- VisualStudio2022插件的安装及使用-编程手把手系列文章
- pprof-在现网场景怎么用
- C#实现的下拉多选框,下拉多选树,多级节点
- 【学习笔记】基础数据结构:猫树
iceoryx源码阅读(一)——全局概览 。
iceoryx源码阅读(二)——共享内存管理 。
iceoryx源码阅读(三)——共享内存管理(一) 。
iceoryx源码阅读(四)——共享内存通信(二) 。
iceoryx源码阅读(五)——共享内存通信(三) 。
iceoryx源码阅读(六)——共享内存创建 。
iceoryx源码阅读(七)——服务发现机制 。
iceoryx源码阅读(八)——IPC通信机制 。
订阅-发布结构实现一对多的通信模式,消息发布者可以将消息推送到多个订阅者。基于共享内存的订阅-发布通信结构如下图所示:
每一对订阅者和发布者之间通过队列联系,队列元素为发送数据的描述。发送者往队列中推入描述,订阅者取出描述,据此从共享内存获取真正的消息数据。队列中为什么不直接存放消息数据本身呢?原因一则是消息的长度是不确定的,二则是一对多通信结果下,直接将消息存放在队列中更浪费空间.
上节说到队列存放消息存放位置的描述,可以是地址吗?
使用共享内存内存前,需要映射到进程的虚拟地址空间,如下图所示:
不同进程映射的区域不同,iceoryx使用数字唯一标识共享内存。实际上,iceoryx每个应用进程维护一张注册表,保存各个共享内存的起止地址,这里的数字就是共享内存在注册表中的索引。为了定位某个Chunk,还需要该Chunk相对共享内存首地址的偏移量。共享内存索引和偏移就定义了RelativePointer——用于定位共享内存的指定位置,相关代码如下所示:
template <typename T>
class RelativePointer final
{
public:
using ptr_t = T*;
using offset_t = std::uintptr_t;
explicit RelativePointer(ptr_t const ptr) noexcept;
T* computeRawPtr() const noexcept;
private:
segment_id_underlying_t m_id{NULL_POINTER_ID};
offset_t m_offset{NULL_POINTER_OFFSET};
};
上述代码中,除了共享内存索引和偏移外,还加了两个函数:
RelativePointer
对象。RelativePointer
获取其所代表的普通指针。上节我们引入了注册表的概念,了解了其作用,本节具体看看其实现.
constexpr uint64_t MAX_POINTER_REPO_CAPACITY{10000U};
template <typename id_t, typename ptr_t, uint64_t CAPACITY = MAX_POINTER_REPO_CAPACITY>
class PointerRepository final
{
private:
struct Info
{
ptr_t basePtr{nullptr};
ptr_t endPtr{nullptr};
};
public:
bool registerPtrWithId(const id_t id, const ptr_t ptr, const uint64_t size) noexcept;
cxx::optional<id_t> registerPtr(const ptr_t ptr, const uint64_t size = 0U) noexcept;
private:
iox::cxx::vector<Info, CAPACITY> m_info;
uint64_t m_maxRegistered{0U};
};
m_info就是注册表,元素类型为Info,存放共享内存的起始地址和结束地址。这里,我们贴了两个注册指针的函数——registerPtrWithId和registerPtr——分别用于打开共享内存和创建共享内存时调用.
构造函数根据普通指针构造相对指针实例,其代码实现如下:
职责:
RelativePointer实例的构造.
