windows下，事件hEvent对象，和消息，谁的速度快？

u0116snail 2013-11-14 09:20:59
如题：
方式一：采用 CreateEvent 、 WaitForSingleObject 的形式来等待某一个事件的发生，来触发另一系列的操作。

方式二：采用SendMessage PostMessage 的方式，来触发另一系列的操作


那种方式的效率更高？
...全文
335 11 打赏 收藏 转发到动态 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
sniffer12345 2013-11-21
  • 打赏
  • 举报
 回复
当然是事件啦 事件是挂载在线程上，内核态切换到用户态的时候，会先查看事件标志位 而消息是由消息循环驱动分发的，同一时间片要处理很多其他不同的消息 不过我推荐用消息，因为即便你利用事件，你到最后也得自己封装一套消息机制。至于速度，大多数时候你不用去考虑它的
cjfdqchwhj 2013-11-21
  • 打赏
  • 举报
 回复
事件对象更快
u0116snail 2013-11-14
  • 打赏
  • 举报
 回复
引用 2 楼 majia2011 的回复:
event更快一些
为什么？
lm_whales 2013-11-14
  • 打赏
  • 举报
 回复
事件更快，因为消息，就是通过事件实现的，Windows 底层只有事件，没有消息。 消息，只不过利用事件，实现的一套API 而已。
u0116snail 2013-11-14
  • 打赏
  • 举报
 回复
引用 5 楼 qq120848369 的回复:
一个是挂起同步等，一个是异步消息通知，完全是两码事。
那，谁更快呢？
Dobzhansky 2013-11-14
  • 打赏
  • 举报
 回复
这两个的差别对你的运行速度影响可以忽略
majia2011 2013-11-14
  • 打赏
  • 举报
 回复
event更快一些
u0116snail 2013-11-14
  • 打赏
  • 举报
 回复
真不太清楚。。。。
赵4老师 2013-11-14
  • 打赏
  • 举报
 回复
profiler
「已注销」 2013-11-14
  • 打赏
  • 举报
 回复
event +1
qq120848369 2013-11-14
  • 打赏
  • 举报
 回复
一个是挂起同步等，一个是异步消息通知，完全是两码事。
考虑构网型储能支撑能力的微电网优化调度策略（Matlab代码实现）
内容概要：本文提出了一种考虑构网型储能支撑能力的微电网优化调度策略，通过Matlab代码实现，旨在提升微电网在复杂运行环境下的稳定性与经济性。研究聚焦于构网型储能系统（如虚拟同步发电机VSG）的动态特性及其对微电网频率、电压等关键参数的主动支撑能力，构建了包含光伏、储能、负荷等多元组件的微电网系统模型。采用优化算法（如改进灰狼算法、模型预测控制等）对系统进行日前或实时调度，优化目标涵盖运行成本最小化、可再生能源消纳最大化、储能寿命延长以及系统可靠性提升等多个方面。文中详细阐述了模型构建、算法设计与仿真验证全过程，并通过案例分析证明了所提策略在平抑功率波动、提高能源利用效率和增强系统韧性方面的有效性。; 适合人群：具备电力系统、自动化或相关专业背景，熟悉Matlab/Simulink仿真工具，从事微电网、分布式能源、储能控制等领域研究的研发人员和研究生；尤其适合有一定科研基础、希望深入理解构网型控制与优化调度结合应用的1-3年工作经验的研究者。; 使用场景及目标：① 掌握构网型储能（Grid-Forming Energy Storage）在微电网中的建模方法与控制原理；② 学习如何将储能的主动支撑能力融入优化调度框架，实现源-储-荷协同调控；③ 借助Matlab代码实现完整的微电网优化调度仿真流程，用于科研论文复现、课题开发或工程方案预研。; 阅读建议：此资源以实际Matlab代码为核心，理论与实践紧密结合，建议读者在理解基本电力系统知识的基础上，结合文档中的模型结构与算法逻辑，逐步调试并运行代码，深入掌握每一步的实现细节。同时可参考文中提及的智能优化算法与控制策略，拓展至其他类似电力系统优化问题的研究中。
UG FANUC后处理经典
代码下载链接： https://pan.quark.cn/s/a4b39357ea24 UG（Unigraphics）是一种功能完备的计算机辅助设计与制造（CAD/CAM）软件，在机械工程、汽车制造、航空航天等多个行业得到普遍使用。FANUC作为全球领先的数控系统生产商，其数控机床在精密加工领域中得到了广泛部署。"UG FANUC经典后处理"是指为FANUC数控系统专门设计的UG软件后处理技术，它是CAM编程过程中的关键组成部分。 后处理是UG CAM系统的一个构成部分，其核心功能是将由UG生成的刀具路径数据转换为特定数控系统的机器指令，这些指令能够被FANUC数控机床所识别并执行。FANUC18M可能代表FANUC的一个特定型号或版本的控制系统，该系统拥有M代码功能，用于控制机床的多种动作。 UG的后处理流程包括对刀具路径的改进、速度与进给率的确定、换刀指令的制定以及切削参数的配置等环节。用户可以根据自己机床的特性与加工需求来设计后处理器，目的是确保生成的代码既高效又安全，同时满足工件精度要求。 "UG FANUC经典后处理"可能集成了一套预设的、适用于FANUC系统的工作参数和代码格式，帮助用户在编程时能够迅速且精确地为FANUC机床生成G代码。这一特性显著简化了编程步骤，减少了错误发生的概率，对于不太熟悉后处理技术的用户而言，是一个极具价值的工具。 在实际操作中，用户可能需要依据工件的材料、形态、大小以及加工方法来调整后处理参数，比如切削速度、进给率、刀具选择等。FANUC18M后处理器通常会提供一系列预设配置，用户可以根据具体情况进行选择和细致调整，以获得最优的加工表现。 除了基础的G代码生成，UG的后处理还可能包含其他高级特性，例如模拟验证。借助UG的...
