ZMQ请求应答模型

2024-08-23 08:44
文章标签 模型 请求 应答 zmq

本文主要是介绍ZMQ请求应答模型,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!

案例一

这个案例的出处是ZMQ的官网。请求段发送Hello,应答端回复World。
ZMQ

Request(client)

#include <string>
#include <iostream>
#include <zmq.hpp>using namespace std;
using namespace zmq; // 使用 zmq 命名空间int main()
{// initialize the zmq context with a single IO threadcontext_t context{1};// construct a REQ (request) socket and connect to interfacesocket_t socket{context, socket_type::req};socket.connect("tcp://localhost:5555");// set up some static data to sendconst string data{"Hello"};for (auto request_num = 0; request_num < 10; ++request_num) {// send the request messagecout << "Sending Hello " << request_num << "..." << endl;socket.send(buffer(data), send_flags::none);// wait for reply from servermessage_t reply{};socket.recv(reply, recv_flags::none);cout << "Received " << reply.to_string(); cout << " (" << request_num << ")";cout << endl;}return 0;
}

Reply(server)

#include <string>
#include <chrono>
#include <thread>
#include <iostream>#include <zmq.hpp>int main() 
{using namespace std::chrono_literals;// initialize the zmq context with a single IO threadzmq::context_t context{1};// construct a REP (reply) socket and bind to interfacezmq::socket_t socket{context, zmq::socket_type::rep};socket.bind("tcp://*:5555");// prepare some static data for responsesconst std::string data{"World"};for (;;) {zmq::message_t request;// receive a request from clientsocket.recv(request, zmq::recv_flags::none);std::cout << "Received " << request.to_string() << std::endl;// simulate workstd::this_thread::sleep_for(1s);// send the reply to the clientsocket.send(zmq::buffer(data), zmq::send_flags::none);}return 0;
}

编译

g++ -o server server.cpp `pkg-config --cflags --libs libzmq`
g++ -o client client.cpp `pkg-config --cflags --libs libzmq`

在这里插入图片描述

请求应答步骤

请求端

建立与应答端的连接

第一步:创建ZMQ上下文
context_t context{1};

创建一个 ZeroMQ 上下文(context),并初始化为只有一个 I/O 线程。context_t 是 ZeroMQ 库中用于管理套接字的类。

第二步:创建一个请求套接字
socket_t socket{context, socket_type::req}

在上下文中创建一个套接字(socket),并指定其类型为 req(请求者)。这意味着这个套接字将发送请求并等待响应。

第三步:连接端点
socket.connect("tcp://localhost:5555")

将套接字连接到本地主机上的 5555 端口。这是服务器监听的端口。

发送消息请求

发送消息不是固定的,可以用静态字符串发送,也可以输入信息发送,但用socket发送消息的函数是不变的。

socket.send()

用于发送消息

socket.send(buffer(data), send_flags::none);
函数参数
buffer(data)

这是一个 zmq::buffer 对象,它是一个辅助类,用于创建一个消息缓冲区。在这里,它接收一个 std::string 类型的参数 data,并将这个字符串的内容作为消息发送。buffer 类型的对象通常用于封装消息数据,以便与 ZeroMQ 的套接字接口一起使用。

send_flags

这是一个枚举值,用于指定发送消息时的选项。send_flags::none 表示没有特殊的发送标志,即消息将按照默认的方式发送。ZeroMQ 还提供了其他发送标志,例如:

send_flags::dontwait:非阻塞发送,如果无法立即发送消息,函数会立即返回,而不是等待。
send_flags::sndmore:表示消息分多部分发送,这个标志用于告诉 ZeroMQ 还有更多的消息部分即将发送。

函数返回值

在 ZeroMQ 的 C++ 绑定中,socket.send() 函数的返回值是一个整数,表示发送的字节数。这个返回值通常用于确认消息是否成功发送,以及发送了多少数据。
如果发送成功,函数返回发送的字节数。如果发送失败,函数返回 -1,并设置相应的错误代码,可以通过 errno 来获取。

接收应答端的回复

message_t

这个message_t也是ZMQ库中的类,reply也就是类的对象

message_t reply{};

创建一个 message_t 类型的变量 reply,用于接收服务器的响应。

socket.recv();
socket.recv(reply, recv_flags::none);

从服务器接收响应消息,并将消息内容存储在 reply 变量中。

函数参数
reply

这是一个 zmq::message_t 类型的对象,它用于存储从套接字接收到的消息。zmq::message_t 是 ZeroMQ 库中用于表示消息的类。当 recv 函数成功执行后,reply 对象将包含接收到的消息数据。

recv_flags::none:

这是一个枚举值,用于指定接收消息时的选项。recv_flags::none 表示没有特殊的接收标志,即消息将按照默认的方式接收。ZeroMQ 还提供了其他接收标志,例如:

recv_flags::dontwait:非阻塞接收,如果当前没有消息可接收,函数会立即返回,而不是等待。
recv_flags::recvmore:告诉 ZeroMQ 预期更多的消息部分将会到来。这通常用于多部分消息的接收。

函数返回值

在 ZeroMQ 的 C++ 绑定中,socket.recv() 函数的返回值是一个布尔值,表示是否成功接收到了消息。这个返回值用于判断接收操作是否成功完成。

如果返回 true,表示成功接收到了消息,并且 zmq::message_t 对象(如示例中的 reply)中包含了接收到的消息数据。
如果返回 false,表示接收操作失败。失败的原因可能是因为套接字被关闭、发生了错误,或者(如果使用了非阻塞标志)没有消息可接收。

应答端

建立与端点的连接

第一步:创建ZMQ上下文
context_t context{1};

创建一个 ZeroMQ 上下文(context),并初始化为只有一个 I/O 线程。context_t 是 ZeroMQ 库中用于管理套接字的类。

第二步:创建一个请求套接字
socket_t socket{context, socket_type::rep};

在上下文中创建一个套接字(socket),并指定其类型为 rep(应答者)。这意味着这个套接字将等待请求消息并响应回复。

第三步:连接端点
socket.bind("tcp://*:5555");

将套接字连接到本地主机上的 5555 端口。这是服务器的端口。

接收请求端的请求消息

message_t

这个message_t也是ZMQ库中的类,reply也就是类的对象

message_t request;

创建一个 message_t 类型的变量 request,用于接收请求端的消息。

socket.recv();
socket.recv(request, recv_flags::none);

从服务器接收响应消息,并将消息内容存储在 request变量中。

处理请求消息,应答请求

socket.send()

用于发送消息

socket.send(buffer(data), send_flags::none);

这篇关于ZMQ请求应答模型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/1098904

相关文章

Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)

《Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)》:本文主要介绍Python基于火山引擎豆包大模型搭建QQ机器人详细的相关资料,包括开通模型、配置APIKEY鉴权和SD... 目录豆包大模型概述开通模型付费安装 SDK 环境配置 API KEY 鉴权Ark 模型接口Prompt

SpringBoot中Get请求和POST请求接收参数示例详解

《SpringBoot中Get请求和POST请求接收参数示例详解》文章详细介绍了SpringBoot中Get请求和POST请求的参数接收方式,包括方法形参接收参数、实体类接收参数、HttpServle... 目录1、Get请求1.1 方法形参接收参数 这种方式一般适用参数比较少的情况,并且前后端参数名称必须

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU