1-1TestTimeWait.c

测试代码


#include <sys/socket.h>
#include <netinet/in.h>
#include <arpa/inet.h>
#include <sys/socket.h>
#include <sys/types.h>
#include <netinet/in.h>
#include <fcntl.h>
#include <unistd.h>
#include <stdio.h>
#include <stdlib.h>
#include <errno.h>
#include <sys/resource.h>
#include <sys/epoll.h>


const int ep_sock_num = 20;
struct epoll_event ep_wait_array[20];

const int listen_port = 7890;
int sock_listener = -1;
int epFd  = -1;


int setnonblocking(int fd)
{
	int opts = fcntl(fd, F_GETFL);
	if(opts < 0)
	{
		perror("1mfunc fcntl");	
		return -1;
	}

	opts |= O_NONBLOCK;
	if(fcntl(fd, F_SETFL, opts) < 0)
	{
		perror("2func fcntl");	
		return -1;
	}

	return 1;
}


int ep_add_fd(int fd)
{
	if(fd < 0 || epFd < 0)
	{
		printf("ep_add_fd error fd=%d, epFd=%d!\n", fd, epFd);
		return -1;	
	}

	struct epoll_event event;
	int ret = setnonblocking(fd);
	if(ret < 0)
	{
		printf("ep_add_fd error2 !\n");
		return -1;	
	}

	event.data.fd = fd;
	//event.events = EPOLLIN|EPOLLET;
	//对端正常关闭触发EPOLLIN、EPOLLRDHUP
	//EPOLLERR 表示对应的文件描述符发生错误;
	//EPOLLHUP
	//表示对应的文件描述符被挂断;譬如收到RST包。在注册事件的时候这个事件是默认添加。
	event.events = EPOLLET|EPOLLIN|EPOLLERR;//EPOLLOUT
	ret = epoll_ctl(epFd, EPOLL_CTL_ADD, fd, &event);
	if(ret < 0)
	{
		perror("epoll_ctl");	
		return -1;
	}

	return 0;
}

int ep_add_fd_out(int fd)
{
	if(fd < 0 || epFd < 0)
	{
		printf("ep_add_fd error!\n");
		return -1;	
	}

	struct epoll_event event;
	event.data.fd = fd;
	event.events = EPOLLET|EPOLLIN|EPOLLERR|EPOLLOUT;

	int ret = epoll_ctl(epFd, EPOLL_CTL_MOD, fd, &event);
	if(ret < 0)
	{
		perror("epoll_ctl");	
		return -1;
	}

	return 0;
}

int ep_del_fd_out(int fd)
{
	struct epoll_event event;
	if(epFd <= 0)
		return -1;
	event.data.fd = fd;
	event.events = EPOLLET|EPOLLIN|EPOLLERR;
	if(0 != epoll_ctl(epFd,EPOLL_CTL_MOD,fd,&event))
	{
		int ierrno = errno;
		perror("epoll_ctl");
		return ierrno;
	}
	return 0;
}

int ep_wait_fds()
{
	return epoll_wait(epFd, ep_wait_array, 20, -1);	

}



int create_sock()
{

	epFd = epoll_create(ep_sock_num );
	if(epFd < 0)
	{
		perror("epoll_create");
		exit(1);
	}

	sock_listener = socket(AF_INET, SOCK_STREAM, 0); 
	if(sock_listener < 0)
	{
		perror("func socket");	
		exit(-1);
	}

	struct sockaddr_in server_addr;
	server_addr.sin_family = AF_INET;
	server_addr.sin_port = htons(listen_port);
	server_addr.sin_addr.s_addr = htonl(INADDR_ANY);
	int flag = 1, len = sizeof(int);

	if( setsockopt(sock_listener, SOL_SOCKET, SO_REUSEADDR, &flag, len) == -1)
	{
		perror("setsockopt()");
		exit(1);
		return -1;
	}
	if (bind(sock_listener, (struct sockaddr *) &server_addr, sizeof(struct sockaddr)) == -1)
	{
		perror("bind()");
		exit(1);
		return -1;
	}
	else
	{
		printf("IP and port bind OK!\n");
	}

