`
JerryWang_SAP
  • 浏览: 1080124 次
  • 性别: Icon_minigender_1
  • 来自: 成都
文章分类
社区版块
存档分类
最新评论

SAP ABAP守护进程(ABAP Daemon)的实现方式

阅读更多

Jerry本科学习《计算机操作系统》这门专业课时,了解到了守护进程的理念,当时我们是从Linux操作系统里的守护进程开始学习这个概念的:Linux守护进程是运行在后台的一种特殊进程,独立于控制终端并且周期性地执行某种任务,或等待处理某些将要发生的事件。Linux系统很多服务都通过守护进程实现,常见的守护进程有系统日志进程syslogd,web服务器httpd,邮件服务器sendmail和数据库服务器mysqld等。

当时Jerry上这门专业课时,《暗黑破坏神II》在国内各大高校的战网上正进行得如火如荼,Jerry也和其他暗黑爱好者一样,天天在战网上KB,KC, 刷暴躁外皮。

暗黑破坏神II里有很多对恶魔(Demon)造成额外伤害的武器,比如下面这把用符文之语悔恨(Grief)制成的幻化之刃,对恶魔生物造成额外185%伤害:

当时Jerry在战网上刷怪的时候,心想,Linux守护进程的名称咋这么酷?Demon Process - 恶魔进程。第二天翻开教材仔细一看,顿时尴尬了,原来守护进程的英文应该是Daemon Process...

那么在ABAP里能否实现具有守护进程特性的报表?这个需求翻译成ABAP的术语,即是否能够开发一个满足下列特征的ABAP程序?

终端(SAPGUI或ABAP Development Tool)关闭后仍然能够继续运行,且能继续接收用户输入,处理并推送结果给用户。

很多朋友一定很快就会想到ABAP后台作业。没错,开发一个ABAP报表,以后台作业的方式启动,的确可以实现脱离终端运行的效果。然而这种后台作业无法再以普通方式接受用户输入,一种比较笨重的解决方式是采取生产者-消费者的思路,定义一个数据库表,充当任务队列;用户将请求插入到该数据库表里,而后台作业程序周期性地去查询该数据库表,如果非空,则取出请求并处理。

另一种思路就是在事务码SICF里创建一个新的节点并在其handler class里书写处理逻辑,这样消费者可以发送HTTP请求到该ICF节点负责的url,并接收处理结果。

之前Jerry的文章一个13年ABAP老兵的建议:了解这些基础知识,对ABAP开发有百利而无一害介绍过,ABAP服务器同外界通过HTTP交互,会经过Internet Communication Manager(ICM)这个模块,通过这种方式实现的ABAP程序,表面上看也勉强模仿了守护进程的效果,但请求处理的性能和真正的守护进程相比相差甚远,并且本质上是借助Web服务器实现的。

一个好消息是,在2018年SAP发布的ABAP Platform 1809中,提到了一些激动人心的新特性,比如针对工业物联网(Industrial IoT)和Machine-to-Machine通信的增强,MQTT的引入,以及对ABAP Daemons的原生支持。

本文我们就用ABAP平台1809新引入的ABAP MQTT和ABAP Daemons来实现一个Hello World级别的ABAP守护进程。

MQTT(Message Queuing Telemetry Transport,消息队列遥测传输协议)是一种基于发布/订阅模式的轻量级通讯协议,构建于TCP/IP协议上,因其低开销和低带宽占用的优点,在物联网、小型设备、移动应用等方面应用特别广泛。

关于ABAP平台1809新特性的更多介绍,请参阅SAP社区博客:

blogs.sap.com/2018/10/0

ABAP守护进程和MQTT密切相关,因此我们先来了解ABAP平台1809新引入的对MQTT的支持。

设想一个简单的“一问一答”的场景,在ABAP平台上开发一个MQTT客户端,往第三方的MQTT broker(代理)发送消息,并接收其回复。

新建一个ABAP类,实现SAP标准接口IF_MQTT_EVENT_HANDLER的对应方法。

至于MQTT broker,我选择了一个基于HiveMQ的公开Broker:broker.mqttdashboard.com,可以使用下面这个用webSocket实现的MQTT客户端来操作该broker:

hivemq.com/demos/websoc

这个broker专门用于测试用途,收到MQTT消息后,会原封不动地将其回复给发送方。

在ABAP类的构造函数里连接MQTT broker,把返回的MQTT客户端实例存储在类的成员变量mo_mqtt_client里,接下来就能使用该实例的publish方法去发送消息,subscribe方法订阅消息,on_message方法接收消息。

