资讯专栏INFORMATION COLUMN

上云采购季！| 爆款云服务器低至4.6元/月，首单享0.9折

免费试用
首页/文章专栏/解码器 与 编码器

解码器 与 编码器

nihao / 2617人阅读

摘要：解码器抽象类将字节解码为消息或者另一个字节序列为它提供了一个抽象的基类由于你不可能知道远程节点是否会一次性地发送一个完整的消息所以这个类会对入站数据进行缓冲直到它准备好处理只是将消息进行缓冲并不会进行解码操作如何缓冲的下面会说下面这张图说明

解码器 ByteToMessageDecoder 抽象类

将字节解码为消息(或者另一个字节序列), Netty 为它提供了一个抽象的基类: ByteToMessageDecoder.

由于你不可能知道远程节点是否会一次性地发送一个完整的消息, 所以这个类会对入站数据进行缓冲, 直到它准备好处理. 只是将消息进行缓冲, 并不会进行解码操作. 如何缓冲的下面会说.

下面这张图说明了在网络传输中可能出现的情况.

ByteToMessageDecoder 抽象类有两个重要方法.

方 法 描 述
decode(ChannelHandlerContext ctx,ByteBuf in,List out) 必须实现的唯一抽象方法. 方法被调用时传入一个包含新数据的ByteBuf, 和一个添加解码消息的List. 对方法的调用会重复进行, 直到没有新元素被添加到List, 或ByteBuf中没有更多可读取的字节. 如果List不为空, 它的内容会被传递给 ChannelPipeline 中的下一个 ChannelInboundHandler.
decodeLast(ChannelHandlerContext ctx, ByteBuf in, List out) 简单调用 decode() 方法, 当 Channel 状态为非活动时, 这个方法会被调用一次. 可以重写该方法已提供特殊处理.
ByteToMessageDecoder 的属性:

cumulation属性: 用来保存累计读取到的字节. 我们读到的新字节会保存(缓冲)在这里.
cumulator属性: 用来做累计的. 负责将读到的新字节写入 cumulation. 有两个实现 MERGE_CUMULATOR 和 COMPOSITE_CUMULATOR.
singleDecode: 设置为true后, 单个解码器只会解码出一个结果.
decodeWasNull: 解码结果为空.
first: 是否是第一次读取数据.
discardAfterReads: 多少次读取后, 丢弃数据 默认16次.
numReads: 已经累加了多少次数据了.

重点

我们实现 ByteToMessageDecoder 接口时, 最主要的方法就是 decode, 当有新数据进入时, 会先缓冲数据然后将缓冲后的数据传递给我们.

我们进行解码时, 当解码成功后我们将数据放入 decode 方法中的, List out 集合中, 这样就会传递给下个 ChannelInboundHandler. 如果解码失败就不用操作 List out 集合.

就向 io.netty.handler.codec.LineBasedFrameDecoder 实现类中的一样

    @Override
    protected final void decode(ChannelHandlerContext ctx, ByteBuf in, List out) throws Exception {
        Object decoded = decode(ctx, in);
        if (decoded != null) {
            out.add(decoded);
        }
    }
编解码器中的引用计数

引用计数需要特别的注意. 对于编码器和解码器来说, 其过程也是相当的简单: 一旦消息被编码或者解码, 它就会被 ReferenceCountUtil.release(message)调用自动释放. 如果你需要保留引用以便稍后使用, 那么你可以调用 ReferenceCountUtil.retain(message) 方法. 这将会增加该引用计数, 从而防止该消息被释放.

MessageToMessageDecoder 抽象类

public abstract class MessageToMessageDecoder extends ChannelInboundHandlerAdapter


与 ByteToMessageDecoder 抽象类一样, 最主要的还是 decode 方法.


decode (ChannelHandlerContext ctx, I msg, List out)

只不过会将接到的消息强制类型转换为 I, 而且不会对消息进行缓冲.

TooLongFrameException 类

由于 Netty 是一个异步框架, 所以需要在字节可以解码之前在内存中缓冲它们. 因此, 不能让解码器缓冲大量的数据以至于耗尽可用的内存. 为了解除这个常见的顾虑, Netty 提供了 TooLongFrameException 类, 其将由解码器在帧超出指定的大小限制时抛出.


为了避免这种情况, 你可以设置一个最大字节数的阈值, 如果超出该阈值, 则会导致抛出一个 TooLongFrameException (随后会被 ChannelHandler.exceptionCaught() 方法捕获). 然后, 如何处理该异常则完全取决于该解码器的用户. 某些协议 (如HTTP) 可能允许你返回一个特殊的响应. 而在其他的情况下, 唯一的选择可能就是关闭对应的连接.


public class ToIntegerDecoder extends ByteToMessageDecoder {
    private static final int MAX_FRAME_SIZE= 1024;
    @Override
    public void decode(ChannelHandlerContext ctx, ByteBuf in, List out) throws Exception {
        int readable = in.readableBytes();
        if (readable  > MAX_FRAME_SIZE)//检查缓冲区中是否有超过MAX_FRAME_SIZE个字节
        {
            in.skipBytes(readable);//130第10章  编解码器框架将Integer消息转换为它的String表示，并将其添加到输出的List中跳过所有的可读字节，抛出TooLongFrame-Exception并通知ChannelHandler
            throw new TooLongFrameException("Frametoo  big!");
        }
            if (readable >= 4) {
            out.add(in.readInt());
        }
    }
}
编码器
MessageToByteEncoder 抽象类

只有一个必须要实现的方法.


encode(ChannelHandlerContext ctx, I msg, ByteBuf out)


encode() 方法是你需要实现的唯一抽象方法. 它被调用时将会传入要被该类编码为 ByteBuf 的 (类型为I的) 出站消息. 该 ByteBuf 随后将会被转发给 ChannelPipeline 中的下一个 ChannelOutboundHandler.


