博客
关于我
xshell连接Ubuntu学习Unix网络编程
阅读量:508 次
发布时间:2019-03-07

本文共 1174 字,大约阅读时间需要 3 分钟。

配置Xshell并编译网络编程源代码

1. 配置Xshell

安装SSH服务器

在Ubuntu中安装OpenSSH服务器,首先需要通过终端输入以下命令:

sudo apt-get install openssh-server

完成后,SSH服务器就可以正常运行。

确保网络连通性

在使用Xshell进行远程连接之前,必须确保主机和虚拟机之间的网络能够正常通信。可以通过以下步骤测试网络状态:

  • 在虚拟机中:
  • ifconfig

    查找其IP地址,并记录下来。

    1. 在PC机中:
      • 打开命令提示符(Win+R输入cmd)。
      • 输入ipconfig查看IP地址。
      1. 在两端交互ping测试,确保双方都能成功与对方建立连接:
      2. ping 
        <对方ip>

        远程登录配置

        如果网络测试通过,说明双方能够互相通信。接下来,可以通过Xshell进行远程登录。

        2. 源代码下载与编译

        下载源代码

        从官方网站或指定的资源链接下载源代码,通常会得到unpv13e.tar.gz文件。

        编译步骤

      3. 首先解压源代码:
      4. tar zxvf unpv13e.tar.gz

        2.进入解压目录并进行配置:

        cd unpv13e./configure
        1. 编译库文件:
        2. cd libmakecd ../libfreemakecd ../libgaimake
          1. 处理头文件:
          2. cd ..sudo vim lib/unp.h

            查找并修改../config.hconfig.h

            1. 安装头文件和库文件:
            2. sudo cp config.h /usr/local/includesudo cp lib/unp.h /usr/local/includesudo cp libunp.a /usr/local/lib

              编译示例

              intro/daytimetcpcli.c为例:

              cd ./introgcc daytimetcpcli.c -o daytimetcpcli -lunp

              运行测试

              ./daytimetcpcli 127.0.0.1

              常见错误解决

              连接拒绝问题

              如果出现connect error:Connection refused,可能是服务未被正确监听。可以尝试以下方法:

            3. 如果系统已有xinetd安装,可以查看配置文件:

              cd /etc/xinetd.d/
            4. 如果没有安装xinetd,先安装:

              sudo apt-get install xinetd
            5. 配置daytime服务:

              sudo vim daytime

              修改disable后的yesno,保存退出。

            6. 重启xinetd:

              sudo service xinetd restart
            7. 再次测试:

              ./daytimetcpcli 127.0.0.1
            8. 如果成功,应该会显示日志信息。

              通过以上步骤,应该可以顺利配置Xshell并完成网络编程源代码的编译与测试。

    转载地址:http://tjojz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>