打开MQTT客户端,订阅渠道:abaptopic/jerry/test

接着我首先在第66行,往该渠道发送一条Hello World的消息,broker收到后会将其原封不动地返回,但因为我的ABAP类并没有订阅这个渠道,因此不会收到这条hello world消息的回复。

第68行订阅该渠道后,第69行发送第二条消息给broker,这次就能收到其回复了。

回到broker客户端,看到从ABAP端发送过来的两条消息:

回到ABAP端,看到代码第69行发送的第二条消息的回复:

弄清楚ABAP MQTT的用法之后,我们就可以动手开发ABAP守护进程了。虽然ABAP守护进程并没有直接使用MQTT同使用者进行交互,但是掌握这种消息通知机制的用法,对我们了解ABAP守护进程的工作原理也有帮助。

新建一个ABAP类zcl_jerry_simple_daemon,将cl_abap_daemon_ext_base设置成其父类。

从基类继承的这些ON开头的方法,即ABAP守护进程生命周期事件发生时,开发人员能够实现自定义逻辑的位置,比如在系统SHUTDOWN时,开发人员实现的ON_SYSTEM_SHUTDOWN方法会触发,在此处完成守护进程的清理动作,实现优雅退出。

而最有用的方法,无疑就是ON_MESSAGE,这也是守护进程接收用户输入并响应的地方。

为简单起见,我的守护进程收到用户输入后,仅仅弹出一个弹出对话框,显示在SAPGUI里:

守护进程的启动则通过框架类cl_abap_daemon_client_manager的start方法实现,第75行start方法传入的参数lo_pcp作为守护进程启动参数一并传入,pcp代表Push Channel Protocol,一种用于消息传递的数据结构。

使用下列语句启动该守护进程,将其命名为jerry_daemon:

zcl_jerry_simple_daemon=>start( iv_daemon_name = 'jerry_daemon' ).

在事务码SMDAEMON里可以看到所有正在运行的守护进程:

打开SAPGUI,使用如下的方法向jerry_daemon这个ABAP守护进程发送一条消息,会立即在SAPGUI里看到守护进程的on_message方法里弹出的对话框:

因此将来我们如果遇到需要开发长时间脱离终端运行且仍需响应用户输入的ABAP程序,除了ABAP后台作业和SICF服务外,又多了ABAP守护进程这种选择。

希望本文介绍的内容对你有用,感谢阅读。

更多阅读

 

0
0
分享到:
评论

相关推荐

    ABAP开发环境的安装

    #### 五、SAP NetWeaver 2004s / 7.0 ABAP/4 环境 ##### 1. 安装要求 - **操作系统**:Windows XP Professional (Service Pack 2) 或 Windows Server 2003 - **物理内存**:最少1GB - **处理器**:Intel Pentium ...

    白雪-WQ深度推理加持投研投顾场景.pdf

    DataFunSummit2025知识图谱峰会嘉宾演讲PPT合集

    张惟师法律大模型X知识图谱激活法律服务行业新范式.pdf

    DataFunSummit2025知识图谱峰会嘉宾演讲PPT合集

    tesseract-langpack-kat-4.0.0-6.el8.x64-86.rpm.tar.gz

    1、文件说明: Centos8操作系统tesseract-langpack-kat-4.0.0-6.el8.rpm以及相关依赖,全打包为一个tar.gz压缩包 2、安装指令: #Step1、解压 tar -zxvf tesseract-langpack-kat-4.0.0-6.el8.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm

    炼石图解网络数据安全管理条例及数据安全合规与技术体系2024630页.pdf

    炼石图解网络数据安全管理条例及数据安全合规与技术体系2024630页.pdf

    【强化学习与控制工程】基于积分强化学习的不确定非线性系统H∞跟踪控制:神经网络在线学习与鲁棒控制设计了针对具有外部(复现论文或解答问题,含详细可运行代码及解释)

    内容概要:本文探讨了针对具有外部干扰和输入约束的不确定非线性系统的H∞跟踪控制问题。为解决Hamilton-Jacobi-Isaacs (HJI)偏微分方程求解难题,提出了在线模型无关的积分强化学习(IRL)算法。该算法通过构建评价-执行-干扰三神经网络并同步更新,结合Lyapunov方法证明了系统稳定性和收敛性。此外,控制器中加入了鲁棒项以减弱神经网络逼近误差的影响,确保闭环系统的渐近稳定。文中提供了详细的代码实现,包括HJI方程计算、IRL算法、鲁棒控制设计以及控制策略生成,并通过两个仿真示例验证了算法的有效性。 适合人群:具备一定编程基础,特别是对强化学习、非线性控制系统、神经网络有一定了解的研发人员或研究人员。 使用场景及目标:①研究不确定非线性系统的H∞跟踪控制问题;②理解如何利用神经网络和积分强化学习解决HJI方程求解难题;③掌握在线模型无关的控制算法设计方法;④探索鲁棒控制策略的设计与实现。 其他说明:本文不仅提供了理论分析,还给出了具体的代码实现,便于读者理解和实践。在实际应用中,可根据具体需求调整神经网络结构、超参数设置及鲁棒项设计。此外,建议进一步验证算法在不同场景下的表现,如不同类型的非线性系统、时变参考轨迹和随机干扰信号等。

