Java Spring积分边界测井

我在Jetty上部署了一个Spring集成应用程序，它从IBM MQ中提取消息（XML和JSON），进行一些转换，并将转换后的消息持久化到Oracle

目前我们正在进行负载测试，性能非常差，大约每秒15条消息在NFT环境中从队列中排出。即使我们的监控工具；AppD向我们展示了只需约20毫秒就可以持久化到Oracle，而在其他步骤中几乎什么都不做

在本地机器上构建时，我们可以看到显著更高的吞吐量（每秒约100个消息），我想通过一些边界日志来验证这一点；i、 e表示提取消息的速度和将消息持久化到数据库的速度。它可能有助于识别瓶颈甚至网络问题

我使用的是消息驱动的通道适配器

<jms:message-driven-channel-adapter id="jmsIn"
        channel="routingChannel"
        container="DefaultJmsListenerContainer" />

对于Oracle持久性部分，我将使用ServiceActivator调用JDBCTemplace以实现有效负载（写模型）持久性，并将消息排入队列通道，并使用聚合器实现批休眠持久性（读模型）

当我看到像下面这样的博客，每秒处理一百万个事务，这很容易，我想找到根本原因

如果我要从队列中读取10条消息，然后成批保存，我还不确定如何继续，那么应该如何配置消息驱动的通道适配器，并且仍然确保JMS事务管理与JDBC事务管理一起工作

在使用2个事务管理器时，我找不到一篇关于Spring Integration的事务管理的解释很好的文章。而我们方面的要求是实现零数据丢失，因此我必须了解这一点

因此，有两个问题：

如何为当前场景配置边界日志记录

上述配置是否存在明显的差异

干杯

---

Kris

问题可能是您提到的是一个

队列频道。这一个实际上是基于一些轮询器，如果它被配置为类似于
fixedDelay=1000
，那么这将是一个瓶颈。对于这个轮询器来说，另一个选择是：<代码> Max MaseSePopRe= -1 .P/>
我不确定您的
边界日志记录是什么。从未听说过这样的术语，但您确实可以打开
org.springframework.integration
的调试日志级别，您将在日志中看到消息是如何通过Spring集成组件传递的

对于
DataSourceTransactionManager
和
JmsTransactionManager
组合，我们始终建议阅读Dave Syer关于1PC分布式事务的文章：。此外，Spring数据中已经有一个
ChainedTransactionManager
。
一个SO线程中的问题太多了。这不是这里的工作原理Hi Artem…同意…但是，我觉得它们都与当前的性能问题有关。也许你真的可以展示你的整个集成流程？谢谢Artem。我正在读这篇文章。但是关于CachingConnectionFactory，我们正在使用它，我删除了它，因为我阅读了下面的API文档，其中提到在使用并发用户时不要使用后者。[链接]。我还使用我们创建的用于连接到队列的IBM队列更新了描述。
    public MQQueue createRequestQueue() throws IllegalStateException, JMSException {
    return new MQQueue(env.getRequiredProperty(QUEUE_MANAGER), incomingQueue);
}

    @Bean(name="DefaultJmsListenerContainer")
 public DefaultMessageListenerContainer provideJmsListenerContainer() throws IllegalStateException, JMSException {
     DefaultMessageListenerContainer container = new DefaultMessageListenerContainer();
     container.setConnectionFactory(connectionFactory());     
     container.setTransactionManager(provideTransactionManager());
     container.setConcurrency(jmsConcurrency);
     container.setCacheLevel(jmsCacheLevel);
     container.setSessionAcknowledgeMode(Session.CLIENT_ACKNOWLEDGE);
     container.setSessionTransacted(true);
     container.setDestination(createRequestQueue());

     return container;
 }

    @Bean(name="MQConnectionFactory")
public ConnectionFactory connectionFactory() {

    if (factory == null) {
        factory = new MQConnectionFactory();
        try {
            factory.setConnectionNameList(env.getRequiredProperty(HOST));
            factory.setPort(Integer.parseInt(env.getRequiredProperty(PORT)));            
            factory.setQueueManager(env.getRequiredProperty(QUEUE_MANAGER));
            factory.setChannel(env.getRequiredProperty(CHANNEL));
            factory.setTransportType(WMQConstants.WMQ_CM_CLIENT);
            factory.setSSLCipherSuite(env.getRequiredProperty(SSL_CIPHER_SUITE));
            factory.setStringProperty(WMQConstants.USERID, env.getRequiredProperty(QUEUE_USERID));
            factory.setStringProperty(WMQConstants.PASSWORD, env.getRequiredProperty(QUEUE_PASSWORD));

        } catch (JMSException e) {
            throw new RuntimeException(e);
        }
    }
    return factory;
}


     @Bean(name = "jmsTransactionManager")
 public JmsTransactionManager provideTransactionManager() {      
     return new JmsTransactionManager(connectionFactory());
 }

    @Bean(name="jdbcTransactionManager")
public DataSourceTransactionManager jdbcTransactionManager() {
    DataSourceTransactionManager dataSourceTransactionManager = new DataSourceTransactionManager();
    dataSourceTransactionManager.setDataSource(dataSource());
    return dataSourceTransactionManager;
}

@Bean
public DataSource dataSource() {
    final JndiDataSourceLookup dsLookup = new JndiDataSourceLookup();
    dsLookup.setResourceRef(true);        
    DataSource  dataSource = dsLookup.getDataSource("jdbc/pxxds");        
    return dataSource;
}