SOME/IP 协议介绍（七）传输 CAN 和 FlexRay 帧
SOME/IP 不应仅用于传输 CAN 或 FlexRay 帧。但是，消息 ID 空间需要在两种用例之间进行协调。
传输 CAN/FlexRay 应使用完整的 SOME/IP 标头。
AUTOSAR Socket-Adapter 使用消息 ID 和长度来构建所需的内部 PDU，但不会查看其他字段。因此，必须将 CAN ID（11位或29位）或 FlexRay ID（6+6+11位）编码到消息 ID 字段中。ID 应对齐到消息 ID 的最低有效位，并将未使用的位设置为 0。因此，11位的 CAN 标识符将在位位置 21 到 31 进行传输。
特别是在使用29位CAN-ID或FlexRay-ID时，消息ID空间被大量使用。在这种情况下，建议将SOME/IP和CAN/FlexRay传输绑定到不同的传输协议端口，以便存在不同的消息ID空间。
请记住，当通过以太网传输8字节的CAN帧时，未来可能需要多达100字节的开销（使用IPv6和/或安全机制）。因此，建议使用较大的RPC调用，如文档的前半部分所示，而不是小型的类似CAN的通信。
客户端ID和会话ID应设置为0x0000。
消息类型和返回码应设置为0x00。
协议版本应根据[SIP_RPC_90第14页]进行设置。
接口版本应根据接口规范进行设置。
如果使用SOME/IP传输具有11位CAN-ID的CAN消息，则可以使用以下服务ID和消息ID的布局（示例）：
• 服务ID应设置为系统部门定义的值，例如0x1234
• 消息ID分为5位用于指定CAN总线，以及11位用于CAN-ID。
这只是一个示例，实际布局应由系统部门指定。
相关文章：
SOME/IP 协议介绍（七）传输 CAN 和 FlexRay 帧
SOME/IP 不应仅用于传输 CAN 或 FlexRay 帧。但是，消息 ID 空间需要在两种用例之间进行协调。 传输 CAN/FlexRay 应使用完整的 SOME/IP 标头。 AUTOSAR Socket-Adapter 使用消息 ID 和长度来构建所需的内部 PDU，但不会查看其他字段。因此，必…...
与数组相关经典面试题
𝙉𝙞𝙘𝙚!!👏🏻‧✧̣̥̇‧✦👏🏻‧✧̣̥̇‧✦ 👏🏻‧✧̣̥̇:Solitary-walk ⸝⋆ ━━━┓ - 个性标签 - ：来于“云”的“羽球人”。…...
数据结构与算法面试系列-02
1. 一个整数，它加上100后是一个完全平方数，加上168又是一个完全平方数，请问该数是多少？ 程序分析：在10万以内判断，先将该数加上100后再开方，再将该数加上168后再开方，如果开方后的结果满足如下条件，即是结果。请看具体分析： 程序代码如下： package com.yoodb.uti…...
CMake 完整入门教程（五）
CMake 使用实例 13.1 例子一 一个经典的 C 程序，如何用 cmake 来进行构建程序呢？ //main.c #include <stdio.h> int main() { printf("Hello World!/n"); return 0; } 编写一个 CMakeList.txt 文件 ( 可看做 cmake 的…...
pgsql中with子句和直接查询差别
1、代码的可读性和维护性： 当查询较为复杂时，WITH子句可以将复杂的查询分解成多个简单的步骤，每个步骤都可以有一个易于理解的名字。这样做提高了代码的可读性，也便于后期维护。 2、代码的重用性： 在WITH子句中定义…...
Day 31 | 贪心算法 理论基础 、455.分发饼干 、 376. 摆动序列 、 53. 最大子序和
理论基础 文章讲解 455.分发饼干 题目 文章讲解 视频讲解 思路：从小饼干开始喂小胃口 class Solution {public int findContentChildren(int[] g, int[] s) {Arrays.sort(g);Arrays.sort(s);int start 0;int count 0;for (int i 0; i < s.length &&a…...
vue3使用is动态切换组件报错Vue received a Component which was made a reactive object.
vue3使用is动态切换组件，activeComponent用ref定义报错 Vue received a Component which was made a reactive object. This can lead to unnecessary performance overhead, and should be avoided by marking the component with markRaw or using shallowRef ins…...
