I/O多路转接之select

本文深入探讨了I/O多路转接技术的基本原理,重点介绍了select函数的工作机制,包括其函数原型、返回值含义、参数作用及其实现过程。此外,还提供了select在实际应用中的代码框架。
什么是I/O多路转接技术:
先构建一张有关描述符的列表,然后调用一个函数,直到这些描述符中的一个已准备好进行I/O时,该函数才返回,在返回时,他告诉进程哪些描述符已准备好可以进行I/O。


上述调用的函数,有select,poll,pselect及poll的增强版epoll等,本文主要介绍select。

函数原型:
int select(int maxfdp1,fd_set *restrict readfds,fd_set *restrict writefds,fd_set *restrict rxceptfds,struct timeval *restrict tvptr);

返回值:返回-1时,表示出错
返回0时,表示没有描述符准备好,并把描述符集清0
返回正整数时,表示已经准备好的描述符数之和,并清零除准备好的描述符之外的其它位

参数介绍:
maxfdp1:取描述符中最大的一个并+1。也可将其设置为FD_SETSIZE,即最大的描述符数(一般为1024)。但多数时间用不到这么多的描述符。

readfds,writefds,rxceptfds:指向描述符集的指针,放入的是我们关心的状态是可读或可写或处于异常的描述符。描述符集内为每一个描述符保持一位,即放入的描述符仅占一位。

tvptr:指向timeval结构体的指针,指定愿意等待的时间。
struct timeval{
 long tv_sec;//秒
 long tv_usec;//毫秒

当tvptr==NULL时,则永远等待,如果有描述符准备好可读或可写或异常时,则中断此永远等待,select返回一个值。
当tvptr->tv_sec==0 && tvptr->tv_usec==0时,则永远不等待,获得所有描述符的状态后立即返回。这是获得多个描述符的状态而不阻塞select的轮询方法。
当tvptr->tv_sec=指定的秒数 || tvptr->tv_usec=指定的毫秒数,则等待指定的时间,当指定的描述符准备好或超时,则立即返回,如果超时却没有描述符准备好,则返回0。


实现过程:
内核从0到maxfdp1遍历一遍描述符,当某一描述符集内的某一描述符准备好时,返回1,若一个描述符同时存在于两个描述符集内,且都准备好,则直接返回2。


接口函数:
select的接口共有4个函数
int  FD_ISSET(int fd,fd_set *fdset);//从select返回时,用来测试该集中的一个给定位是否仍旧设置。
void FD_CLR(int fd,fd_set *fdset);//清除指定集中的指定位
void FD_SET(int fd,fd_set *fdsset);//将指定描述符加入到指定描述符集中
void FD_ZERO(fd_set *fdset);//将指定的描述符集所有位设置为0


代码一般框架:
fd_set readset;//此处并没有定义指向结构体的指针,而是直接定义类型为fd_set的结构体
fd_set rset;
int maxfd;
......
......
......
FD_ZERO(&readset);//函数原型此处操作的是指针,所以我们取结构体的首地址

FD_SET(server_fd,&readset);

FD_SET(other_fd,&readset);

for( ; ; )
{
rset=readset;//由于select每一次返回都会清空描述符集内的位,所以这里重复赋值
if((select(maxfd,&rset,NULL,NULL,NULL))>0)//此处没有定义写状态集及异常状态集,就置为NULL,这里的select并没有给出具体的描述符值,只是给出了有多少描述符准备好了,下述操作可确定描述符
{
for(fd=0;fd<maxfd;fd++)//当有多个描述符需要关心状态时,可如此
{
if(FD_ISSET(fd,&rset))//验证fd是否确实准备好
{
if(fd==server_fd)//此处给出我们关心的描述符
{
......
}
else if(fd==other_fd)
{
......
}
......
}
......
}
}

}


总结:

select的缺点很明显,在高并发下,效率低,且最大并发数受限。但在低并发下且描述符活跃时,select效率也与epoll相差不大。

内容概要:本文介绍了一种基于蒙特卡洛模拟和拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需求、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率和时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计与仿真;②学习蒙特卡洛模拟与拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需求响应优化建模方法;④为微电网、充电站运营管理提供技术支持和决策参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化求解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
内容概要:本文围绕面向制造业的鲁棒机器学习集成计算流程展开研究,提出了一套基于Python实现的综合性计算框架,旨在应对制造过程中数据不确定性、噪声干扰面向制造业的鲁棒机器学习集成计算流程研究(Python代码实现)及模型泛化能力不足等问题。该流程集成了数据预处理、特征工程、异常检测、模型训练与优化、鲁棒性增强及结果可视化等关键环节,结合集成学习方法提升预测精度与稳定性,适用于质量控制、设备故障预警、工艺参数优化等典型制造场景。文中通过实际案例验证了所提方法在提升模型鲁棒性和预测性能方面的有效性。; 适合人群:具备Python编程基础和机器学习基础知识,从事智能制造、工业数据分析及相关领域研究的研发人员与工程技术人员,尤其适合工作1-3年希望将机器学习应用于实际制造系统的开发者。; 使用场景及目标:①在制造环境中构建抗干扰能力强、稳定性高的预测模型;②实现对生产过程中的关键指标(如产品质量、设备状态)进行精准监控与预测;③提升传统制造系统向智能化转型过程中的数据驱动决策能力。; 阅读建议:建议读者结合文中提供的Python代码实例,逐步复现整个计算流程,并针对自身业务场景进行数据适配与模型调优,重点关注鲁棒性设计与集成策略的应用,以充分发挥该框架在复杂工业环境下的优势。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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