这个类只有一个方法, 而解码器有两个. 原因是解码器通常需要在 Channel 关闭之后产生最后一个消息 (因此也就有了decodeLast()方法). 这显然不适用于编码器的场景——在连接被关闭之后仍然产生一个消息是毫无意义的.


示例, ShortToByteEncoder, 其接受一个 Short 类型的实例作为消息, 将它编码为 Short 的原子类型值, 并将它写入 ByteBuf 中, 其将随后被转发给 ChannelPipeline 中的下一个 ChannelOutboundHandler. 每个传出的 Short 值都将会占用 ByteBuf 中的2字节.


public class ShortToByteEncoder extends MessageToByteEncoder {
    @Override
    public void
    encode(ChannelHandlerContext ctx, Short msg, ByteBuf out) throws Exception {
        out.writeShort(msg);//将Short写入ByteBuf中
    }
}

MessageToMessageEncoder 抽象类

encode(ChannelHandlerContext ctx,I msg,List out)

这是你需要实现的唯一方法. 每个通过 write() 方法写入的消息都将会被传递给 encode() 方法, 以编码为一个或者多个出站消息. 随后, 这些出站消息将会被转发给 ChannelPipeline 中的下一个 ChannelOutboundHandler.


示例, 编码器将每个出站 Integer 的 String 表示添加到了该 List 中.


public class IntegerToStringEncoder extends MessageToMessageEncoder {
    @Override
    public void encode(ChannelHandlerContext ctx, Integer msg, List out) throws Exception {
        out.add(String.valueOf(msg));
    }
}           
               
                                           
                       
                 
            
                     

                 

                                                                                                                    
                         私有云
                                             
                         GPU服务器
                                                                                                                                                 
                                      
                     
                    
                                                                                               解码器
                                                                                                           编码器
                                                                                                           编解码器
                                                                                                           高清视频解码器
                                                         
                 

               
              

             
               

                   
 文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

                 
                   
转载请注明本文地址：https://www.ucloud.cn/yun/75091.html

               

                      
               
              
              

                
相关文章

                
    
                             
                                                                                                    
  • 
                                                
    
                          
    深度学习大神新作，神经网络的自然语言翻译应用
    
                                                     
    摘要：神经网络在自然语言处理方面，未来有巨大的应用潜力。讲座学者之一与深度学习大神蒙特利尔大学学者在大会上发表了论文，进一步展现神经机器翻译的研究结果。那些指令的语义就是习得的进入嵌入中，来较大化翻译质量，或者模型的对数似然函数。
在 8月7日在德国柏林召开的2016 计算语言学(ACL)大会上，学者Thang Luong、Kyunghyun Cho 和 Christopher D. Mannin...
    
                                                   
                          
    
                                
    
                                    helloworldcoding
                                    
                                    评论0 
                                    收藏0 
                                
    
                          
    
                      
    
                    
    •  
                                                                                       
  • 
                                                
    
                          
    语义分割中的深度学习方法全解：从FCN、SegNet到DeepLab
    
                                                     
    摘要：目前用于语义分割研究的两个最重要数据集是和。发展中的方法效果。论文于年月日提交到主要贡献将端到端的卷积网络推广到语义分割中重新将预训练好的网络用于分割问题中使用反卷积层进行上采样提出了跳跃连接来改善上采样的粗糙程度。
语义分割是什么？语义分割方法在处理图像时，具体到像素级别，也就是说，该方法会将图像中每个像素分配到某个对象类别。下面是一个具体案例。左边为输入图像，右边为经过语义分割后的输出图...
    
                                                   
                          
    
                                
    
                                    zhangke3016
                                    
                                    评论0 
                                    收藏0 
                                
    
                          
    
                      
    
                    
    •  
                                                                           
                

              

              
               

                  
                  
发表评论

                   

                                      
                      

                        登陆后可评论
                      
                   

               

              

                

                  
0条评论
   
                
 
                      

              

           
           

              
 
                

                    
                    
nihao

                    
男|高级讲师

                    

                     
                                                                      
      
                                                                                        我要私信
                     
                                            
                    

                    

                          
TA的文章

                          阅读更多
                    

                      
                


                   
              
  

                  
最新活动
 
           
         

                    
                      
                    
                    
              





                                
              

           

        
       
    
    
     

      
    

    
    

    
       
       

         
阅读需要支付1元查看
  
         
     
       

      
  
    
    








        

            

              

                    
UCloud （优刻得科技股份有限公司）

                    
UCloud （优刻得科技股份有限公司）是中立、安全的云计算服务平台，坚持中立，不涉足客户业务领域。公司自主研发IaaS、PaaS、大数据流通平台、AI服务平台等一系列云计算产品，并深入了解互联网、传统企业在不同场景下的业务需求，提供公有云、混合云、私有云、专有云在内的综合性行业解决方案。

              

              

                  

            

            
Copyright © 2012-2023 UCloud 优刻得科技股份有限公司｜沪公网安备 31011002000058号｜ 沪ICP备12020087号-3｜ 





 
        

    



<