C# WinForm 界面多语言
代码下载链接： https://pan.quark.cn/s/5aa4619d321b C# WinForm 应用程序界面语言切换 C# WinForm 应用程序界面语言切换是一项普遍的应用需求，特别是在当前全球化的大背景下。本文将阐述一种仅需对既有代码进行轻微调整即可达成 WinForm 应用程序界面语言切换的方法。 让我们探究一下 WinForm 应用程序界面语言切换的运作机制。在 Visual Studio 的设计模式下，一旦我们修改了程序的初始界面语言（Language），会观察到无论是项目结构还是对应窗体的 .Designer.cs 文件均会发生明显的变化。 举例来说，我们构建一个名为 MyForm 的窗体，并在其中放置一个名为 MyButton 的按钮。在更改窗体属性中的 Language 设置之前，.Designer.cs 代码文件中的 InitializeComponent 方法的内容大致如下： private void InitializeComponent() { this.myButton = new System.Windows.Forms.Button(); this.SuspendLayout(); // // myButton // this.myButton.Location = new System.Drawing.Point(100, 200); this.myButton.Name = "myButton"; this.myButton.Size = new System.Drawing.Size(75, 23); this.myButton.TabIndex = 0; this.myButton.Text = "My Bu...
【博士论文复现】新能源发电接入弱电网的宽频带振荡机理及抑制方法研究（Matlab代码、Simulink仿真实现）
内容概要：本文围绕新能源发电接入弱电网所引发的宽频带振荡问题，结合Matlab与Simulink工具开展系统性研究，重点复现并深入分析了博士论文中关于振荡机理的建模、仿真与抑制方法。研究内容涵盖光伏逆变器在弱电网环境下的阻抗建模、锁相环动态耦合效应、LCL滤波器的分序阻抗特性、扫频稳定性分析方法以及宽频耦合失稳机制，提供了完整的代码与仿真模型，帮助读者深刻理解新能源并网系统的稳定性问题及其内在机理。; 适合人群：具备电力系统、新能源发电或控制理论基础知识的研究生、科研人员及从事相关领域工程仿真的技术人员，尤其适合正在开展相关课题研究或进行高水平学术论文复现的学习者。; 使用场景及目标：①用于复现高水平学术论文中的关键模型与仿真结果，掌握新能源并网系统的宽频振荡分析方法；②支撑科研工作中对光伏逆变器、锁相环、LCL滤波器等核心部件的建模与稳定性评估；③为撰写学位论文、期刊投稿或承担科研项目提供可靠的技术参考与可运行的代码支持。; 阅读建议：建议结合文档中提供的Matlab代码与Simulink模型进行逐步操作，重点关注阻抗建模与扫频法的实现细节，深入理解理论推导与仿真验证之间的对应关系，宜在动手实践中深化对宽频振荡机理与抑制策略的认知，并可参考文中提及的其他复现资源拓展研究思路。
【多旋翼无人机姿态估计】适用于无人机的姿态估计算法，聚焦于线性与非线性姿态估计器的开发与测试，以及在不同飞行条件与环境下的估计器性能评估研究（Matlab代码实现）
内容概要：本文围绕多旋翼无人机的姿态估计算法展开研究，重点聚焦于线性与非线性姿态估计器的设计、实现与性能对比，系统地开发并测试了适用于无人机系统的状态估计算法。研究基于Matlab平台，深入探讨了传感器数据融合策略，构建了基于扩展卡尔曼滤波器（EKF）等先进滤波方法的状态估计模型，并将其应用于IMU与GPS数据的融合处理中，以提升无人机在复杂动态飞行环境下的姿态估计精度与系统鲁棒性。同时，研究还对不同飞行工况和噪声干扰条件下各类估计器的性能进行了仿真验证与综合评估。; 适合人群：具备控制理论、信号处理及状态估计基础知识，熟悉Matlab编程环境，从事无人机导航、飞控系统开发、自动化或相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标：①深入理解无人机姿态估计的基本原理与关键技术；②掌握扩展卡尔曼滤波等非线性滤波算法在实际系统中的建模与实现方法；③对比分析线性与非线性估计器在动态飞行与噪声干扰下的性能差异；④为无人机导航系统的算法选型、优化设计与仿真验证提供可靠的技术参考与实践基础。; 阅读建议：建议结合提供的Matlab代码进行动手实践，重点剖析滤波算法的实现流程与参数调优策略，可通过调整传感器噪声模型、初始误差或飞行轨迹等方式测试算法的收敛性与鲁棒性，从而深化对状态估计理论与工程应用的理解。
C语言

70,039

社区成员

243,246

社区内容

发帖
与我相关
我的任务
社区描述
C语言相关问题讨论
社区管理员
  • C语言
  • 花神庙码农
  • 架构师李肯
加入社区
  • 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