SWIG 的注意事项： 编写需要封装的库的 SWIG 接口。 SWIG 会产生 C 的存根函数。 这些库可以使用 cgo 来调用。 相关的 Go 文件也可以被自动生成。 这类接口支持方法重载、多重继承以及使用 Go 代码实现 C++ 的抽象类。 目前使用 SWIG 存在的一个问题是它无法支持所有的 C++ 库，比如说它就无法解析 TObject.h。 Go入门指南 - 29 - 本文档使用 return n.Point.Abs() * 100. } 现在 fmt.Println(n.Abs()) 会打印 500 。 因为一个结构体可以嵌入多个匿名类型，所以实际上我们可以有一个简单版本的多重继承，就像： type Child struct { Father; Mother} 。在第 10.6.7 节中会进一步讨论这个问题。 结构体内嵌和自己在同一个包中的结构体时，可以彼此访问对方所有的字段和方法。 ，用于组成域类型。 10.6.7 多重继承 多重继承指的是类型获得多个父类型行为的能力，它在传统的面向对象语言中通常是不被实现的（C++ 和 Go入门指南 - 215 - 本文档使用 看云 构建 Python 例外）。因为在类继承层次中，多重继承会给编译器引入额外的复杂度。但是在 Go 语言中，通 过在类型中嵌入所有必要的父类型，可以很简单的实现多重继承。 作为一个例子，假设有一个类型

● ... 2020 © Changkun Ou · Go 夜读 · 对 Go 程序进行可靠的性能测试 多重比较谬误 27 Source: https://xkcd.com/882/ 2020 © Changkun Ou · Go 夜读 · 对 Go 程序进行可靠的性能测试 多重比较谬误 28 广泛比较两个不同群体的所有差异，从中找出具有差异的特征，宣称是造成两个群体不同的原因。 ⇒

3.9 与其它语言进行交互 - 50 - 本文档使用 书栈(BookStack.CN) 构建 这些库可以使用 cgo 来调用。 相关的 Go 文件也可以被自动生成。 这类接口支持方法重载、多重继承以及使用 Go 代码实现 C++ 的抽象类。 目前使用 SWIG 存在的一个问题是它无法支持所有的 C++ 库，比如说它就无法解析 TObject.h。 3.9 与其它语言进行交互 - 51 Point.Abs() * 100. 3. } 现在 fmt.Println(n.Abs()) 会打印 500 。 因为一个结构体可以嵌入多个匿名类型，所以实际上我们可以有一个简单版本的多重继承，就像： type Child struct { Father; Mother} 。在第 10.6.7 节中会进一步讨论这个问题。 结构体内嵌和自己在同一个包中的结构体时，可以彼此访问对方所有的字段和方法。 因此一个好的策略是创建一些小的、可复用的类型作为一个工具箱，用于组成域类型。 多重继承指的是类型获得多个父类型行为的能力，它在传统的面向对象语言中通常是不被实现的（C++ 和 Python 例外）。因为在类继承层次中，多重继承会给编译器引入额外的复杂度。但是在 Go 语言中，通过在类型中嵌入所有 必要的父类型，可以很简单的实现多重继承。 作为一个例子，假设有一个类型 CameraPhone ，通过它可以

continue 是跳过本次 循环。当嵌套过深的时候， break 可以配合标签使用，即跳转至标签所指定的位置，详细参考如下例 子： break 和 continue 还可以跟着标号，用来跳到多重循环中的外层循环 for 配合 range 可以用于读取 slice 和 map 的数据： 由于 Go 支持 “多值返回”, 而对于“声明而未被调用”的变量, 编译器会报错, 在这种情况下, 可以使用 func ReadWrite() bool { file.Open("file") // 做一些工作 if failureX { file.Close() 上面有很多重复的代码，Go的 defer 有效解决了这个问题。使用它后，不但代码量减少了很多，而且程 序变得更优雅。在 defer 后指定的函数会在函数退出前调用。 如果有很多调用 defer ，那么 defer

的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子问题”的思维范式，这种分治策略至关重要。 ‧ 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略直接或间接地应用了这种思维 方式。 ‧ 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分 析。 2.2.3 两者对比 总结以上内容，如表 从索引 ? 开始，向左进行线性遍历，当找到最左边的 target 时返回。 图 10‑5 线性查找重复元素的插入点 此方法虽然可用，但其包含线性查找，因此时间复杂度为 ?(?) 。当数组中存在很多重复的 target 时，该方 法效率很低。 现考虑拓展二分查找代码。如图 10‑6 所示，整体流程保持不变，每轮先计算中点索引 ? ，再判断 target 和 nums[m] 的大小关系，分为以下几种情况。 分治算法递归地将原问题划分为多个相互独立的子问题，直至最小子问题，并在回溯中合并子问题的 解，最终得到原问题的解。 ‧ 动态规划也对问题进行递归分解，但与分治算法的主要区别是，动态规划中的子问题是相互依赖的，在 分解过程中会出现许多重叠子问题。 ‧ 回溯算法在尝试和回退中穷举所有可能的解，并通过剪枝避免不必要的搜索分支。原问题的解由一系 列决策步骤构成，我们可以将每个决策步骤之前的子序列看作一个子问题。 实际上，动态规划常