入参:
ptr:普通指针.
template <typename T>
inline RelativePointer<T>::RelativePointer(ptr_t const ptr) noexcept
: RelativePointer([this, ptr]() noexcept -> RelativePointer {
const segment_id_t id{this->searchId(ptr)};
const offset_t offset{this->getOffset(id, ptr)};
return RelativePointer{offset, id};
}())
{
}
template <typename T>
inline segment_id_underlying_t RelativePointer<T>::searchId(ptr_t const ptr) noexcept
{
if (ptr == nullptr)
{
return NULL_POINTER_ID;
}
return getRepository().searchId(ptr);
}
template <typename id_t, typename ptr_t, uint64_t CAPACITY>
inline id_t PointerRepository<id_t, ptr_t, CAPACITY>::searchId(const ptr_t ptr) const noexcept
{
for (id_t id{1U}; id <= m_maxRegistered; ++id)
{
if ((ptr >= m_info[id].basePtr) && (ptr <= m_info[id].endPtr))
{
return id;
}
}
return RAW_POINTER_BEHAVIOUR_ID;
}
template <typename T>
inline typename RelativePointer<T>::offset_t RelativePointer<T>::getOffset(const segment_id_t id,
ptr_t const ptr) noexcept
{
if (static_cast<segment_id_underlying_t>(id) == NULL_POINTER_ID)
{
return NULL_POINTER_OFFSET;
}
const auto* const basePtr = getBasePtr(id);
return reinterpret_cast<offset_t>(ptr) - reinterpret_cast<offset_t>(basePtr);
}
template <typename T>
inline T* RelativePointer<T>::getBasePtr(const segment_id_t id) noexcept
{
return static_cast<ptr_t>(getRepository().getBasePtr(static_cast<segment_id_underlying_t>(id)));
}
template <typename id_t, typename ptr_t, uint64_t CAPACITY>
inline ptr_t PointerRepository<id_t, ptr_t, CAPACITY>::getBasePtr(const id_t id) const noexcept
{
if ((id <= MAX_ID) && (id >= MIN_ID))
{
return m_info[id].basePtr;
}
return nullptr;
}
逐段代码分析:
LINE 01 ~ LINE 09: 构造函数,调用成员函数searchId和getOffset计算该指针在注册表中的索引id和偏移,以此初始化两个成员.
LINE 11 ~ LINE 33: 这部分就是遍历注册表中所有共享内存,找到包含给定地址的共享内存区域的,返回其id.
LINE 35 ~ LINE 62: 从注册表中找出指定id共享内存首地址,入参指针减去首地址,计算得到偏移.
职责:
获取RelativePointer实例对应的普通指针.
返回: 普通指针.
template <typename T>
inline T* RelativePointer<T>::get() const noexcept
{
return static_cast<ptr_t>(computeRawPtr());
}
template <typename T>
inline T* RelativePointer<T>::computeRawPtr() const noexcept
{
return getPtr(segment_id_t{m_id}, m_offset);
}
template <typename T>
inline T* RelativePointer<T>::getPtr(const segment_id_t id, const offset_t offset) noexcept
{
if (offset == NULL_POINTER_OFFSET)
{
return nullptr;
}
const auto* const basePtr = getBasePtr(id);
return reinterpret_cast<ptr_t>(offset + reinterpret_cast<offset_t>(basePtr));
}
整体代码分析:
上面代码逻辑和2.3节类似,通过id从注册表中获取共享内存首地址,加上偏移量得到普通指针.
上一篇文章中,我们介绍了SharedChunk,用于管理共享内存。本节将介绍ShmSafeUnmanagedChunk,用于基于共享内存的通信。可以认为是从两个角度描述Chunk.