    tesseract-langpack-mon-4.0.0-6.el8.x64-86.rpm.tar.gz

    1、文件说明: Centos8操作系统tesseract-langpack-mon-4.0.0-6.el8.rpm以及相关依赖,全打包为一个tar.gz压缩包 2、安装指令: #Step1、解压 tar -zxvf tesseract-langpack-mon-4.0.0-6.el8.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm

    基于Copula理论与K-means的风光出力相关性建模及场景生成方法

    内容概要:本文介绍了一种利用Copula函数和K-means聚类相结合的方法,用于处理风速和光照强度的相关性,从而生成更加符合物理规律的风光出力场景。首先,通过Frank-Copula函数建立风速和光照强度的联合分布,解决了传统蒙特卡洛方法生成的场景不符合物理规律的问题。然后,使用K-means聚类进行场景削减,确保生成的场景不仅数量适中,还能保持原有的相关性结构。文中详细展示了从数据预处理、Copula参数估计、场景生成到最后的场景削减的具体步骤,并提供了相应的Python代码片段。此外,还讨论了一些实践中需要注意的技术细节,如边缘分布选择、噪声添加、聚类距离度量等。 适合人群:从事新能源系统规划、电力系统优化调度的研究人员和技术人员,以及对Copula函数和K-means聚类感兴趣的学者。 使用场景及目标:适用于需要精确模拟风电场和光伏电站出力场景的应用场合,如电力系统仿真、负荷预测、电网调度等。主要目标是提高风光出力场景生成的准确性,减少因忽视相关性带来的建模误差。 其他说明:该方法已在多个实际项目中应用,显著提高了风光出力场景生成的质量,减少了系统运行成本模拟的误差。未来还可以进一步扩展到多维相关性建模,如海上风电与波浪的影响。

    自动驾驶领域中Prescan、CarSim、Simulink联合仿真的弯道超车避撞技术实现

    内容概要:本文详细介绍了如何通过Prescan、CarSim和Simulink三个软件联合仿真,实现弯道超车并避撞前方机动车的技术细节。首先,采用Frenet坐标系下的五次多项式进行路径规划,确保路径平滑且符合起始点和终点的速度、加速度等边界条件。其次,应用模型预测控制(MPC),通过建立车辆动力学模型,预测未来状态并优化控制输入,使车辆沿规划轨迹行驶。此外,文中还涉及了三软件的具体配置和调试技巧,以及横向轨迹跟踪对比图和仿真图的展示,验证了所提方案的有效性和优越性。 适合人群:从事自动驾驶研究和技术开发的专业人士,尤其是对路径规划和避障控制感兴趣的工程师。 使用场景及目标:适用于模拟复杂弯道场景下的自动驾驶行为,旨在提高车辆在弯道超车时的安全性和稳定性,减少横向误差,提升驾驶体验。 其他说明:文中提供的代码片段和调试建议有助于解决实际操作过程中可能出现的问题,如数据同步、坐标系转换等。同时,强调了各软件之间的协同工作及其重要性。

    基于OpenCV和Python的车道线检测系统(带PyQt5 UI界面)设计与实现

    内容概要:本文详细介绍了如何使用OpenCV和Python构建一个带有图形用户界面(GUI)的车道线检测系统。主要内容涵盖图像加载、预处理(灰度化、高斯滤波)、Canny边缘检测、感兴趣区域提取、霍夫直线检测、直线拟合以及最终将检测结果叠加回原始图像。此外,还包括了如何利用PyQt5库创建一个简单的用户界面,使用户可以通过按钮选择图片或视频进行车道线检测,并实时查看处理结果。 适合人群:具有一定编程基础,尤其是熟悉Python和OpenCV库的开发者和技术爱好者。 使用场景及目标:适用于希望快速入门车道线检测技术的研究人员或学生,旨在帮助他们理解车道线检测的基本原理及其具体实现方法。同时,也为有兴趣开发自动驾驶相关应用的人士提供了一种可行的技术路线。 其他说明:文中不仅提供了详细的代码片段,还分享了一些实用技巧,如参数调整的经验值、常见问题解决方案等。此外,作者还提到了一些优化建议,比如通过减少图像尺寸提高性能,或者采用C++重写核心模块以获得更好的运行速度。