recursion tree」。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子问题”的思维范式，这种分治策略至关重要。 ‧ 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略直接或间接地应用了这种思维 方式。 ‧ 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分 析。 2.2.3 两者对比 总结以上内容，如表 target 时返回。 图 10‑5 线性查找重复元素的插入点 第 10 章 搜索 hello‑algo.com 216 此方法虽然可用，但其包含线性查找，因此时间复杂度为 ?(?) 。当数组中存在很多重复的 target 时，该方 法效率很低。 现考虑拓展二分查找代码。如图 10‑6 所示，整体流程保持不变，每轮先计算中点索引 ? ，再判断 target 和 nums[m] 的大小关系，分为以下几种情况。 分治算法递归地将原问题划分为多个相互独立的子问题，直至最小子问题，并在回溯中合并子问题的 解，最终得到原问题的解。 ‧ 动态规划也对问题进行递归分解，但与分治算法的主要区别是，动态规划中的子问题是相互依赖的，在 分解过程中会出现许多重叠子问题。 ‧ 回溯算法在尝试和回退中穷举所有可能的解，并通过剪枝避免不必要的搜索分支。原问题的解由一系 列决策步骤构成，我们可以将每个决策步骤之前的子序列看作一个子问题。 实际上，动态规划常

recursion tree」。 图 2‑6 斐波那契数列的递归树 本质上看，递归体现“将问题分解为更小子问题”的思维范式，这种分治策略是至关重要的。 ‧ 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略都直接或间接地应用这种思维 方式。 ‧ 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分 析。 2.3 时间复杂度 运行时间可以直观且准确 target 时返回。 第 10 章 搜索 hello‑algo.com 211 图 10‑5 线性查找重复元素的插入点 此方法虽然可用，但其包含线性查找，因此时间复杂度为 ?(?) 。当数组中存在很多重复的 target 时，该方 法效率很低。 现考虑拓展二分查找代码。如图 10‑6 所示，整体流程保持不变，每轮先计算中点索引 ? ，再判断 target 和 nums[m] 大小关系，分为以下几种情况。 分治算法递归地将原问题划分为多个相互独立的子问题，直至最小子问题，并在回溯中合并子问题的 解，最终得到原问题的解。 ‧ 动态规划也对问题进行递归分解，但与分治算法的主要区别是，动态规划中的子问题是相互依赖的，在 分解过程中会出现许多重叠子问题。 ‧ 回溯算法在尝试和回退中穷举所有可能的解，并通过剪枝避免不必要的搜索分支。原问题的解由一系 列决策步骤构成，我们可以将每个决策步骤之前的子序列看作为一个子问题。 实际上，动态规划

的递归树（recursion tree）。 图 2‑6 斐波那契数列的递归树 从本质上看，递归体现了“将问题分解为更小子问题”的思维范式，这种分治策略至关重要。 ‧ 从算法角度看，搜索、排序、回溯、分治、动态规划等许多重要算法策略直接或间接地应用了这种思维 方式。 ‧ 从数据结构角度看，递归天然适合处理链表、树和图的相关问题，因为它们非常适合用分治思想进行分 析。 2.2.3 两者对比 总结以上内容，如表 从索引 ? 开始，向左进行线性遍历，当找到最左边的 target 时返回。 图 10‑5 线性查找重复元素的插入点 此方法虽然可用，但其包含线性查找，因此时间复杂度为 ?(?) 。当数组中存在很多重复的 target 时，该方 法效率很低。 现考虑拓展二分查找代码。如图 10‑6 所示，整体流程保持不变，每轮先计算中点索引 ? ，再判断 target 和 nums[m] 的大小关系，分为以下几种情况。 分治算法递归地将原问题划分为多个相互独立的子问题，直至最小子问题，并在回溯中合并子问题的 解，最终得到原问题的解。 ‧ 动态规划也对问题进行递归分解，但与分治算法的主要区别是，动态规划中的子问题是相互依赖的，在 分解过程中会出现许多重叠子问题。 ‧ 回溯算法在尝试和回退中穷举所有可能的解，并通过剪枝避免不必要的搜索分支。原问题的解由一系 列决策步骤构成，我们可以将每个决策步骤之前的子序列看作一个子问题。 实际上，动态规划常

的遞迴樹（recursion tree）。 圖 2‑6 費波那契數列的遞迴樹 從本質上看，遞迴體現了“將問題分解為更小子問題”的思維範式，這種分治策略至關重要。 ‧ 從演算法角度看，搜尋、排序、回溯、分治、動態規劃等許多重要演算法策略直接或間接地應用了這種 思維方式。 ‧ 從資料結構角度看，遞迴天然適合處理鏈結串列、樹和圖的相關問題，因為它們非常適合用分治思想進 行分析。 2.2.3 兩者對比 總結以上內容，如表 從索引 ? 開始，向左進行線性走訪，當找到最左邊的 target 時返回。 圖 10‑5 線性查詢重複元素的插入點 此方法雖然可用，但其包含線性查詢，因此時間複雜度為 ?(?) 。當陣列中存在很多重複的 target 時，該方 法效率很低。 現考慮拓展二分搜尋程式碼。如圖 10‑6 所示，整體流程保持不變，每輪先計算中點索引 ? ，再判斷 target 和 nums[m] 的大小關係，分為以下幾種情況。 的子問題，直至最小子問題，並在回溯中合併子問題 的解，最終得到原問題的解。 ‧ 動態規劃也對問題進行遞迴分解，但與分治演算法的主要區別是，動態規劃中的子問題是相互依賴的， 在分解過程中會出現許多重疊子問題。 ‧ 回溯演算法在嘗試和回退中窮舉所有可能的解，並透過剪枝避免不必要的搜尋分支。原問題的解由一 系列決策步驟構成，我們可以將每個決策步驟之前的子序列看作一個子問題。 實際上，動態規劃

跟客户端超时配合 ● 重试 ● 指数退避 ● 流量quota ● 超时相关性 更多组件 Requests 并发控制 自适应降载 自适应熔断 Rpc Call K8S弹性伸缩 限流 负载均衡 多重防护，保障高可用 ● 链路跟踪 ● Logging ● Metrics ● 监控报警 可观测性 没有度量，就没有优化！ ● 数据上报到控制台服务 ● 数据上报到prometheus