没有异议、可以望文生义的中文名词，我才使用。 虽然许多名词已经耳熟能详，我想我还是有必要把它们界定一下： API - Application Programming Interface。系统开放出来，给程序员使用的接口，就是 API。一般人的观念中API 是指像C 函数那样的东西，不尽然！DOS 的中断向量 （interrupt vector）也可以说是一种API，OLE Interface（以C++ 类别的形式呈现）也可 们增添消息处理函数；也可以学习如何设计Document，如何改写CView::OnDraw 和 CDocument::Serialize，这是两个极端重要之虚拟函数。 Scribble Step2－修改使用者接口（第９章）：这个版本变化了菜单，使程序多 了笔宽设定功能。由于菜单的变化，也带动了工具栏与状态列的变化。 从这个版本中我们可以学习如何使用资源编辑器，制作各式各样的程序资源。为了把 菜单命令处 ge）之后直接调用它就好 了？原因是，除了你需要调用它，有很多时候操作系统也要调用你的窗口函数（例如当 20 某个消息产生或某个事件发生）。窗口函数设计为callback 形式，才能开放出一个接口 给操作系统叫用。 消息映射（Message Map）的雏形 有没有可能把窗口函数的内容设计得更模块化、更一般化些？下面是一种作法。请注意， 以下作法是MFC「消息映射表格」（第９章）的雏形，我所采用的结构名称和变量名称，

的数组，返回其起始地址 • void deallocate(T *p, size_t n) // 释放长度为 n ，起始地址为 p ，类型为 T 的数组 抽象的 std::allocator 接口 • vector 会调用 std::allocator 的 allocate/deallocate 成员 函数，他又会去调用标准库的 malloc/free 分配和释放内存空间 （即他分配是的 不要偷懒少打一个 f 哦，否则影响性能。 • 完成同步之后，和 CPU 算出来的比较差值， 看看 GPU 算的是否准确无误，从右边的输出 可以看到基本是一致的。 测试一下时间 • 使用第六节课中的 ticktock.h 测试一下 CPU 和 GPU 的用时。 • 注意，这里一定要把 TOCK 放到同步之 后。原因之前说过，因为对 GPU 核函数 的调用是异步的，只有 cudaDeviceSynchronize()

，内存管理与对象生命周期 10. C++ 异常处理机制的前世今生 我们都要认真鞋习哦 我们都要认真鞋习哦 第一章：读取与写入 我负责监督你鞋习 ! 我负责监督你鞋习 ! map 查找元素的两个接口 • map 提供了两个查找元素的接口，一曰 [] ，二曰 at 。 • 那么他们两个又有什么区别呢？很多新手都分不清他俩，可能只认识 [] 。 读取 map 元素 • map m; 。而如果另一个同学是硬核的计算 机思维，相当于 C++ 的一视同仁 API ，他会以为小彭老师真的在吃答辩。 • 这是通常来说，不过万一小彭老师真的这么重口味在吃答辩呢？要怎么传达这个信息？ C++ 一视同仁的接口就能处理这种罕见的情况，不过 Python 用一些 if 语句套一套一样可以。 深入理解 Python 中 [] 能自动区分是读是写的原理 • 写入要创建元素，而读取则要在元素不存在时出错，确实应该是两个不同的函数。 简单粗暴的 Java 用法 • 与 Python 和 C++ 不同， Java 放弃了花里胡哨的运算符重载，索性都采用成员函数 get put 来表示，非常明确。主要是为了把 get 和 put 作为接口函数，可以对应多个具体 实现。 错误示范 • 小彭老师说过，读取必须用 at 。 • 而这位同学却用了 [] 来读取 items 里的值。 • 乍看之下好像没错，运行结果也是正确的，但 这只是碰巧你的

std::unique_lock 或 std::lock_guard 的第二个参数，这时他们会默认 mtx 已经 上锁。 std::unique_lock 和 std::mutex 具有同样的接口 • 其实 std::unique_lock 具有 mutex 的所有成员函数： lock(), unlock(), try_lock(), try_lock_for() 等。除了他 会在解构时按需自动调用 这种只要具有某些指定名字的成员函数，就判断一个 类是否满足某些功能的思想，在 Python 称为鸭子类 型，而 C++ 称为 concept （概念）。比起虚函数和 动态多态的接口抽象， concept 使实现和接口更加解 耦合且没有性能损失。 第 4 章：死锁 同时锁住多个 mutex ：死锁难题 • 由于同时执行的两个线程，他们中发生的指令不 一定是同步的，因此有可能出现这种情况：

况下，只用最简单的接口（首地址指针） 就完成了遍历和打印的操作。 迭代器模式 • 使用指针和长度做接口的好处是，可以通 过给指针加减运算，选择其中一部分连续 的元素来打印，而不一定全部打印出来。 • 比如这里我们选择打印前三个元素（去掉 了最后一个元素，但不必用 pop_back 修 改数组，只要传参数的时候修改一下长度 部分即可）。 迭代器模式 • 使用指针和长度做接口的好处是，可以通

