WedX - журнал о программировании и компьютерных науках

JUnit, потоки и транзакции

У меня есть тест, вызывающий транзакционный метод в отдельном потоке, например:

@RunWith(SpringJUnit4ClassRunner.class)
@ContextConfiguration("classpath:application-context.xml")
public class Test {

    @Autowired
    DatabaseBatchService databaseBatchService;

    @Test
    @Transactional
    public void testConcurrentSaves() {
        Entity e = Entity.createNew();

        databaseBatchService.insert(e);

        // Check database for inserted entities
    }
}

@Component
class DatabaseBatchService implements Runnable {

    @PostConstruct
    public void init() {
        Executors.newSingleThreadScheculedExecutor()
                .scheduleAtFixedRate(this, 0, 100, TimeUnit.MILLISECONDS);
    }

    public synchronized void submit(Entity e) {
        // cache entity
    }

    @Transactional
    private synchronized void save() {
        // insert cached entities
    }

    @Override
    public void run() {
        this.save();
    }
}

Когда объект вставлен, с помощью ведения журнала я вижу, как он появляется в базе данных. Однако, когда я проверяю состояние базы данных в конце метода тестирования, база данных пуста.

Я понимаю, что это связано с откатом транзакции для потока.

Из теста, как я могу зафиксировать эти транзакции, чтобы вставленные данные были доступны для просмотра тестовым методом?



Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


Для любых предложений по сайту: [email protected]