Contiki——Rime缓冲区packetbuf分析

2024-04-08 09:08

本文主要是介绍Contiki——Rime缓冲区packetbuf分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2013-7-5 19:02

首先关于里边的一个变量:
buflen指的是payload(packetbuf的数据部分)的长度,
bufptr指的是payload(packetbuf的数据部分)的起始位置;
hdrptr指的是报文头的起始位置(在packetbuf的报文头部分);
packetbuf实际大小是PACKETBUF_HDR_SIZE+PACKETBUF_SIZE(即默认为128+48)。

关于packetbuf使用缓冲区的方式,以及关于为什么,发送和接收存放不一致,确实值得分析一下。
对于发送而言,报文头使用内存是从后往前,payload是从前往后,是因为在发送时不用再去调整报文头和payload的位置,即使需要调整,也只是根据bufptr将payload调整为以PACKETBUF_HDR_SIZE开始的packetbuf(即报文头的尾部)。方便于组织与打包数据。(现在理解到这个,是因为之前在一次写通信协议的打包的时候,自己也这样做过。现在再看,这里的使用确实很是巧妙,而当时自己只是为了解决一个打包问题,而临时使用的一个方式。当时还以为这样做不可取。没想到,Contiki中整个的数据打包都是基于这种方式。)
对于接收而言,在没有进行解包前,我们不知道哪里是报文头,无法进行分开存放,这样全部放在packetbuf的数据区也是合适的,也正因为这样才有了packetbuf_hdrreduce解包函数,用来提取各自的报文头。

bufptr与buflen作用:
为了在接收数据时,从incoming packet中提取出报文头和数据,即在接收数据解包时找到报文头和数据的起始位置。
因为发送时,报文头和payload是很开放置的,一个放置在packetbuf报文头缓冲区,一个放置在packetbuf数据缓冲区,但是接收回的数据都是在packetbuf数据缓冲区中放置的,所以在提取报文头的时候,将buflen减了size,正好将前size字节的报文头提取出来。而对于bufptr加了size,正好跳过size字节的报文头,而这个时候bufptr指向的位置,正好是下一次要提取的报文头或者payload(即报文中数据部分)的开始。
在接收函数中会先调用packetbuf_hdrreduce(因为发送时的packet_compact,将bufptr已经置为0,所以这里接收到的数据帧放置在PACKETBUF_HDR_SIZE起始的packetbuf中)。这里调用packetbuf_hdrreduce(size),正好将各层自己的报文头提取出来,这里的size正好是每层各自报文头的长度。在packetbuf_hdrreduce(size)函数中,
bufptr+=size;
buflen-=size;
这样,bufptr的位置,正好是下一次要提取的报文头或者payload的起始地址,而buflen则是剩下的数据长度。
这也既是,为什么在发送函数前会有一个packet_compact,调整数据的存放,将payload放置在PACKETBUF_HDR_SIZE开始的packetbuf中,也即payload的起始地址;在解包函数中,都会有一个packetbuf_hdrreduce,提取报文头。

关于
packetbuf_set_addr()
packetbuf_set_attr()
每一层都会设置相应的addr,和attr。channel是在chameleon中设置的。最后在packet_header时,从packetbuf_attrs,packetbuf_addrs静态数组中提取,组织到packetbuf中准备发送;
注:
http://blog.chinaunix.net/uid-9112803-id-3277952.html
给了很多启发

这篇关于Contiki——Rime缓冲区packetbuf分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/885154

相关文章

Nginx分布式部署流程分析

《Nginx分布式部署流程分析》文章介绍Nginx在分布式部署中的反向代理和负载均衡作用,用于分发请求、减轻服务器压力及解决session共享问题,涵盖配置方法、策略及Java项目应用,并提及分布式事... 目录分布式部署NginxJava中的代理代理分为正向代理和反向代理正向代理反向代理Nginx应用场景

Redis中的有序集合zset从使用到原理分析

《Redis中的有序集合zset从使用到原理分析》Redis有序集合(zset)是字符串与分值的有序映射,通过跳跃表和哈希表结合实现高效有序性管理,适用于排行榜、延迟队列等场景,其时间复杂度低,内存占... 目录开篇:排行榜背后的秘密一、zset的基本使用1.1 常用命令1.2 Java客户端示例二、zse

Redis中的AOF原理及分析

《Redis中的AOF原理及分析》Redis的AOF通过记录所有写操作命令实现持久化,支持always/everysec/no三种同步策略,重写机制优化文件体积,与RDB结合可平衡数据安全与恢复效率... 目录开篇:从日记本到AOF一、AOF的基本执行流程1. 命令执行与记录2. AOF重写机制二、AOF的

MyBatis Plus大数据量查询慢原因分析及解决

《MyBatisPlus大数据量查询慢原因分析及解决》大数据量查询慢常因全表扫描、分页不当、索引缺失、内存占用高及ORM开销,优化措施包括分页查询、流式读取、SQL优化、批处理、多数据源、结果集二次... 目录大数据量查询慢的常见原因优化方案高级方案配置调优监控与诊断总结大数据量查询慢的常见原因MyBAT

分析 Java Stream 的 peek使用实践与副作用处理方案

《分析JavaStream的peek使用实践与副作用处理方案》StreamAPI的peek操作是中间操作,用于观察元素但不终止流,其副作用风险包括线程安全、顺序混乱及性能问题,合理使用场景有限... 目录一、peek 操作的本质:有状态的中间操作二、副作用的定义与风险场景1. 并行流下的线程安全问题2. 顺

MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决

《MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决》MyBatis默认开启一级缓存,同一事务中循环调用查询方法时会重复使用缓存数据,导致获取的序列主键值均为1,... 目录问题原因解决办法如果是存储过程总结问题myBATis有如下代码获取序列作为主键IdMappe

Java中最全最基础的IO流概述和简介案例分析

《Java中最全最基础的IO流概述和简介案例分析》JavaIO流用于程序与外部设备的数据交互,分为字节流(InputStream/OutputStream)和字符流(Reader/Writer),处理... 目录IO流简介IO是什么应用场景IO流的分类流的超类类型字节文件流应用简介核心API文件输出流应用文

Android 缓存日志Logcat导出与分析最佳实践

《Android缓存日志Logcat导出与分析最佳实践》本文全面介绍AndroidLogcat缓存日志的导出与分析方法,涵盖按进程、缓冲区类型及日志级别过滤,自动化工具使用,常见问题解决方案和最佳实... 目录android 缓存日志(Logcat)导出与分析全攻略为什么要导出缓存日志?按需过滤导出1. 按

Linux中的HTTPS协议原理分析

《Linux中的HTTPS协议原理分析》文章解释了HTTPS的必要性:HTTP明文传输易被篡改和劫持,HTTPS通过非对称加密协商对称密钥、CA证书认证和混合加密机制,有效防范中间人攻击,保障通信安全... 目录一、什么是加密和解密?二、为什么需要加密?三、常见的加密方式3.1 对称加密3.2非对称加密四、

MySQL中读写分离方案对比分析与选型建议

《MySQL中读写分离方案对比分析与选型建议》MySQL读写分离是提升数据库可用性和性能的常见手段,本文将围绕现实生产环境中常见的几种读写分离模式进行系统对比,希望对大家有所帮助... 目录一、问题背景介绍二、多种解决方案对比2.1 原生mysql主从复制2.2 Proxy层中间件:ProxySQL2.3