新闻详情

新闻详情

首页 / 资讯中心 / 详情

网络编程:UDP协议

发布时间:2026/11/16 16:56:25来源:尧图网络
网络编程:UDP协议
一、是什么UDPUser Datagram Protocol用户数据报协议是一种简单的、无连接的传输层协议用于在网络中传输数据。与 TCP 不同UDP 不提供可靠性、顺序性和流量控制但它具有低延迟和高效的特点适合对实时性要求较高的应用。UDP 是一种无连接协议客户端和服务器之间不需要建立连接即可发送数据。它的核心功能是快速传输数据包。二.UDP 数据包结构UDP 数据包由以下部分组成源端口发送方的端口号。目的端口接收方的端口号。长度数据包的总长度包括头部和数据。校验和用于检测数据包是否损坏可选。数据实际传输的数据三、编程1.socket与TCP相同2.socket之后直接收发1发送ssize_t sendto(int sockfd, const void *buf, size_t len, int flags,const struct sockaddr *dest_addr, socklen_t addrlen);功能:sendto 将数据发送到指定的地址中通过sockfd参数:sockfd --- 表示socket对应的fdbuf --- 存放数据的一块内存空间len --- 表示要发送的字节数flags --- 发送的标志 MSG_DONWAIT //非阻塞 --- 不在等 0 ---默认方式dest_addr --- 目标地址 --- 代表要发送到的目的地址addrlen --- 代表 目标地址数据的长度 sizeof(dest_addr)返回值:成功 返回发送出去的字节数 失败 -1 errno被设置2接收ssize_t recvfrom(int sockfd, void *buf, size_t len, int flags,struct sockaddr *src_addr, socklen_t *addrlen);功能:从socket中接收消息参数:sockfd --- 表示socket对应的fdbuf --- 存放数据的一块内存空间len --- 表示打算读取的字节数flags --- 读取的标志 MSG_DONWAIT //非阻塞 --- 不在等src_addr --- 表示数据的源地址addrlen --- 源地址大小值结果参数ocklen_t addrlen sizeof(src_addr);返回值:成功 返回读取到的字节数 失败 -1 errno被设置客户端#include stdio.h #include sys/types.h /* See NOTES */ #include sys/socket.h #include netinet/in.h #include netinet/ip.h /* superset of previous */ #include strings.h #include string.h #include arpa/inet.h int main(int argc, const char *argv[]) { int clifd socket(AF_INET,SOCK_DGRAM,0); if (clifd 0) { perror(socket fail); return -1; } //bind //sendto 鍑芥暟 char buf[1024] hello udp!\n; struct sockaddr_in seraddr; bzero(seraddr,sizeof(seraddr)); seraddr.sin_family AF_INET; seraddr.sin_addr.s_addr inet_addr(127.0.0.1); seraddr.sin_port htons(50000); sendto(clifd,buf,strlen(buf)1,0,(const struct sockaddr *)seraddr,sizeof(seraddr)); return 0; }服务器#include stdio.h #include sys/types.h /* See NOTES */ #include sys/socket.h #include netinet/in.h #include netinet/ip.h /* superset of previous */ #include strings.h #include arpa/inet.h int main(int argc, const char *argv[]) { int serfd socket(AF_INET,SOCK_DGRAM,0); if (serfd 0) { perror(socket fail); return -1; } //bind struct sockaddr_in seraddr; bzero(seraddr,sizeof(seraddr)); seraddr.sin_family AF_INET; seraddr.sin_addr.s_addr INADDR_ANY; seraddr.sin_port htons(50000); if (bind(serfd,(const struct sockaddr*)seraddr,sizeof(seraddr)) 0) { perror(bind fail); return -1; } //recvfrom 鍑芥暟 char buf[1024]; struct sockaddr_in srcaddr; socklen_t len sizeof(srcaddr); recvfrom(serfd,buf,sizeof(buf),0,(struct sockaddr*)srcaddr,len); printf(-------------------\n); printf(ip %s\n,inet_ntoa(srcaddr.sin_addr)); printf(port %d\n,ntohs(srcaddr.sin_port)); printf(buf %s\n,buf); return 0; }
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