第1节中的队列中存放的描述数据结构就是ShmSafeUnmanagedChunk,具体代码(去除和本节无关的代码)如下:
struct ChunkQueueData : public LockingPolicy
{
cxx::VariantQueue<mepoo::ShmSafeUnmanagedChunk, MAX_CAPACITY> m_queue;
};
ShmSafeUnmanagedChunk只有唯一的成员变量m_chunkManagement,其类型为RelativePointerData:
class ShmSafeUnmanagedChunk
{
private:
memory::RelativePointerData m_chunkManagement;
};
RelativePointerData的成员就是一个整数,如下:
class RelativePointerData
{
private:
uint64_t m_idAndOffset{LOGICAL_NULLPTR};
};
但是第2节我们知道,描述消息数据在共享内存中的位置,我们需要注册表中的索引id和偏移offset,一个整数怎么够呢?实际上,这个整数按位分成两部分,前48位表示offset,后16位表示id,如下图所示:
据此,我们来看求取id和offset的实现:
using identifier_t = uint16_t;
static constexpr uint64_t ID_BIT_SIZE{16U};
static constexpr identifier_t ID_RANGE{std::numeric_limits<identifier_t>::max()};
static constexpr offset_t OFFSET_RANGE{(1ULL << 48U) - 1U};
RelativePointerData::identifier_t RelativePointerData::id() const noexcept
{
return static_cast<identifier_t>(m_idAndOffset & ID_RANGE);
}
RelativePointerData::offset_t RelativePointerData::offset() const noexcept
{
return (m_idAndOffset >> ID_BIT_SIZE) & OFFSET_RANGE;
}
都是一些位运算,其中ID_RANGE和OFFSET_RANGE分别为后16为和48位为1的数字,取名为ID_MASK和OFFSET_MASK(掩码)更合适.
发送数据的核心就是将SharedChunk转化为ShmSafeUnmanagedChunk,推入队列容器中。这就是ShmSafeUnmanagedChunk的构造函数的职责.
职责:
使用SharedChunk实例构造ShmSafeUnmanagedChunk实例.
入参:
ShmSafeUnmanagedChunk::ShmSafeUnmanagedChunk(mepoo::SharedChunk chunk) noexcept
{
if (chunk)
{
memory::RelativePointer<mepoo::ChunkManagement> ptr{chunk.release()};
auto id = ptr.getId();
auto offset = ptr.getOffset();
m_chunkManagement =
memory::RelativePointerData(static_cast<memory::RelativePointerData::identifier_t>(id), offset);
}
}
整体代码分析:
上述代码就是使用第2节中介绍的构造函数,根据普通指针构造RelativePointer,然后得到id和offset,以此构造RelativePointerData:
static constexpr identifier_t MAX_VALID_ID{ID_RANGE - 1U};
static constexpr offset_t MAX_VALID_OFFSET{OFFSET_RANGE - 1U};
constexpr RelativePointerData::RelativePointerData(identifier_t id, offset_t offset) noexcept
: m_idAndOffset(static_cast<uint64_t>(id) | (offset << ID_BIT_SIZE))
{
if ((id > MAX_VALID_ID) || (offset > MAX_VALID_OFFSET))
{
m_idAndOffset = LOGICAL_NULLPTR;
}
}
结合3.2节对RelativePointerData的介绍,上述构造函数是显然的.
接收端需要将ShmSafeUnmanagedChunk转为SharedChunk,这就是releaseToSharedChunk的职责.
职责:
通过ShmSafeUnmanagedChunk构造SharedChunk实例.
返回:
SharedChunk实例.
SharedChunk ShmSafeUnmanagedChunk::releaseToSharedChunk() noexcept
{
if (m_chunkManagement.isLogicalNullptr())
{
return SharedChunk();
}
auto chunkMgmt = memory::RelativePointer<mepoo::ChunkManagement>(m_chunkManagement.offset(),
memory::segment_id_t{m_chunkManagement.id()});
m_chunkManagement.reset();
return SharedChunk(chunkMgmt.get());
}
根据id和offset构造RelativePointer实例,然后通过2.4节介绍的get方法获得指向ChunkManagement指针,据此构造SharedChunk实例(SharedChunk唯一的成员数据就是ChunkManagement指针,见:SharedChunk的数据成员).
本文介绍基于共享内存通信的主要数据结构,下文我们将介绍数据发送函数和接收函数的实现.
