
11. 如何提升Producer端消息发送效率?
在某些场景下,我们的Producer的个数是非常有限的,可能只有几个,比如基于Queue的“订单接入网关”(生成订单原始信息并负责传递),但是相应的Consumer的个数相对较多,在整体上Producer效能小于Consumer。还有一些场景,Producer的数量非常,消息量也很大,但是Consumer的个数或者效能相对较低,比如“用户点击流”、“用户消息Push系统”等。
究竟该如何提高消息发送的效率,参考上文,几个因素值得我们考虑:
1) 消息持久化:持久化类型的消息,对broker端性能消耗远远大于非持久化类型;这归结于ActiveMQ本身对持久化消息确保“最终一致性”,持久化意味着“消息不丢失”(无论过期,还是DLQ),即当broker接收到消息后需要一次强制性磁盘同步(fsync)[备注:不过基于日志的存储器kahadb/levelDB提供延迟写入的特性,如果开启延迟写入,将会在broker物理失效时有丢失数据的潜在风险];对于Consumer在消费消息后,也会触发磁盘写入(通常为标记消息已消费,或者移除消息的相关索引信息;这个过程通常是延迟写入);此外,通常broker端还会开启相关的“过期消息检测”线程,将存储器中的数据载入内存并检测,这个过程也是内存、磁盘IO消耗的。由此可见,持久化类型的消息从始至终,都在“拖累”着系统的性能和吞吐能力。
这就要求,开发者根据实际需要定夺消息的传输模式(持久化、非持久化),对于数据可靠性要求较低,容忍数据在极端情况下丢失的场景中,我们需要果断的使用NON_PERSISTENT。
2) 消息属性: 通过Producer发送的消息(Message)中,除了消息本身的负荷体之外(content),还有大量的JMS属性和Properties可以设置,比如timestamp、priority等。因为JMS中,支持对JMS属性和properties使用selector,那么这些内容将会加大和复杂化message header,我们尽可能的在properties中携带更少、更小的数据。此外,我们还不能通过Message传递较大的文本、流数据,尽管activeMQ支持这些特性,但是它会对broker带来更多消息存储、控制成本,事实上,较大数据的传递,使用activeMQ是不理智的。
此外,我们需要慎重的使用Priority,这会对底层的存储器带来额外的性能开支。
3) 异步发送:如果消息是非持久化的,或者Session是基于事务的,建议开发者不要关闭异步发送;这是提升Producer发送效率的重要的策略。设定合适的windowSize,开启Broker端“Flow Control”等,这既可以提高Produer发送效率,还能避免因Producer数据过大造成Broker不稳定的问题。
4) 事务:对于Producer而言,使用事务并不会消耗Broker太多的性能,主要是会占用内存,所有未提交的事务消息,都会保存在内存中,有些基于日志的存储存储器,事务类型的持久化消息暂存在额外的文件中,直到日志提交或者回滚后清除。所以,Producer端不要在事务中,积压太多的消息,尽可能早的提交事务。
5) 提升Consumer消费速率,无论是Queue还是Topic,快速的Consumer,无疑是提升整体效能的最好的手段,开发者需要在Consumer个数和消费耗时等多个方面权衡,尽可能通过良好的架构设计,让Consumer的消费速率和Producer的生产速率保持同步。
6) 选择合适的存储器: activeMQ目前支持JDBC/kahadb/LevelDB三种主要的存储器。JDBC主要面向基于RDBMS方向,通常如果消息不仅面向ActiveMQ,还可能被用于第三方平台的操作,JDBC的特点就是透明度高,可扩展方案较多(但扩展成本较高)。kahadb和LevelDB,同属于日志存储 + BTree索引,性能很好,对于消息较多(单位尺寸较小),消费速度较快的应用,是最好的选择,这两种存储器也是最常用的,其中LevelDB是被推荐使用的。
12. ActiveMQ Producer与Spring代码样例
1) MessageProducerClient.java
Java代码
- public class MessageProducerClient {
- private ActiveMQConnectionFactory connectionFactory;
- private String destination;
- private MessageProducer producer;
- private ActiveMQConnection connection;
- private Session session;
- private int deliveryMode = DeliveryMode.PERSISTENT;
- public String getDestination() {
- return destination;
- }
- public void setDestination(String destination) {
- this.destination = destination;
- }
- public void setDeliveryMode(int deliveryMode) {
- this.deliveryMode = deliveryMode;
- }
- public void setConnectionFactory(ActiveMQConnectionFactory connectionFactory) {
- this.connectionFactory = connectionFactory;
- }
- public void init() throws Exception{
- connection = (ActiveMQConnection)connectionFactory.createConnection();
- connection.start();
- session = connection.createSession(false, Session.AUTO_ACKNOWLEDGE);
- Destination physical = ActiveMQDestination.createDestination(destination, ActiveMQDestination.QUEUE_TYPE);
- producer = session.createProducer(physical);
- producer.setDeliveryMode(deliveryMode);
- }
- public void send(String text) throws Exception{
- TextMessage message = session.createTextMessage(text);
- producer.send(message);
- }
- public void send(Message message) throws Exception{
- producer.send(message);
- }
- public void close(){
- try{
- connection.close();
- }catch(Exception e){
- e.printStackTrace();
- }
- }
- }
2) spring配置
Java代码
- <bean id="activeMQConnectionFactory" class="org.apache.activemq.spring.ActiveMQConnectionFactory">
- <property name="brokerURL" value="tcp://localhost:61616"/>
- <property name="userName" value=""/>
- <property name="password" value=""/>
- <property name="sendTimeout" value="3000" />
- </bean>
- <bean id="orderMessageProducerClient" class="com.test.common.MessageProducerClient" init-method="init" destroy-method="close">
- <property name="connectionFactory" ref="activeMQConnectionFactory"></property>
- <property name="destination" value="queue://order.queue"></property>
- </bean>