    【MATLAB编程基础】MATLAB基本语法与常用函数详解:涵盖向量操作、流程控制、绘图及特殊矩阵函数应用

    内容概要:本文档主要介绍了MATLAB编程的基础知识,包括向量的创建与运算、输入输出函数、分支结构(if语句、switch语句)、循环结构(for循环、while循环)、函数体的编写以及绘图函数(plot、subplot、stem、scatter)。此外,还讲解了一些特殊的矩阵函数,如全零矩阵、全1矩阵和随机矩阵的生成方法。通过这些内容的学习,读者能够快速掌握MATLAB的基本语法和常用功能。 适合人群:适合初学者或有一定编程基础但对MATLAB不熟悉的用户,尤其是理工科学生、科研人员及工程师。 使用场景及目标:①帮助用户快速入门MATLAB编程语言,为后续深入学习打下坚实的基础;②适用于需要进行数据可视化、数值计算、仿真模拟等任务的人群;③通过实例演示,使用户能够理解和应用MATLAB的各种语法结构和绘图技巧。 阅读建议:本文档以基础语法为主,建议读者结合实际练习来巩固所学知识,同时可以尝试修改示例代码中的参数,观察不同参数对结果的影响,从而加深对MATLAB的理解。

    Cursor Setup 0.42.5 - Build 24111460bf2loz1-x64.exe.wim

    Cursor Setup 0.42.5 - Build 24111460bf2loz1-x64.exe.wim

    【AUTOSAR内存管理】基于Flash EEPROM Emulation模块的非易失性数据存储设计与实现:架构、API及操作流程分析了文档的主要内容

    内容概要:本文详细介绍了基于AUTOSAR规范的Flash EEPROM Emulation (FEE)模块,该模块旨在Flash存储器上模拟EEPROM功能,解决Flash有限擦写次数的问题,为上层软件提供几乎无限次擦写的非易失性数据管理服务。文章阐述了FEE模块在AUTOSAR内存存储架构中的位置及其与各层的接口关系,解析了模块的内部状态管理机制,包括四个主要状态及其转换条件,还描述了配置结构,涵盖顶层配置、块配置及模块常量配置参数。此外,文章列举并分类了FEE模块提供的API接口,包括初始化、数据操作、状态获取和调度等功能,并说明了API的设计遵循AUTOSAR标准。; 适合人群:对汽车电子软件开发有兴趣的工程师,尤其是从事嵌入式系统开发,熟悉AUTOSAR架构的工程师。; 使用场景及目标:①理解Flash EEPROM Emulation模块在AUTOSAR架构中的角色;②掌握FEE模块的状态管理机制和配置方法;③学会使用FEE模块提供的API进行非易失性数据的操作和管理。; 其他说明:此文档不仅有助于深入理解FEE模块的工作原理,也为实际项目中的应用提供了指导,建议读者结合实际开发环境进行实践,以更好地掌握相关技术细节。

    tesseract-langpack-nld-4.0.0-6.el8.x64-86.rpm.tar.gz

    1、文件说明: Centos8操作系统tesseract-langpack-nld-4.0.0-6.el8.rpm以及相关依赖,全打包为一个tar.gz压缩包 2、安装指令: #Step1、解压 tar -zxvf tesseract-langpack-nld-4.0.0-6.el8.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm

    MATLAB仿真:基于IEEE33节点的风光储能主动配电网优化与调度

    内容概要:本文详细介绍了基于MATLAB仿真的IEEE33节点主动配电网优化研究,涵盖了风光储能和传统机组的混合调度。文中展示了如何通过模块化的代码结构轻松调整设备接入位置、目标函数以及约束条件。具体实现了总成本最小化的目标函数,包括设备运维、燃料成本和购电成本等,并引入了碳排放成本作为创新点。同时,针对储能系统的SOC限制和节点电压约束进行了巧妙处理,确保了系统的稳定性。此外,采用粒子群算法进行优化求解,并提供了遗传算法的备用实现,便于对比实验。最终结果不仅展示了优化后的成本降低情况,还通过可视化工具直观呈现了各时段的出力曲线和电压分布。 适合人群:从事电力系统优化的研究人员、高校相关专业学生、对智能电网感兴趣的工程师。 使用场景及目标:适用于需要理解和掌握主动配电网优化方法的人群,帮助他们快速搭建仿真环境并进行多种调度策略的测试。主要目标是通过实例学习如何利用MATLAB实现复杂的电力系统优化问题,提高对风光储能等新能源接入的理解和技术应用能力。 其他说明:该程序具有良好的扩展性和灵活性,支持多种不确定性的处理方式,如负荷预测误差和新能源出力波动。同时,提供了详细的案例研究文档,有助于初学者逐步深入理解各个模块的功能及其相互关系。

    第二十九章:Python-mahotas库:图像处理的高效工具

    资源绑定附上完整资料供读者参考学习!

