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 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>