Linux inotify功能 使用 详解示例

本文介绍了Linux的inotify文件系统监视机制,它取代了dnotify,因为inotify更高效,允许通过一个文件描述符监控多个事件,并且在设备卸载时能自动处理。文章详细阐述了inotify的API,包括inotify_init、inotify_add_watch和inotify_rm_watch,以及各种事件掩码。此外,还展示了如何使用inotify进行文件系统监控的代码示例。

Linux inotify使用

简介

​ inotify是linux上提供的文件系统监视机制, 前身是dnotify. 可以用来监视文件/目录. 如文件/目录的修改, 删除等. 前身是dnotify

为什么inotify取代了dnotify?

  • inotify使用一个文件描述符, dnotify需要为每一个受监控的目录打开一个fd, 当监控数量变多, dnotify会消耗大量资源, 并且进程也存在最大描述符限制.
  • 在可移动媒体相关: inotify的fd可以通过syscall获得, 并且不会和设备/文件相关联, dnotify的fd会锁定目录, 导致设备无法卸载(比如关联了移动设备, 除非你关掉fd, 否则你无法从你的设备上卸载移动设备), 如果使用inotify监控被卸载文件系统上的文件, 当你卸载设备时, inotify的watch会被自动移除, 并且使用者会收到一个umount事件.
  • inotify使用fd作为基本接口, 意味着我们可以在其上使用select/epoll来更好的监控, but, dnotify使用SIGIO(我也不懂).

API

inotify_init

​ 创建实例, 返回值为创建的文件描述符.

#include <sys/inotify.h>

int inotify_init(void);
int inotify_init1(int flags);

inotify_add_watch

​ 上面实例创建的文件描述符关联一个独立的队列, 文件系统的变化被叫做"watch"的来管理, 每一个watch包含目标, 和事件掩码, 目标可以是文件/目录. 掩码代表希望关注的事件,

#include <sys/inotify.h>

int inotify_add_watch(int fd, const char *pathname, uint32_t mask);

​ fd为创建的inotify文件描述符, 即inotify_init的返回值, pathname为你想关联的目录/文件, mask是事件掩码, 范围值是被称为"wd"的watch描述符, 他关联着对应的文件/目录

inotify_rm_watch

​ 下面的函数用于删除一个watch

#include <sys/inotify.h>

int inotify_rm_watch(int fd, int wd);

​ fd为文件描述符, wd为watch描述符, 成功返回0 , 失败返回-1, 并且设置errno.

事件掩码

  • IN_ACCESS:文件 被访问时 触发事件,例如 read,execve
  • IN_ATTRIB:文件属性 发生变化 触发事件。例如 权限 chmod,时间戳 setxattr,链接数 link 等
  • IN_CLOSE_WRITE:一个文件被打开 写入操作结束,文件被关闭时 触发事件
  • IN_CLOSE_NOWRITE:一个文件被打开 没有任何写操作,文件被关闭时 触发事件
  • IN_CREATE:在监控列表下 创建一个文件或目录 时 触发事件,例如 open O_CREAT,mkdir 等
  • IN_DELETE:在监控列表下 文件或目录 被删除时 触发事件
  • IN_DELETE_SELF:监控文件或目录 本身被删除时 触发事件,而且,如果一个文件或目录被移到其它地方,比如使用 mv 命令,也会触发该事件,因为 mv 命令本质上是拷贝一份当前文件,然后删除当前文件的操作。此时监控终止,并且将收到一个 IN_IGNORED 事件。
  • IN_MODIFY:文件 被修改时 触发事件,例如:有写操作(write)或者文件内容被清空(truncate)操作。不过需要注意的是,IN_MODIFY 可能会连续触发多次。
  • IN_MODIFY_SELF:所监控的文件或目录本身 发生移动时 触发事件
  • IN_MOVED_FROM:将文件或目录 移除 监控列表 触发事件
  • IN_MOVED_TO:将文件或目录 移入 监控列表 触发事件
  • IN_OPEN:文件被打开 触发事件
  • IN_ALL_EVENTS:监控所有事件
  • IN_MOVE:IN_MOVED_FROM | IN_MOVED_TO 事件的统称