无分支编程 Branchless Programming by 彭于斌（ @archibate ） 两种代码写法：分支 vs 三目运算符 两种使用方式：排序 vs 不排序 测试结果（均为 gcc -O3 ） 测试结果可视化 图表比较：分支 vs 无分支 分支 无分支 0 0.01 0.02 0.03 耗时（越低越好） 乱序 有序 • 传统的分支方法实现的 uppercase 255) 不同写法的性能测试 • ifelse_clamp 带 if-else 分支的原始版本。 • bailan_clamp 用摆烂的态度坐等编译器优化。 • addmul_clamp 用“妙用加减乘”的方法优化。 • 我们照常编写了测试用例，禁止内联优化，同样 生成 10^7 个随机数（ -512 到 512 区间）。 • 为什么采用需要三个分支的 clamp 做测试？ • 优化级别在 if-else ，编译器往往会自动检测到可以优化，帮你 应用“妙用加减乘”了，无法体现手动优化的意义。 不同写法的性能测试 • 我们照常编写了测试用例，禁止内联优化，同样生成 10^7 个随机数（ -512 到 512 区间）。 • 至于为什么采用需要三个分支的 clamp 做测试？ • 优化级别在 -O1 以上时，对于只有两个分支的 if- else ，编译器往往会自动检测到可以优化，帮你应用

这样只需要写一遍 eatTwice ，就可以对猫和狗都适用，实现代码的复用（ dont-repeat-yourself ）， 也让函数的作者不必去关注点从猫和狗的其他具体细节，只需把握住他们统一具有的“吃”这个接口。 小知识： shared_ptr 如何深拷贝？ 浅拷贝： 深拷贝： 思考：能不能把拷贝构造函数也作为虚函数？ • 现在我们的需求有变，不是去对同一个对象调用两次 eatTwice ，而是先把对象复制一份 他的源码，但你的老板却要求你把 speak 变 成一个虚函数！怎么样，是不是准备好递交辞 呈了？慢着，让万能的小彭老师来救你！ 类型擦除：还是以猫和狗为例 • 你还是可以照常定义一个 Animal 接口，其 具有一个纯虚函数 speak 。然后定义一个 模板类 AnimalWrapper ，他的模板参数 Inner 则是用来创建他的一个成员 m_inner 。 • 然后，给 AnimalWrapper

写在前面 hello‑algo.com 4 本书部分放弃了编程语言的注释规范，以换取更加紧凑的内容排版。注释主要分为三种类型：标题注释、内容 注释、多行注释。 /* 标题注释，用于标注函数、类、测试样例等 */ // 内容注释，用于详解代码 /** * 多行 * 注释 */ 0.2.3. 在动画图解中高效学习 视频和图片相比于文字的信息密度和结构化程度更高，更容易理解。在本书中，知识重难点会主要以动画、图 容（一般在图的上方）对齐到 图中内容，综合来理解。 Figure 0‑3. 动画图解示例 0.2.4. 在代码实践中加深理解 本书的配套代码托管在GitHub 仓库，源代码包含详细注释，配有测试样例，可以直接运行。 ‧ 若学习时间紧张，建议至少将所有代码通读并运行一遍。 ‧ 若时间允许，强烈建议对照着代码自己敲一遍。相比于读代码，写代码的过程往往能带来新的收获。 0. 写在前面 hello‑algo 析，以及优化算法设计。 2.1.2. 效率评估方法 实际测试 假设我们现在有算法 A 和 算法 B ，都能够解决同一问题，现在需要对比两个算法之间的效率。我们能够想到 的最直接的方式，就是找一台计算机，把两个算法都完整跑一遍，并监控记录运行时间和内存占用情况。这种 评估方式能够反映真实情况，但是也存在很大的硬伤。 难以排除测试环境的干扰因素。硬件配置会影响到算法的性能表现。例如，在某台计算机中，算法

因此带宽是 31198 MB/s 。 • 和理论带宽 42672 MB/s 相差不多，符合我的预期 。 第 2 章：缓存与局域性 针对不同数据量大小的带宽测试 • 我们试试看 a 不同的大小，对带宽有什么影响。 针对不同数据量大小的带宽测试（续） • 可见数据量较小时，实际带宽甚至超过了 理论带宽极限 42672 MB/s ！ • 而数据量足够大时， 才回落到正常的带宽 。 • 这是为什么？ 的 a[i] 写回主内存。 • 这种代码在主内存看来， CPU 做的事情相当于：读 + 写，从而 每个元素只需要访问两遍内存。对这种完全 mem-bound 的程 序而言就是加速了 2 倍。 测试结果 可见，能否很好的利用缓存，和程序访问内存的时间局域性有关。 案例：一维 jacobi 迭代 • 一些物理仿真中，常用到这种形式的迭代法： • for (i=0...n) b[i] = a[i 就没问题，因为他们是静态大小，编译器可 以检测到并自动扁平化，转换成乘法和加法来计算地址。 今日乳 Ja (1/1) 有一种病 ~ 叫 JavaBean~ 为什么二级指针是低效的存储和索引方式 随机访问性能测试 内存分配性能测试 二维数组：行主序与列主序 • 实际上二维数组的扁平化分为两种方法，行主序与列主序。 • （以下符号约定： i 行号， j 列号； n 行数， m 列数） • C/C++ 编译器把静态数组