Linux进程间通信——信号

理解Linux信号处理与应用
本文深入探讨Linux信号处理机制,详细介绍了信号的含义、如何通过signal和sigaction函数注册信号处理程序,以及如何发送信号。并通过实例展示了信号在实际应用中的作用。

一、信号含义

怎么说咧···信号给我的感觉就是系统达到了某些特定条件产生的事件。比如说,产生中断,又比如说定时器。信号发出后,会有接收方进行处理。一个信号的产生叫生成,接收到一个信号叫捕获

二、信号注册——signal函数

当有信号生成后,接收信号的进程要做些什么呢???这就需要与之相对应的处理程序啦!

那么,怎样把信号和处理函数关联???

这就需要注册!当然,我也不知道其他人怎么叫这个,我自己瞎编的,反正就是个关联的过程。

signal函数的头文件是#include<signal.h>

使用起来其实挺简单的。

#include <signal.h>
#include <iostream>
#include <unistd.h>
using namespace std;
void ouch(int sig)
{
	cout << "Received signal "<< sig<< endl;
	//恢复终端中断信号SIGINT的默认行为
	signal(SIGINT, SIG_DFL);
}

int main()
{
	//改变终端中断信号SIGINT的默认行为,使之执行ouch函数
	//而不是终止程序的执行
	signal(SIGINT, ouch);
	while(1)
	{
		cout << "Hello World! << endl;
		sleep(1);
	}
	return 0;
}

第一次按下终止命令(ctrl+c)时,进程并没有被终止,面是输出Received signal

三、信号注册——sigaction函数

前面我们看到了signal函数对信号的处理,但是一般情况下我们可以使用一个更加健壮的信号接口——sigaction函数。它的原型为:

#include <signal.h>
int sigaction(int sig, const struct sigaction *act, struct sigaction *oact);

该函数与signal函数一样,用于设置与信号sig关联的动作,而oact如果不是空指针的话,就用它来保存原先对该信号的动作的位置,act则用于设置指定信号的动作。

sigaction结构体定义在signal.h中,但是它至少包括以下成员:
void (*) (int) sa_handler;处理函数指针,相当于signal函数的func参数
sigset_t sa_mask; 指定一个信号集,在调用sa_handler所指向的信号处理函数之前,该信号集将被加入到进程的信号屏蔽字中。信号屏蔽字是指当前被阻塞的一组信号,它们不能被当前进程接收到。
int sa_flags;信号处理修改器,通常可取以下值:
注意:我们使用signal或sigaction函数来指定处理信号的函数,但是如果这个信号处理函数建立之前就接收到要处理的信号的话,进程会有怎样的反应呢?它就不会像我们想像的那样用我们设定的处理函数来处理了。sa_mask就可以解决这样的问题,sa_mask指定了一个信号集,在调用sa_handler所指向的信号处理函数之前,该信号集将被加入到进程的信号屏蔽字中,设置信号屏蔽字可以防止信号在它的处理函数还未运行结束时就被接收到的情况,即使用sa_mask字段可以消除这一竞态条件。
#include <unistd.h>
#include <iostream>
#include <signal.h>
using namespace std;

void ouch(int sig)
{
	cout << "Received signal " << sig << endl;
}

int main()
{
	struct sigaction act;
	act.sa_handler = ouch;
	//创建空的信号屏蔽字,即不屏蔽任何信息
	sigemptyset(&act.sa_mask);
	//使sigaction函数重置为默认行为
	act.sa_flags = SA_RESETHAND;

	sigaction(SIGINT, &act, 0);

	while(1)
	{
		cout << "Hello World! << endl;
		sleep(1);
	}
	return 0;
}
四、发送信号
可以使用kill函数向进程发送信号,函数原型为:
#include <sys/types.h>
#include <signal.h>
int kill(pid_t pid, int sig);
其中pid为接收信号的进程号,sig为信号类型

#include <unistd.h>
#include <sys/types.h>
#include <stdlib.h>
#include <iostream>
#include <signal.h>

static int alarm_fired = 0;

void ouch(int sig)
{
	alarm_fired = 1;
}

int main()
{
	pid_t pid;
	pid = fork();
	switch(pid)
	{
	case -1:
		cout << "fork failed"<< endl;
		exit(1);
	case 0:
		//子进程
		sleep(5);
		//向父进程发送信号
		kill(getppid(), SIGALRM);
		exit(0);
	default:;
	}
	//设置处理函数
	signal(SIGALRM, ouch);
	while(!alarm_fired)
	{
		cout << "Hello World!"<<endl;
		sleep(1);
	}
	if(alarm_fired)
<span style="white-space:pre">		</span>cout << "Receive signal" << SIGALRM << endl;
	return 0;
}
在代码中我们使用fork调用复制了一个新进程,在子进程中,5秒后向父进程中发送一个SIGALRM信号,父进程中捕获这个信号,并用ouch函数来处理,变改alarm_fired的值,然后退出循环。从结果中我们也可以看到输出了5个Hello World!之后,程序就收到一个SIGARLM信号,然后结束了进程。

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值