鄙视select, 然后鄙视自己

本文探讨了select函数中FD_SETSIZE的限制及其在不同系统上的实现差异,特别是在RedHat 2.4上的表现。作者通过示例代码展示了fd_set的数据结构及如何使用FD_SET宏设置感兴趣的文件描述符。
首先,先鄙视一下自己,再强烈鄙视一下select
 
也许大家都知道select有一个FD_SETSIZE 1024的限制,在UNP 第一卷139页(第二版)有这么一句话:
 
                                            “头文件<sys/select.h>中定义的FD_SETSIZE常值是数据类型fd_set中的描述字总数,其值通常是1024。不过..."
 
反正我是被这句话给误导了,单纯的以为FD_SETSIZE 1024只是限制了一个fd_set只能容纳1024个fd,
 
如果作为一个标准, 其实也许这句话没有错,
 
                但是在鳖巴的RedHat上,居然这个值会限制一个进程中能放入fd_set的最大fd值,注意是值,不是个数,只能小于1024。
 
在RedHat2.4上, select是这么实现的:
 
fd_set 的结构:
 
typedef struct
  {
         __fd_mask fds_bits[1024 / (8 * sizeof (__fd_mask))];  //__fd_mask 为 typedef long int __fd_mask;
  } fd_set;
 
所以fd_set就是一个32个int型的数组。
 
 
select是将文件的句柄值和整数数组中的每个整数的位相对应以来,fd值在1 - 32之间的fd对应 整数数组的第一整数,下标0

看下面一段程序:
 
#include <sys/select.h>
#include <sys/types.h>
#include <iostream>
 

using namespace std;
 

void showset(fd_set* rset)
{
 for (int i = 0; i < 32; ++i)
 {
 
  //如果这个数组不为0,则表示有fd
  if (rset -> fds_bits[i] != 0)
  
   cout<<"i : "<<i<<" | "<<rset -> fds_bits[i]<<endl;
 }
}
 
int main ()
{
 
 fd_set rset;
 
 FD_ZERO(&rset);
 
 FD_SET(2, &rset);
 
 FD_SET(51, &rset);
 

 FD_SET(72, &rset);
 
showset(&rset);
 
}
 
打印结果:
i : 0 | 4
i : 1 | 524288
i : 2 | 256
 
再看下面一段:
 
#include <sys/select.h>
#include <sys/types.h>
#include <iostream>
 

using namespace std;
 

void showset(fd_set* rset)
{
 for (int i = 0; i < 32; ++i)
 {
 
  if (rset -> fds_bits[i] != 0)
      cout<<"i : "<<i<<" | "<<rset -> fds_bits[i]<<endl;
 }
}
 
int main ()
{
 
 fd_set rset;
 
 FD_ZERO(&rset);
 
FD_SET(1024, &rset);
 
FD_SET(2060, &rset);
 
FD_SET(1100, &rset);
 
 showset(&rset);
 
}
 
结果什么也没有!!!!
 
                                                                   
                                                              33-64  对应第二个整数
 
                                                              依次类推
 
                                                               所以fd_set只能容纳编号小于 FD_SETSIZE的那些句柄
 
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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