    基于Matlab的混沌麻雀搜索优化算法(CSSOA)实现及其改进

    内容概要:本文详细介绍了混沌麻雀搜索优化算法(CSSOA)的实现与改进,主要集中在三个方面:一是通过改进Tent混沌序列初始化种群,使初始解分布更加均匀,从而提升全局搜索能力;二是引入高斯变异以增强局部搜索能力,确保算法能在细节处深入挖掘;三是通过混沌扰动机制帮助算法摆脱局部最优困境。文中提供了详细的Matlab代码实现,并展示了这些改进措施的实际效果。此外,还讨论了一些实用建议和技术细节,如并行化加速、参数选择等。 适合人群:具有一定数学基础和编程经验的研究人员、工程师以及对优化算法感兴趣的学者。 使用场景及目标:适用于解决复杂的工程优化问题,特别是那些存在多个局部极值点的问题。通过改进的CSSOA算法,可以在较短时间内获得高质量的解决方案,提高求解效率。 其他说明:文章不仅提供了理论解释,还包括具体的代码实现和实验数据支持,有助于读者更好地理解和应用该算法。同时提醒读者注意一些潜在的技术陷阱,如Tent序列生成时可能出现的周期性问题等。

    基于Smart200PLC与Smart700IE V3触摸屏的两轴插补运动画圆程序实现

    内容概要:本文详细介绍了利用Smart200PLC和Smart700IE V3触摸屏实现两轴插补运动画圆的方法。首先,通过触摸屏设置圆的半径并实时显示坐标数据,确保机械臂能够精确地绘制圆形轨迹。接着,深入探讨了PLC内的圆规算法,包括定时中断进行位置计算、将圆的参数方程转化为脉冲量等步骤。此外,还讨论了运动控制技巧如速度同步、误差修正以及如何将整个算法封装成可复用的库文件。文中不仅提供了具体的代码示例,还分享了一些实用的小技巧,如通过修改脉冲当量解决圆弧过象限的问题,以及如何优化速度曲线提高运动平滑度。 适合人群:从事工业自动化领域的工程师和技术人员,尤其是对PLC编程和HMI界面开发有一定了解的人群。 使用场景及目标:适用于需要精准控制机械设备完成特定几何图形绘制任务的企业或研究机构。主要目的是帮助读者掌握使用Smart200PLC和Smart700IE V3触摸屏实现复杂运动控制的技术方法。 其他说明:文中提到的所有代码均经过实际测试验证有效,可以直接应用于生产环境。同时,作者还提供了一些额外的功能扩展建议,如增加椭圆和螺旋线绘制能力,进一步增强了系统的灵活性和实用性。

    qt表格排序示例,使用mv结构

    qt表格排序示例,使用mv结构

    基于MATLAB GUI的传统人脸识别系统设计与实现

    内容概要:本文详细介绍了如何利用MATLAB及其App Designer构建一个人脸识别GUI应用程序。首先,通过拖拽控件创建界面布局,包括用于显示原始图像和预处理后图像的坐标轴以及控制按钮。接着,采用传统的图像处理方法进行人脸检测,如灰度化、直方图均衡化,并使用MATLAB内置的Viola-Jones算法(vision.CascadeObjectDetector)进行人脸定位。对于特征提取部分,选择了运行速度快的LBP算法,并将特征向量保存到.mat文件中以便后续使用。分类识别则采用了余弦相似度作为比对标准。文中还分享了一些实用技巧,如解决图像显示问题、优化特征数据库更新逻辑、提高用户体验等。 适合人群:具有一定MATLAB基础并希望深入了解图像处理和人脸识别技术的研究人员或开发者。 使用场景及目标:适用于教学实验、科研项目或小型应用场景中快速搭建人脸识别原型系统。主要目标是帮助读者掌握从界面设计到算法实现的全流程,同时提供一些常见问题的解决方案。 其他说明:作者强调了传统方法在特定场景下的有效性,并指出在某些情况下并不需要复杂的深度学习框架。此外,文中提到的一些优化措施有助于提高系统的稳定性和性能。

Global site tag (gtag.js) - Google Analytics