select、poll、epoll浅析

select、poll、epoll浅析

select

  • 概念

    • 接口

      int select (int n, fd_set *readfds, fd_set *writefds, fd_set *exceptfds, struct timeval *timeout);
      
      • writefds:”可写“状态的描述符集合
      • readfds:”可读“状态的描述符集合
      • exceptfds:”异常“状态的描述符集合
      • timeout:超时时间
    • 返回值:
      • -1:所有描述符集清0
      • 0:超时
      • >0:就绪描述符个数
    • 功能:需要轮询来获取就绪的描述符
  • 优点
    • 良好的跨平台性:目前所有平台支持
  • 缺点
    • 单进程监听的fd存在最大限制:在linux上FD_SETSIZE一般为1024(32bits)
    • 效率低:对socket进行扫描时是线性扫描,即采用轮询的方法
    • 开销大:需要维护一个用来存放大量fd的数据结构,这样会使得用户空间和内核空间在传递该结构时复制开销大。

poll

  • 概念

    • 接口

      int poll (struct pollfd *fds, unsigned int nfds, int timeout);
      struct pollfd 
      {
      int fd; /* file descriptor */
      short events; /* requested events to watch */
      short revents; /* returned events witnessed */
      };
      • fds:要监控的描述符集合
      • nfds:要监控的描述符数量
      • timeout:超时时间
    • 返回值:返回就绪的描述符的个数
    • 功能:需要轮询来获取就绪的描述符
  • 优点
    • 不同于select的 参数-值 传递方式
    • 没有最大连接数的限制:基于链表
  • 缺点
    • 开销大:大量的fd的数组被整体复制于用户态和内核地址空间之间
    • “水平触发“:如果报告了fd后,没有被处理,那么下次poll时会再次报告该fd。

epoll

  • 概念

    • 接口

      • int epoll_create(int size);//创建一个epoll的句柄,size用来告诉内核这个监听的数目一共有多大

        • size:采用红黑树,size设置无效
      • int epoll_ctl(int epfd, int op, int fd, struct epoll_event *event);

        • epoll_create返回值:epollfd
        • epfd:epollfd
        • op:
          • 添加EPOLL_CTL_ADD
          • 删除EPOLL_CTL_DEL
          • 修改EPOLL_CTL_MOD
        • fd:是需要监听的fd
        • epoll_event:监听事件
          • EPOLLIN:可读
          • EPOLLOUT:可写
          • EPOLLET:边沿触发
          • …………
      • int epoll_wait(int epfd, struct epoll_event * events, int maxevents, int timeout);
        • maxevents:最多返回maxevents个就绪的描述符
        • 返回值:就绪描述符的个数
    • 工作模式
      • LT:LT(level triggered)是缺省的工作方式,并且同时支持block和no-block socket.在这种做法中,内核告诉你一个文件描述符是否就绪了,然后你可以对这个就绪的fd进行IO操作。如果你不作任何操作,内核还是会继续通知你的。
      • ET:ET(edge-triggered)是高速工作方式,只支持no-block socket。在这种模式下,当描述符从未就绪变为就绪时,内核通过epoll告诉你。然后它会假设你知道文件描述符已经就绪,并且不会再为那个文件描述符发送更多的就绪通知,直到你做了某些操作导致那个文件描述符不再为就绪状态了。
        • ET模式在很大程度上减少了epoll事件被重复触发的次数,因此效率要比LT模式高。epoll工作在ET模式的时候,必须使用非阻塞套接口,以避免由于一个文件句柄的阻塞读/阻塞写操作把处理多个文件描述符的任务饿死。
  • 优点

    • 没有最大描述符限制:使用一个文件描述符管理多个描述符,将用户关系的文件描述符的事件存放到内核的一个事件表中,这样在用户空间和内核空间的copy只需一次。
    • 效率提升:
      • 使用“事件”的就绪通知方式,通过epoll_ctl注册fd,一旦该fd就绪,内核就会采用类似callback的回调机制来激活该fd,epoll_wait便可以收到通知。(此处去掉了遍历文件描述符,而是通过监听回调的的机制,是epoll最大特点)
    • 减小开销:通过内核与用户空间mmap(内存映射)同一块内存,减少复制开销。
  • 缺点

    • callback的回调机制的开销。
  • epool为什么高效?
    https://blog.youkuaiyun.com/unknow_cdc/article/details/70216654

总结

  • 表面上看epoll的性能最好,但是在连接数少并且连接都十分活跃的情况下,select和poll的性能可能比epoll好,毕竟epoll的通知机制需要很多函数回调。

  • select低效是因为每次它都需要轮询。但低效也是相对的,视情况而定,也可通过良好的设计改善。

参考网站:
https://www.jianshu.com/p/dfd940e7fca2
https://segmentfault.com/a/1190000003063859
https://cloud.tencent.com/developer/article/1005481

内容概要:本文介绍了MATLAB实现DBN-RBF深度置信网络结合RBF神经网络多输入单输出回归预测的详细项目实例。项目旨在通过深度置信网络(DBN)和径向基函数神经网络(RBF)的结合,设计出一种高效的回归预测模型,以应对高维数据和非线性关系的挑战。DBN用于无监督特征提取,RBF用于快速回归,两者结合显著提升了预测精度和模型泛化能力。文中详细描述了项目的背景、目标、挑战、解决方案、模型架构、代码实现、GUI设计、性能评估及未来改进方向。 适合人群:具备一定编程基础,对机器学习和深度学习有一定了解的研发人员,尤其是从事金融预测、医疗健康、智能制造等领域的工程师和技术人员。 使用场景及目标:①解决高维数据的特征提取难题,提升非线性回归的拟合精度;②通过无监督学习与快速训练能力的结合,提高模型的预测精度和泛化能力;③应用于金融预测、医疗健康、智能制造等多个领域,提供高效的回归预测工具;④通过实时数据流处理和GPU加速推理,确保系统在实时应用中的快速响应。 其他说明:此项目不仅提供了详细的理论分析和代码实现,还涵盖了系统架构设计、模型部署与应用、安全性与用户隐私保护等方面的全面指导。通过结合其他深度学习模型、多任务学习、增量学习等技术,项目具备广阔的扩展性和应用前景。系统还支持自动化CI/CD管道、API服务与业务集成、前端展示与结果导出等功能,确保了系统的高可用性和易用性。
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