Forgottenserver中全局事件interval与onTime组合失效问题分析
2025-07-10 19:01:37作者:咎竹峻Karen
问题概述
在Forgottenserver 1.7版本中,开发者发现使用interval与onTime组合的全局事件不再按预期工作。具体表现为设置了时间间隔的事件脚本仅在服务器启动时执行一次,而不会按照设定的时间间隔重复执行。
技术背景
在Forgottenserver的全局事件系统中,开发者可以通过两种方式配置事件的触发时机:
- 通过
type属性指定特殊事件类型(如启动、关闭等) - 通过
interval属性设置周期性执行的时间间隔
这两种配置方式在代码实现上是互斥的,即一个全局事件只能选择其中一种触发方式。
问题根源
通过分析源代码,发现问题出在事件配置的解析逻辑上。在GlobalEvent::configureEvent方法中,对type和interval属性的处理采用了if-else if结构,这意味着:
- 如果事件配置中同时存在
type和interval属性 - 系统会优先检查
type属性 - 一旦
type属性存在,就会跳过interval属性的处理
这种设计导致即使开发者同时指定了type和interval,系统也只会处理type而忽略interval,从而使周期性执行的功能失效。
影响范围
这个问题影响了所有使用以下配置方式的全局事件脚本:
- 同时声明了事件类型(
type)和时间间隔(interval) - 特别是那些原本应该周期性执行的自定义事件
典型的受影响脚本包括world_light.lua等需要定时执行的环境控制脚本。
解决方案建议
要解决这个问题,可以考虑以下几种方案:
-
代码修改方案: 修改事件配置解析逻辑,使
type和interval可以共存。当两者同时存在时,可以:- 优先使用
interval作为主要触发方式 - 同时保留
type作为辅助信息 - 或者明确禁止两者同时使用,抛出配置错误
- 优先使用
-
临时解决方案: 对于现有脚本,可以:
- 移除
type声明,仅保留interval - 或者将周期性逻辑移到脚本内部,使用
addEvent等方式实现
- 移除
-
最佳实践建议:
- 明确区分一次性事件和周期性事件
- 避免在同一事件中混用两种触发方式
- 为不同类型的事件建立清晰的命名规范
技术实现细节
在底层实现上,全局事件通过Scheduler进行调度。当配置了interval时,系统会:
- 计算下一次执行时间:
nextExecution = OTSYS_TIME() + interval - 将事件加入调度队列
- 每次执行后重新计算下一次执行时间
而当配置了type时,事件仅在特定系统状态变化时触发一次,不会进入周期性调度。
总结
这个问题揭示了Forgottenserver事件系统中一个重要的设计决策点。作为开发者,理解这种互斥关系对于正确配置全局事件至关重要。在修复方案上,建议根据项目需求选择最适合的方式,同时保持配置的清晰性和一致性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
React Native鸿蒙化仓库
JavaScript
265
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868