最后此篇关于iceoryx源码阅读(三)——共享内存通信(一)的文章就讲到这里了,如果你想了解更多关于iceoryx源码阅读(三)——共享内存通信(一)的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我在具有 2CPU 和 3.75GB 内存 (https://aws.amazon.com/ec2/instance-types/) 的 c3.large Amazon EC2 ubuntu 机器上运
我想通过用户空间中的mmap-ing并将地址发送到内核空间从用户空间写入VGA内存(视频内存,而不是缓冲区),我将使用pfn remap将这些mmap-ed地址映射到vga内存(我将通过 lspci
在 Mathematica 中,如果你想让一个函数记住它的值,它在语法上是很轻松的。例如,这是标准示例 - 斐波那契: fib[1] = 1 fib[2] = 1 fib[n_]:= fib[n] =
我读到动态内存是在运行时在堆上分配的,而静态内存是在编译时在堆栈上分配的,因为编译器知道在编译时必须分配多少内存。 考虑以下代码: int n; cin>>n; int a[n]; 如果仅在运行期间读
我是 Python 的新手,但我之前还不知道这一点。我在 for 循环中有一个基本程序,它从站点请求数据并将其保存到文本文件但是当我检查我的任务管理器时,我发现内存使用量只增加了?长时间运行时,这对我
我正在设计一组数学函数并在 CPU 和 GPU(使用 CUDA)版本中实现它们。 其中一些函数基于查找表。大多数表占用 4KB,其中一些占用更多。基于查找表的函数接受一个输入,选择查找表的一两个条目,
读入一个文件,内存被动态分配给一个字符串,文件内容将被放置在这里。这是在函数内部完成的,字符串作为 char **str 传递。 使用 gdb 我发现在行 **(str+i) = fgetc(aFil
我需要证实一个理论。我正在学习 JSP/Java。 在查看了一个现有的应用程序(我没有写)之后,我注意到一些我认为导致我们的性能问题的东西。或者至少是其中的一部分。 它是这样工作的: 1)用户打开搜索
n我想使用memoization缓存某些昂贵操作的结果,这样就不会一遍又一遍地计算它们。 两个memoise和 R.cache适合我的需要。但是,我发现缓存在调用之间并不可靠。 这是一个演示我看到的问
我目前正在分析一些 javascript shell 代码。这是该脚本中的一行: function having() { memory = memory; setTimeout("F0
我有一种情况,我想一次查询数据库,然后再将整个数据缓存在内存中。 我得到了内存中 Elasticsearch 的建议,我用谷歌搜索了它是什么,以及如何在自己的 spring boot 应用程序中实现它
我正在研究 Project Euler (http://projecteuler.net/problem=14) 的第 14 题。我正在尝试使用内存功能,以便将给定数字的序列长度保存为部分结果。我正在
所以,我一直在做 Java 内存/注意力游戏作业。我还没有达到我想要的程度,它只完成了一半,但我确实让 GUI 大部分工作了......直到我尝试向我的框架添加单选按钮。我认为问题可能是因为我将 JF
我一直在尝试使用 Flask-Cache 的 memoize 功能来仅返回 statusTS() 的缓存结果,除非在另一个请求中满足特定条件,然后删除缓存。 但它并没有被删除,并且 Jinja 模板仍
我对如何使用 & 运算符来减少内存感到非常困惑。 我可以回答下面的问题吗? clase C{ function B(&$a){ $this->a = &$a; $thi
在编写代码时,我遇到了一个有趣的问题。 我有一个 PersonPOJO,其 name 作为其 String 成员之一及其 getter 和 setter class PersonPOJO { priv
在此代码中 public class Base { int length, breadth, height; Base(int l, int b, int h) { l
Definition Structure padding is the process of aligning data members of the structure in accordance
在 JavaScript Ninja 的 secret 中,作者提出了以下方案,用于在没有闭包的情况下内存函数结果。他们通过利用函数是对象这一事实并在函数上定义一个属性来存储过去调用函数的结果来实现这
我正在尝试找出 map 消耗的 RAM 量。所以,我做了以下事情;- Map cr = crPair.collectAsMap(); // 200+ entries System.out.printl
我是一名优秀的程序员,十分优秀!