听说有这样一种技术：能使两个进程共享同一个socket端口,如A进程在使用7721端口，B进程也可以使用7721端口

TimiXu 2005-03-16 09:09:39

能做到吗？

...全文

250 6 打赏收藏转发到动态举报

写回复

用AI写文章

6 条回复

切换为时间正序

请发表友善的回复…

发表回复

wangwubian 2005-03-26

打赏
举报

我确信有，而且能做到~~

wangwubian 2005-03-26

打赏
举报

好象有个端口重用这项技术，《黑客防线》里好象介绍过，想不起来了。
比如说一台机开了80端口（HTTP），黑客可以把他的木马服务端也绑定在这台机的80端口上。

stonesky 2005-03-17

打赏
举报

设置参数，可以BIND两次，但是前一个进程就无效了

TimiXu 2005-03-16

打赏
举报

楼上的大哥，我明白你的意思。问题是A进程已经使用了7721端口，但不是我开发的这个程序。我们开发的程序B也需要使用7721 端口。
你有听说过端口重用这种技术没？

hantry 2005-03-16

打赏
举报

关键是做到那种程度，典型的应用里面这种就很多，比方说你使用telnet登录服务器，不管你多少人服务器都是监听23端口多一个登录，多开一个进程而已；要是多个进程使用同一个端口就必须在这个断口上又守护进程类似的东西在运行，负责把连接发向不同的其他进程

「已注销」 2005-03-16

打赏
举报

??????你指的是服务端在同一端口同时bind两次？没见过。

hantry，你说的是多个客户端登录同一个服务端，并不是timixu说的两个服务端同时绑定一个端口进行监听。

本篇技术文章基于 Cilium 仓库中的 BPF 参考指南（`Documentation/reference-guides/bpf/index.rst` 及其子文档）编写，面向希望深入理解 BPF/XDP 的开发者与用户。读完本文后，你将掌握 eBPF 指令集与验证器机制、Maps/Tail Calls/JIT 等核心基础设施、XDP 与 tc 两类网络程序类型的差异与挂载方式，以及使用 clan

数据集可视化效果可参见下方展示。【数据集概况】 · 检测类别（中文）：[保龄球(bowling)] · 训练集：594 张 · 验证集：75 张 · 测试集：74 张 · 总计：743 张该数据集聚焦于室内保龄球馆场景，系统性采集了多角度、多姿态下保龄球在不同运动阶段的视觉特征，为保龄球运动过程中的球体识别与轨迹分析提供了高质量标注样本，具有明确的体育训练与智能辅助系统开发价值。... 【训练曲线与评估图】【模型训练配置】参数 | 值模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备【关键指标汇总】训练了 100 个 epoch，最终轮指标：指标 | 数值 mAP50 | **0.9938** mAP50-95 | 0.6966 Precision | 0.9740 Recall | 0.9974 train/box_loss | 0.9113 train/cls_loss | 0.2862 val/box_loss | 1.1516 val/cls_loss | 0.3116 【训练过程分析】 100 轮训练后 mAP50 达到 0.9938，模型收敛良好。Loss 曲线前段快速下降，后段趋于平稳，val_loss 无反弹，没有明显过拟合。但 mAP50-95 为 0.6966，和 mAP50 差距 0.30，定位精度仍有优化空间。【模型性能评估】 Precision 0.9740、Recall 0.9974，精召双高，模型对保龄球的检测能力强。【预测效果展示】验证集预测效果较好，检测框基本准确覆盖保龄球，置信度整体偏高。【改进建议】 1. 丰富场景多样性：补充不同光照、背景和遮挡条件下的样本。 2. 提升输入分辨率：640 ...

PaddleOCR 与YOLO目标检测 HTTP 服务。项目通过 PaddleOCROnnx 原生库集成 OnnxRuntime加速能力，围绕 ONNX 模型部署，以统一接口提供图像文字识别、YOLO 目标检测和 Tensor 数据输出。功能概览文字识别：支持图片 Base64、multipart/form-data 上传，以及文本和 JSON 结果。目标检测：支持 YOLO 图片检测，返回检测框 JSON 或原始 Tensor。浏览器演示：访问服务根地址，上传图片并切换 OCR、YOLO 模式。健康检查：通过 /health 查看服务及 OCR、YOLO 引擎初始化状态。并发处理：通过 OCR 引擎实例池处理并发请求，可调整实例数量。体验与调用启动后访问：入口地址浏览器演示 http://localhost:5000/ 健康检查 http://localhost:5000/health 原生依赖 Windows：优先从 runtimes/win-x64/native/ 加载原生 DLL；该目录没有 PaddleOCROnnx.dll 时，尝试从可执行文件所在目录加载。主 DLL 与对应后端依赖应放在同一原生目录中，不要将同一组依赖分散到多个目录。 Linux：原生运行时位于 runtimes/linux-x64/native/，程序使用相对于可执行文件的运行时搜索路径查找随包部署的依赖。后端选择：CoreOCROnnx 支持 ONNX Runtime、OpenVINO、TensorRT 后端。请使用与平台、进程架构、硬件和后端匹配的一整套运行时，不要混用不同后端或版本的依赖。

一款开源、可扩展的AI代理，功能远超代码建议——支持安装、执行、编辑以及与任何大型语言模型（LLM）进行测试。

通信技术

4,397

社区成员

28,909

社区内容

发帖

与我相关

我的任务

社区管理员

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