虽说连续、顺序访问是最理想的，然而在使用哈希表等数据结构中，不 可避免的会通过哈希函数得到随机的地址来访问，且 Value 类型可能小 于 64 字节，浪费部分带宽。怎么办？ 解决：按 64 字节分块地随机访问 • 解决方法就是，把数据按 64 字节大小分块。随 机访问时，只随机块的位置，而块的内部仍然按 顺序访问。 • 可以看到 64 字节分块的效果拔群，但还是比顺 序访问慢一些，为什么？明明没有浪费带宽了？ 小。 • 加速比： 16 倍，大概已经到极限了？ 进亿步优化 • 将两个方法一起用上，并用 stream_ps 防止 写回操作污染缓存。 • 最终加速比： 24 倍。这里可以看到 i - 2 和 i + 2 跨步的访存似乎不是很理想，可能还能 进亿步优化，出于时间原因就没继续深入， 同学们可以课后研究一下。 第 5 章：内存分配与分页 vector ：写入两次，时间都是一样的（理所当然） 分配比机器大得多的内存（比如 2048*2028*1024 的三维网格），然后 在里面索引，这样就相当于利用硬件的分页机制实现了稀疏数据结构，既能高效利用内存 ，随机访问和插桩又特别高效。有兴趣可以研究一下他们的论文，也用了莫顿序增强 TLB 和缓存的局域性，非常精彩。 vector 也可以不初始化：只需使用一个帮手类 也可以使用小彭老师封装好的帮手类 重复分配效率低 • 即使第二次分配

• lambda 的函数体将在另一个线程里执行 。 • 接下来你可以在 main 里面做一些别的事 情， download 会持续在后台悄悄运行。 • 最后调用 future 的 get() 方法，如果此时 download 还没完成，会等待 download 完成，并获取 download 的返回值。 显示地等待： wait() • 除了 get() 会等待线程执行完毕 外， ：失败，陷入等待 • 双方都在等着对方释放锁，但是因为等待而无法 释放锁，从而要无限制等下去。 • 这种现象称为死锁（ dead-lock ）。 解决 1 ：永远不要同时持有两个锁 • 最为简单的方法，就是一个线程永远不要 同时持有两个锁，分别上锁，这样也可以 避免死锁。 • 因此这里双方都在 mtx1.unlock() 之后才 mtx2.lock() ，从而也不会出现一方等着对 方的同时持有了对方等着的锁的情况。 。这样就可以在函数体退出 时自动调用 unlock_shared() ，更加安全 了。 • shared_lock 同样支持 defer_lock 做参数 ， owns_lock() 判断等，同学们自己研究 。 只需一次性上锁，且符合 RAII 思想：访问者模式 Accessor 或者说 Viewer 模式，王鑫磊常用于设计 GPU 容器 OpenVDB 数据结构的访问，也是采用了 Accessor

语言的整数除法 n / nthreads ，他是向下取整的，比如 7 / 4 = 1 。 • 比如 n 为 65535 ，那么最后 127 个元 素是没有赋值的。 解决边角料难题 • 解决方法就是：采用向上取整的除法。 • 可是 C 语言好像没有向上整除的除法这 个运算符？没关系，用这个式子即可： • (n + nthreads - 1) / nthreads • 例如： (7 + ，也不会漏掉几个元素。 • 这样一个 for 循环非常符合 CPU 上常见的 parallel for 的习惯，又能自动匹配不同的 blockDim 和 gridDim ，看起来非常方便。 本方法出自英伟达官方博客： https://developer.nvidia.com/blog/cuda-pro-tip-write-flexible-kernels-grid-stride-loops/ 但是为什么这里用了 2^24 个元素，按理说应 该卡的不行了，却还是非常快的样子？ • 那是因为 CUDA 编译器比较聪明，自动优化 了……稍后会解释他优化的原理。 解决：线程局部变量 • 解决方法之一就是：先累加到局部变量 local_sum ，最后一次性累加到全局的 sum 。 • 这样每个线程就只有一次原子操作，而不 是网格跨步循环的那么多次原子操作了。 当然，我们需要调小

别的地方去。这时液体曾经存在过的地方 也仍然处于激活状态，可以每隔若干帧及 时释放掉这些不用的指针块以节省内存。 unordered_map 作为顶层，指针作为中层，稠密数组作为底层 • 实现稀疏的方法有： • hash 哈希（本例中的 unordered_map ） • pointer 指针（本例中的 Block1 ） • dense 稠密（本例中的 Block ） • 他们之间可以相互组合，形成更复杂的稀疏数据结构。 float 和 half 之间转换，然后用 int16_t 来存储。double: float: float16: 转换起来简单一点的： bfloat16 （大指数版） • 另一种简单的方法，就是直接暴力地把 32 位浮 点从 16 位切断，只取出高 16 位，当做一种非 标准的 half 来存储。称为 bfloat16 （前面多个 b ）。 • 因为 bfloat16 是从 float 优点：平坦直观，适合插桩，顺序访问，自适应网格 。 • 缺点：尺寸受限，操作系统挂钩，依赖 x86 硬件机 制。 • 顺便一提， GPU 也可以搞 SPGrid ，不过 GPU 的 页大小是 2MB ，王鑫磊最近研究过这个，因为太繁 琐而放弃了。 http://pages.cs.wisc.edu/~sifakis/papers/SPGrid.pdf 今天的回家作业 • 用稀疏数据结构改良康威生命游戏 (conway’s