	int iRet = listen(sock_listener, 0);//监听
	if (0 !=iRet)
	{
		perror("listen()");
		exit(1);
		return -1;
	}

	iRet = ep_add_fd(sock_listener);
	if(iRet < 0)
	{
		printf("mFunc sock_listener error!\n");
		exit(-1);
		return -1;	
	}

	return sock_listener;
}


char arrRecvBuf[1024];
char *pSendBuf = "end\n";
int main(int argc, char *argv[])
{
	int n = 1024;
	int iRet = create_sock();
	if(iRet < 0)
	{
		printf("mFunc create_sock error!\n");
	}

	printf("create listenning socket:%d ok!\n", sock_listener);


	struct sockaddr_in local, remote;
	socklen_t addr_len =sizeof(struct sockaddr_in);
	while(1)
	{
		iRet = ep_wait_fds();		
		if(iRet < 0)
		{
			printf("mfunc ep_wait_fd errno:", iRet);	
		}
		else if(iRet == 0)
		{
			printf("ep wait timeout!\n");
			continue;
		}

		int i=0;
		for(i=0; i<iRet; i++)
		{
			printf("\n\nwaiting return %d socket event!\n", iRet);
			int fd = ep_wait_array[i].data.fd;	
			if(fd == sock_listener)
			{
				int newfd = 0;
				while((newfd = accept(fd, (struct sockaddr *)&remote, &addr_len)) > 0)
				{
					printf("new fd:%d addr:%s,port:%d connecting success!\n",
							newfd, inet_ntoa(*((struct in_addr*)&remote.sin_addr)), remote.sin_port);
					iRet = ep_add_fd(newfd);
				}

				printf("accept error! continue!\n");
				continue;
			}

			if(ep_wait_array[i].events & EPOLLIN)
			{
				
				ep_add_fd_out(fd);
				printf("----------------------------------epoll EPOLLIN socket:%d\n",fd);
				int iErrIn = 0;
				int iRecvLen = 0;
				int nread = 0;
				int iRecvErrno = 0;
				while(1)
				{
					char *pRecvBuf=arrRecvBuf;
					while ( (n > 0) && ((nread = recv(fd,pRecvBuf,n,0)) >0 ) )
					{
						printf("---test---recv len:%d\n",nread);
						iRecvLen += nread;
						pRecvBuf += nread;
						n = n-nread;
					}
					if(iRecvLen > 0)
					{
						write(1, arrRecvBuf, iRecvLen);
						if(strncmp(arrRecvBuf, "exit", 4) == 0)
						{
							close(fd);
							break;
						}
					}
					if (-1==nread)
					{
						if(errno != EAGAIN)
						{//出致命错误
							perror("recv");
							iErrIn = 1;
						}
						break;
					}
					if(0 == nread)
					{//socket被关闭
						printf("----------epoll socket:%d 对方关闭\n",fd);
						iErrIn = 2;
						break;
					}
				}
				if( 0 != iErrIn )
				{//出错或者是对方关闭socket,在这清理数据,redis、socket map
					close(fd);
					continue;
				}
			}//if

			//send event
			if(ep_wait_array[i].events & EPOLLOUT)
			{
				printf("++++++++++++++++++++++++++++++++++++++epoll EPOLLOUT socket:%d\n",fd);
				int len = 0;
				while((len = send(fd, pSendBuf, 5, 0)) > 0 )
				{
					if(len == 5)
					{
						break;
					}
				}
				if(errno != EAGAIN)
				{
					perror("send ");
				}
			}

			//error event
			if( (ep_wait_array[i].events & EPOLLERR) || (ep_wait_array[i].events & EPOLLHUP) )
			{
				printf("----------触发epoll事件EPOLLERR或者EPOLLHUP <socket出现错误>,socket:%d \n",fd);
				close(fd);
				continue;
			}
		}//for

	}//while


	printf("main exit!\n");
	return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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