React16源码: React中LegacyContext的源码实现
LegacyContext 老的 contextAPI 也就是我们使用 childContextTypes 这种声明方式来从父节点为它的子树提供 context 内容的这么一种方式遗留的contextAPI 在 react 17 被彻底移除了，就无法使用了那么为什么要彻底移除这个contextAPI的使用方式呢？因为它…...
Gin 框架之jwt 介绍与基本使用
文章目录 一.JWT 介绍二.JWT认证与session认证的区别2.1 基于session认证流程图2.2 基于jwt认证流程图 三. JWT 的构成3.1 header : 头部3.2 payload : 负载3.2.1 标准中注册的声明 (建议但不强制使用)3.2.2 公共的声明3.2.3 私有的声明3.2.4 定义一个payload 3.3 signatrue : …...
从[redis:LinkedList]中学习链表
文章目录 adlistlistNodelistmacros[宏定义]listCreatelistInitNodelistEmptylistReleaselistAddNodeHeadlistLinkNodeHeadlistAddNodeTaillistLinkNodeTaillistInsertNodelistDelNodelistUlinkNodelistIndexredis3.2.100quicklistredis7.2.2quicklist redis的基本数据类型之一…...
Prometheus+grafana配置监控系统
使用docker compose安装 方便拓展, 配置信息都放在在 /docker/prometheus 目录下 1.目录结构如下 . ├── conf │ └── prometheus.yml ├── grafana_data ├── prometheus_data └── prometheus_grafana.yaml2.创建目录文件 mkdir /docker/prometheus &&am…...
Linux之安装配置CentOS 7
一、CentOS简介 CentOS（Community Enterprise Operating System，中文意思是社区企业操作系统）是Linux发行版之一，它是来自于Red Hat Enterprise Linux依照开放源代码规定释出的源代码所编译而成。由于出自同样的源代码，…...
神经网络与深度学习Pytorch版 Softmax回归 笔记
Softmax回归 目录 Softmax回归 1. 独热编码 2. Softmax回归的网络架构是一个单层的全连接神经网络。 3. Softmax回归模型概述及其在多分类问题中的应用 4. Softmax运算在多分类问题中的应用及其数学原理 5. 小批量样本分类的矢量计算表达式 6. 交叉熵损失函数 7. 模型预…...
git学习及简单maven打包
前提： 已经有远程仓库地址 和账号密码了 已经安装git了 1.本地新建文件夹A用作本地仓库 2.在A文件夹下右键打开GIT BASH HERE 3.创建用户和密码，方便追踪提交记录 git config --global user.email “caoqingqing0108” //创建邮箱 git config --global …...
如何用MapTalks IDE来发布网站？
简介 MapTalks IDE 全称 MapTalks集成设计环境（Integrated Design Environment），是由MapTalks技术团队开发的新一代web地图设计软件。 通过MapTalks IDE，您可以自由的创建二维和三维地图，在其中载入或创建地理数据&a…...
我用selenium开发了一个自动创建任务，解放重复性工作
我用selenium开发了一个自动创建任务，大大解放了我做重复性工作带来的疲惫感，收获了更多的乐趣。 我司有100多个服务，运维忙不过来的时候，就会让我们自己创建云负载，你首先需要在云服务上创建负载，再创建容…...
安卓11修改HDMI自适应分辨率
客户需要hdmi自适应屏幕分辨率，没发现有相关的指令，我发现设置中有个hdmi的Auto选项，于是就试试选中这个选项，试下了可以自适应，于是就找到相关代码，在开机完成后执行这个代码，基本满足需求&…...
Linux实验记录：使用Apache的虚拟主机功能
前言： 本文是一篇关于Linux系统初学者的实验记录。 参考书籍：《Linux就该这么学》 实验环境： VmwareWorkStation 17——虚拟机软件 RedHatEnterpriseLinux[RHEL]8——红帽操作系统 正文： 目录 前言： 正文&…...
分布式空间索引了解与扩展
目录 一、空间索引快速理解 （一）区域编码 （二）区域编码检索 （三）Geohash 编码 （四）RTree及其变体 二、业内方案选取 三、分布式空间索引架构 （一）PG数…...