存储事件消息的结构体

​ 可以通过read()系统调用 来获取从inotify中发生了哪些事情, 如果read时还没有发生任何事件, 则read阻塞, 直至有事件发生. read返回的buf里面包含一个或多个以下的结构体

struct inotify_event {
               int      wd;       /* Watch descriptor */
               uint32_t mask;     /* Mask describing event */
               uint32_t cookie;   /* Unique cookie associating related
                                     events (for rename(2)) */
               uint32_t len;      /* Size of name field */
               char     name[];   /* Optional null-terminated name */
           };

内核限制

max_queued_events: 队列中最大的event数量, 超过这个值的事件会被丢弃, 但是会触发IN_Q_OVERFLOW
/proc/sys/fs/inotify/max_user_instances:指定了每一个real user(用户)ID可以创建的instances数量
/proc/sys/fs/inotify/max_user_watches: 每个inotify_instace相关联的最大watch数量, 也就是最多可以监控多少目录/文件

在这里插入图片描述

代码示例

#include <cstdio>
#include <cstdlib>
#include <errno.h>
#include <unistd.h>
#include <sys/inotify.h>

void init(char **argv) {
    int fd = inotify_init();
    int wd = inotify_add_watch(fd, argv[1], IN_ALL_EVENTS);

    const struct inotify_event *e;
    char buf[4096];
    ssize_t len;
    while(1) {
        len = read(fd, buf, sizeof buf);
        if(len == -1 && errno != EAGAIN) {
            perror("read");
            exit(EXIT_FAILURE);
        }
        if(len <= 0) break;
        char *ptr;
        for(ptr = buf; ptr < buf+len; ptr += sizeof(struct inotify_event) + e->len) {
            e = (const struct inotify_event*)ptr;
            if(e->mask & IN_OPEN) printf("IN_OPEN\n");
            if(e->mask & IN_CLOSE_NOWRITE) printf("IN_CLOSE_NOWRITE\n");
            if(e->mask & IN_CLOSE_WRITE) printf("IN_CLOSE_WRITE\n");
            if(e->len) printf("filename is :%s\n", e->name);
            if(e->mask & IN_ISDIR) printf("is Directory\n");
            else printf("is file\n");
        }
    }
}

int main(int argc, char** argv) {
    if(argc < 2) {
        fprintf(stderr, "Usage: input a filename/dir\n");
        return -1;
    }
    init(argv);
}
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性和不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力和神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解和验证模型泛化能力。
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 JMeter的录制方法及过滤策略、线程组构成要素是什么? JMeter能够借助第三方录制工具(如BadBoy)或其自带的录制功能来完成录制工作,JMeter的录制机制:是借助HTTP代理服务器来捕获用户在操作网站时产生的链接信息。JMeter允许在配置HTTP代理服务器时,排除掉非必要的CSS、GIF等资源,以此减轻不必要的负担。 线程组涵盖:线程组的名称标识、附加注释说明、线程组内的用户数量、线程组完成请求的时间分配、循环执行次数、时间调度机制 【JMeter性能测试详解】 JMeter是一款功能强大的性能测试软件,常用于模拟大规模用户同时访问Web应用,用以衡量系统的性能表现和稳定性。接下来将具体说明JMeter的操作方法、线程组的设置以及性能测试的重要环节。 **JMeter录制与过滤** JMeter可以通过BadBoy等外部工具或其自带的HTTP代理服务器来记录用户的行为。其录制原理是JMeter作为HTTP代理,拦截用户浏览器发出的所有网络请求。在配置代理服务器时,能够过滤掉不必要的CSS、GIF等静态资源,以减少无效的负载。 **线程组配置** 线程组是JMeter测试计划的核心部分,包含以下几个关键参数: 1. **线程组名**:用于区分测试计划中的不同测试区域。 2. **注释**:用于记录测试目标或注意事项。 3. **线程数**:用于模拟并发用户的数量。 4. **循环次数**:每个线程需要执行的循环次数,可以设置为无限循环。 5. **Ramp-up period**:规定所有线程启动的时间跨度,旨在平滑增加负载。 6. **定时器**:例如思考时间或...
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