zoukankan      html  css  js  c++  java
  • 苍穹耗时操作

    1.前台界面启动发布耗时任务
    //创建任务目标
    JobInfo jobInfo = new JobInfo();
    jobInfo.setAppId("bos");// 执行类所在的应用名
    jobInfo.setJobType(JobType.REALTIME);// 即时执行
    jobInfo.setName("sync inventory");
    jobInfo.setId(UUID.randomUUID().toString());// 随机产生一个JobId (任务目标的标识)
    jobInfo.setTaskClassname("kd.bos.plugin.sample.schedule.BcInventoryQueryTask");//任务类名

    //自定义参数
    HashMap<String,Object> params = new HashMap<>();
    params.put("warehouse", warehouse);
    jobInfo.setParams(params);
    //任务完成时回调
    CloseCallBack closeCallBack = new CloseCallBack(this, "finishsync");
    //发布任务,并显示进度
    JobForm.dispatch(jobInfo, this.getView(), closeCallBack);

    2.耗时任务
    public class BcInventoryQueryTask extends AbstractTask {
    @Override
    public void execute(RequestContext requestContext, Map<String, Object> map) throws KDException {
    //反写进度信息,多次调用及时更新进度到前台
    feedbackProgress(0, "开始执行查询任务", null);
    Long warehouseid = (Long)map.get("queryParam");
    Boolean queryMix = (Boolean)map.get("queryMix");
    String jobid = (String)map.get("jobid");
    DataSet dataSet = doquery(warehouseid,queryMix);
    AppCache.get("uwcq_baseset").put(jobid,dataSet);
    HashMap<String, Object> result = new HashMap<>();
    result.put("success", "true");
    result.put("dataSet", dataSet);
    //任务完成结果
    feedbackCustomdata(result);
    }
    }
    3.前台进度条(题外)相关控制
    //发起loading
    this.getView().addClientCallBack("genbarcodecallback",100);
    setLoading(true);
    //loading控制显示影藏
    private void setLoading(boolean visible) {
    String msg = "waiting..";
    Map<String, Object> paraMap = new HashMap<>();
    paraMap.put("text", msg);paraMap.put("type", LoadingType.Default.getType());
    paraMap.put("visible", visible);
    paraMap.put("pageId", getView().getPageId());
    IClientViewProxy proxy = this.getView().getService(IClientViewProxy.class);
    proxy.addAction("setPageLoading", paraMap);
    }
     
  • 相关阅读:
    增强CNN学习能力的Backbone:CSPNet
    【CNN调参】目标检测算法优化技巧
    【综述】神经网络中不同类型的卷积层
    卷积神经网络中的各种池化操作
    【从零开始学习YOLOv3】5. 网络模型的构建
    【从零开始学习YOLOv3】4. YOLOv3中的参数搜索
    【从零开始学习YOLOv3】3.YOLOv3的数据组织和处理
    两阶段实时检测网络ThunderNet
    【CV中的特征金字塔】Feature Pyramid Network
    PyTorch中模型的可复现性
  • 原文地址:https://www.cnblogs.com/cyhj/p/14777276.html
Copyright © 2011-2022 走看看