在构造时就初始化其中元素的值。 • 例如创建具有 6, 1, 7, 4 四个元素的 vector ： • vector a = {6, 1, 7, 4}; • 和刚刚先创建再赋值的方法相比更直观。 • vector(initializer_list list); vector 容器：构造函数 • 初始化表达式的等号可以写也可以不写： • vector a 区间；也可以是一个容器的部分，例如 {a.begin() + 1, a.end() - 1} 相当于去头去尾后的列表，相当于 Python 中的 a[1:-1] 。 • 区间这个概念在 C++20 被高度强化了亿下，之后的课我们研究一下他。 vector 容器： begin 和 end • begin 可以获取指向第一个元素所在位置的迭代 器。可以通过 *a.begin() 来访问第一个元素。 • 迭代器支持加法运算，例如

可变性 / 多线程等概念作为语言基本元素存在。这些在我们的 业务里面是非常重要的，所以不可替代。 • （试图升华文章中心主旨） 扩展阅读关键字 • 限于篇幅，此处放出一些扩展知识供学有余力的同学研究： 1. P-IMPL 模式 2. 虚函数与纯虚函数 3. 拷贝如何作为虚函数 4. std::unique_ptr::release() 5. std::enable_shared_from_this

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 ，对于 排序过的数据明显比乱序时高效。 • 无分支的方法对于乱序和有序的数据一样 高效，性能吊打了传统的分支方法。 • 对于传统分支的做法，为什么排序了的更 高效？既然无分支更高效，我要怎样优化 才能让我的程序变成无分支的呢？那就来 大于（无符号） above e 等于 equal ne 不等于 not equal http://unixwiz.net/techtips/x86-jumps.html 手动进行无分支优化的方法 无分支优化：从汇编角度分析 • 发生了什么？让我们把源码和汇编逐个对应。 • x 是第一个参数（通过 edi 传入，被存入 rbp 指向的堆 栈） • 比较 x 和 0 的大小（ cmp • 可以被优化成： • a + (cond) * (b - a) // 方法 1 • 或者更满足“对称强迫症”的： • (cond) * a + !(cond) * b // 方法 2 • 还有一种“摆烂”的做法： • (cond ? a : b) // 方法 3 • 三目运算符通常会变成和 if-else 一样的分 支，同样会生成条件跳转指令，理应一样

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; • 读取 map 中指定键值的元素有两种方法。 • val = m[“key”]; // 读取键值为 “ key” 的元素，如果不存在，那就创建 “ key” 元素 • val = m.at(“key”); 的读取这里，严重影 响他的调试效率（ javascript 的 undefined 直呼内行）。 写入 map 元素 • map m; • 写入 map 中指定键值的元素有两种方法。 • m[“key”] = val; // 写入键值为 “ key” 的元素，如果不存在，那就创建 “ key” 元素 • m.at(“key”) = val; 的特性，由于调用者是 = val 赋值，所 以初始化也没用了，反正马上会写入 val 。 浅谈这种精分设计的原因 • 总结，要符合你熟悉的 Python 的 [] 行为，在 C++ 中要根据不同情况选择不同的方法访 问： • 读取用 at() 写入用 [] • 很多同学会困惑，为什么要设计两套， C++ 他爸是精神分裂症吗？ • 恰恰相反， C++ 是中两个函数不论读写都一视同仁： at

和第三方库作者约定俗成的，由第三方库的安装程序 负责把包配置文件放到这里。如果第三方库的作者比较懒，没提供 CMake 支持（由安装 程序提供 XXXConfig.cmake ），那么得用另外的一套方法（ FindXXX.cmake ），稍后细 谈。 Windows 系统下的搜索路径 • / • /cmake/ • /*/ • 1/msvc2017/lib/cmake/Qt5/Qt5Config.cmake ，那 么请你设置变量 Qt5_DIR 为 D:/Qt5.12.1/msvc2017/lib/cmake/Qt5 。有三种设置方法： • (1) 单次有效。在 configure 阶段，可以从命令行设置（注意要加引号）： • cmake -B build -DQt5_DIR=”D:/Qt5.12.1/msvc2017/lib/cmake/Qt5” /opt/Qt5.12.1/lib/cmake/Qt5/Qt5Config.cmake ，那么请你设 置变量 Qt5_DIR 为 /opt/Qt5.12.1/lib/cmake/Qt5 。有三种设置方法： • (1) 单次有效。在 configure 阶段，可以从命令行设置： • cmake -B build -DQt5_DIR=”/opt/Qt5.12.1/lib/cmake/Qt5” •

包导入相关 • 代码块与作用域 • 控制语句的惯用法与坑 Part4 – 语法基础：函数与方法 践行哲学，遵循惯例，认清本质，理解原理 • Init 函数 • 成为“一等公民” • defer 的惯用法与坑 • 变长参数函数妙用 • 方法的本质、 receiver 参数类型选择、方法集 合 Go 程序逻辑的基本承载单元 Part5 – 语法核心：接口 践行哲学，遵循惯例，认清本质，理解原理 com/bigwhite/ GoProgrammingFromBeginnerToMaster 读书实践与体会 第三部分 Go 技术图书阅读：从外刊到内刊 Go 中文图书 Go 外文图书 读书方法 精读 • 选择高质量图书 • 脑图 + 细节摘录 + 行动清单（输出） 泛读 • 闲书 ( 不烧脑 ) • 碎片化（快读） + 听书 小结 第四部分 小结 • 写书三要素