Set和Map的应用场景
Set: 1.成员不能重复 2.只有键值，没有键名，有点类似数组 3.可以遍历，方法 add,delete,has Map: 1.本质上是键值对的集合，类似集合； 2.可以遍历，方法很多，可以干跟各种数据格式转换 Set和…...
TaskbarX完整指南：Windows任务栏图标居中与动画特效实战教程
TaskbarX完整指南：Windows任务栏图标居中与动画特效实战教程 【免费下载链接】TaskbarX Center Windows taskbar icons with a variety of animations and options. 项目地址: https://gitcode.com/gh_mirrors/ta/TaskbarX TaskbarX是一款专为Windows 10/11设…...
5分钟实现OBS多平台同步直播：obs-multi-rtmp插件完全指南
5分钟实现OBS多平台同步直播：obs-multi-rtmp插件完全指南 【免费下载链接】obs-multi-rtmp OBS複数サイト同時配信プラグイン 项目地址: https://gitcode.com/gh_mirrors/ob/obs-multi-rtmp 你是否厌倦了在不同直播平台间来回切换的繁琐操作？obs-…...
Hive 3.1.3部署后，你可能会遇到的3个连接与权限报错及解决实录
Hive 3.1.3部署后三大经典连接与权限问题深度解析 当你终于按照教程完成Hive 3.1.3的安装，却在最后连接阶段遭遇各种"拦路虎"时，那种挫败感我深有体会。本文将带你直击三个最具代表性的连接与权限问题，从报错现象到根因分析&#x…...
告别手动启动：在Windows Server上把Gitblit配置成稳定可靠的后台服务
Windows Server生产环境Gitblit服务化部署全指南 在团队协作开发中，代码仓库的稳定性和可靠性直接影响着整个研发流程的效率。对于使用Windows Server作为基础架构的企业来说，将Gitblit从简单的命令行工具转变为系统服务，是实现7x24小时不间断…...
从Notebook到Lab再到Hub：一文讲清Jupyter生态在Linux服务器上的部署逻辑与选型
从Notebook到Lab再到Hub：一文讲清Jupyter生态在Linux服务器上的部署逻辑与选型 在数据科学和机器学习领域，Jupyter生态已经成为不可或缺的工具链。但对于刚接触这一技术栈的用户来说，Notebook、Lab和Hub这三个核心组件的关系常常令人困惑。本…...
ChatGPT网络错误不是运气问题：用mtr追踪真实路径，定位ISP路由黑洞、中间盒QoS限速与WAF误拦截（附15分钟速查表）
更多请点击： https://codechina.net 第一章：ChatGPT网络错误不是运气问题：用mtr追踪真实路径，定位ISP路由黑洞、中间盒QoS限速与WAF误拦截（附15分钟速查表） ChatGPT连接失败常被归因为“服务器繁忙”或“网…...
别再为Tesseract中文识别报错发愁了！手把手教你搞定chi_sim语言包和环境变量配置
Tesseract中文识别实战：从报错排查到精准配置的全流程指南 当你在终端兴奋地输入第一行Tesseract命令，却看到刺眼的Failed loading language chi_sim报错时，那种挫败感我深有体会。这个看似简单的错误背后，往往隐藏着路径配置、文…...
Unity GPU Instancing 在 OpenGL ES 上的底层实现与失效排查
1. 为什么 GPU Instancing 不是“开个开关就完事”的功能很多人第一次在 Unity 里勾上Enable GPU Instancing复选框，跑起来发现 Draw Call 确实从 200 掉到了 30，就以为“Instancing 成功了”。结果一换设备、一改 Shader、一加个自定义光照，…...
三分钟完成Taotoken的PythonSDK配置与首次聊天补全调用
🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度 三分钟完成Taotoken的Python SDK配置与首次聊天补全调用 对于刚拿到Taotoken API Key的Python开发者来说，最迫切的需求…...
NLP之BERT预训练模型详解
摘要： BERT（Bidirectional Encoder Representations from Transformers）是谷歌于2018年提出的革命性自然语言处理模型，首次将基于Transformer的双向编码器架构成功应用于预训练语言模型，在多项NLP基准任务上刷新了最优…...