社区
非技术区
帖子详情
在进行网络流传输的时候,接收到的byte数组与发送的byte数组错位,怎么解决?
menghuanwkj
2012-08-29 10:57:03
如下:
OutputStream socketStream = getSocket().getOutputStream();
socketStream.write(encodedData);(encodedData是一个byte[])
我在接收的时候数组的顺序不对,请问怎么能解决这个问题?
...全文
308
8
打赏
收藏
在进行网络流传输的时候,接收到的byte数组与发送的byte数组错位,怎么解决?
如下: OutputStream socketStream = getSocket().getOutputStream(); socketStream.write(encodedData);(encodedData是一个byte[]) 我在接收的时候数组的顺序不对,请问怎么能解决这个问题?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
8 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
menghuanwkj
2012-08-30
打赏
举报
回复
这个数组中装的就是几个并发数据。不过今天调试时又没有出现错位情况,我觉得应该是流在传输过程中造成的错位。不应该是程序写法上的错误。
我在肖申克
2012-08-29
打赏
举报
回复
可能是n/之类的东西 先解析 有n/把n/删除
menghuanwkj
2012-08-29
打赏
举报
回复
关键是有时候顺序又是正确的,有时候错位。
龙四
2012-08-29
打赏
举报
回复
发送端和接收端使用同样的字节序:要么都使用big endian,要么都little endian
cscript
2012-08-29
打赏
举报
回复
自己把他反过来吧
scbb
2012-08-29
打赏
举报
回复
[Quote=引用 3 楼 的回复:]
关键是有时候顺序又是正确的,有时候错位。
[/Quote]
这个不可能吧。。。 一定哪里有bug。
MiceRice
2012-08-29
打赏
举报
回复
楼主的这个情况听起来挺玄幻的。。。
难道socketStream你还是并发写入的?
menghuanwkj
2012-08-29
打赏
举报
回复
byte[]中根本就没有/N之类的。只有一些字节
Java RandomAccessFile 字节级随机读写原理与实战
本文深入剖析 Java RandomAccessFile 的核心机制,涵盖字节偏移寻址、rw 模式权限陷阱、seek() 的编码与平台兼容性问题、read/write 的真实性能边界、append 模式的伪命题本质,以及线程安全计数器实现等生产级实践。重点强调其在二进制协议解析、大文件随机访问和底层系统交互中的不可替代性,同时揭示 POSIX 权限、稀疏文件、内存映射与 JVM native 层协同的关键细节。
Claude Opus 4.6实战指南:Token原理、API避坑与能力边界
本文深入剖析Claude Opus 4.6的核心技术转向,涵盖Token双重含义(认证令牌与语义单元)、API调用三层认证机制、32000上下文窗口的真实约束、工具调用计费陷阱、TLS 1.3
网络
兼容性要求、纯文本模型的多模态限制、长程记忆依赖应用层维护等关键点,并揭示402错误本质为额度类型错配、'Country not supported'源于ASN地理围栏,以及输出截断的静默风险与校验方案。
Java文件读取避坑指南:编码、路径、资源泄漏与大文件处理
本文系统剖析Java文件读取中四大关键风险:路径定位陷阱(IDE与JAR包差异、ClassLoader资源加载)、字符编码乱码根源(BOM处理、编码探测、终端编码冲突)、
流
式读取性能误区(BufferedReader缓冲机制、Scanner隐藏开销、Files.readAllLines内存爆炸)、资源泄漏防控(try-with-resources嵌套规则、Stream关闭陷阱)。结合生产级压测数据与JVM调优实践,覆盖从编码规范到CI/CD拦截的全链路工程化方案。
OpenClaw不是模型而是智能网关:协议适配与模型路由原理
OpenClaw并非大模型本身,而是一个面向大模型服务的轻量级智能网关,核心功能包括统一API入口、多协议适配(如OpenAI/Anthropic/vLLM)、模型路由控制与配置隔离。其通过配置文件中的provider定义后端服务身份,route定义请求分发规则,实现模型切换。网关不执行推理,仅做请求重写、协议转换与响应标准化。生产部署需关注JSON Schema校验、UTF-8编码、字段精确匹配及热重载限制等关键细节。
前端面试作战地图:从八股文到工程化思维的升维重构
本文系统重构前端面试认知框架,将传统八股文升维为渲染机制、状态管理、构建部署三类技术决策树;以性能优化、稳定性排查、架构演进为典型场景题,强调数据驱动与渐进式解法;提出STAR-L法则深挖项目经历,突出技术决策、量化结果与批判性反思;并指出2026春招中动词使用、技术选型理由、开源贡献价值等关键细节。核心聚焦前端工程师的工程化思维操作系统建设。
非技术区
23,404
社区成员
70,513
社区内容
发帖
与我相关
我的任务
非技术区
Java 非技术区
复制链接
扫一扫
分享
社区描述
Java 非技术区
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章