值坑了他。所以他们又另起炉灶，发明了越界时不会自动创建零值，而是能抛出异常的 at 函数。 C++ 和 Python 用法对比 C++ 和 Python 用法对比（运算符重载展开成普通函数后） 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 这里说的指针，不光是 T * 指针，还包括 T & 引用， iterator 迭代器，他们都是指针的 变体。 • 而 structural-binding 和 range-based loop 语法支持引用，也非常简单： • for (auto &[k, v]: m) { • v = v2; // 引用比指针还方便，自动解引用。此处等价于迭代器版的 (*it).second = v2; • } map 这里说的指针，不光是 T * 指针，还包括 T & 引用， iterator 迭代器，他们都是指针的 变体。 • 而 structural-binding 和 range-based loop 语法支持引用，也非常简单： • for (auto &[k, v]: m) { • v = v2; // 引用比指针还方便，自动解引用。此处等价于迭代器版的 (*it).second = v2; • } map

似乎这里 reduce 的加速比是逻辑核心数量，而 for 的加速比是物理核心的数量？ • 剧透：因为本例中 reduce 是内存密集型， for 是计算密集型。 • 超线程对 reduce 这种只用了简单的加法，瓶颈在内存的算法起了作用。 • 而本例中 for 部分用了 std::sin ，需要做大量数学运算，因此瓶颈在 ALU 。 • 这里卖个关子，欲知后事如何，请待下集揭晓！ 更专业的性能测试框架： 核心在闲置着，因为任务简单已经算完了，只有 4 号核心一个人在处理额外的光线。 1 2 3 4 1 分 15 秒 1 分 30 秒 0 分 45 秒 0 分 30 秒 解决 1 ：线程数量超过 CPU 核心数量，让系统调度保证各个核心始终饱和 • 因此，最好不是按照图像大小均匀等分，而是按照工 作量大小均匀等分。然而工作量大小我们没办法提前 知道……怎么办？ • 最简单的办法：只需要让线程数量超过 的 sin(i) 值 并行筛选 1 （张心欣犯过的错） 利用多线程安全的 concurrent_vector 动态追加数据 基本没有加速，我猜想 concurrent_vector 内部可能 用了简单粗暴的互斥量，只保证了安全，并不保证高 效 加速比： 1.32 倍 并行筛选 2 先推到线程局部（ thread-local ）的 vector 最后一次性推入到 concurrent_vector

并行能减轻计算瓶颈，但不减轻内存瓶颈，故后者是优化的重点 。 浮点加法的计算量 • 冷知识：并行地给浮点数组每个元素做一次加法反而更慢。 • 因为一次浮点加法的计算量和访存的超高延迟相比实在太少了。 • 计算太简单，数据量又大，并行只带来了多线程调度的额外开销 。 • 小彭老师经验公式： 1 次浮点读写 ≈ 8 次浮点加法 • 如果矢量化成功（ SSE ）： 1 次浮点读写 ≈ 32 次浮点加法 • 如果 的限制：最好是连续的写入 • 需要注意， stream 系列指令写入的地址 ，必须是连续的，中间不能有跨步，否则 无法合并写入，会产生有中间数据读的带 宽。 写入 1 比写入 0 更慢？ • 很简单，因为写入 0 被编译器自动优化成 了 memset ，而 memset 内部利用了 stream 指令得以更快写入。 写入 1 比写入 0 更慢？解决 • 解决办法就是，我们也用 stream swap(a, b); // 交换双缓冲 • // 不断反复 ... • 但是这样每个循环体内只有 1 次加法，明显就是我 们所说的 mem-bound 嘛！ 递推公式，一步抵两步 • 一种简单的思路是： • 既然递推公式 a’[i] = (a[i - 1] + a[i + 1]) * 0.5 • 那么也应该有 a’’[i] = (a’[i - 1] + a’[i + 1]) * 0.5

技巧分享  Q Q & & AA MyISAM MyISAM 特点 特点 MyISAM vs MyISAM vs InnoDB InnoDB • 数据存储方式简单，使用 数据存储方式简单，使用 B+ Tree B+ Tree 进行索引 进行索引 • 使用三个文件定义一个表： 使用三个文件定义一个表： .MYI .MYD .frm .MYI .MYD plain-slow -log – – 德国工程师使用 德国工程师使用 Perl Perl 开发的把 开发的把 Slow Log Slow Log 输出到屏幕，功能简单 输出到屏幕，功能简单  mysql-log-filter - Google code - Google code 上一个开源产品，报表 上一个开源产品，报表 简洁 简洁

吃饭 看比站 拉粑粑 5 5 10 20 条件跳转指令 • 让不占用相同资源的任务同时进行，这也是 CPU 流水线的初衷。但理想是美好的，现实 是骨感的，对于程序来说，指令不只是一个 个简单的任务，有时候我们需要做判断，来 决定要执行的具体任务，这就是分支，在汇 编语言中体现为条件跳转指令。 • 例如我们这里给任务清单加一个，如果烧开 水时被烫伤，则直接去医院的特殊任务。 • return 1; 优化成 return !(x > 0); • 但是这里因为碰巧分支的两端都是简单的 1 和 0 ，对于其他值应该怎么办？ 无分支优化套路：妙用加减乘 • if (x > 0) • return 42; • else • return 32; • 两边不是简单的 0 和 1 了，怎么办？其实可以利用加法和乘法： • return 32 + (x > 0) * setg 和 cmovbe ）。 所以手动优化真的有必要吗？ 所以手动优化真的有必要吗？ • 可见只有 -O0 的时候手动优化才有优势，开 启 -O1 优化以后都区别不大了。 • 因此对于简单的分支，完全可以不考虑优化， 交给编译器自动优化掉。 • 一般只需要把 if-else 改成三目运算符 ?: 编 译器就能成功识别了（见开头的例子）。 • 建议只有当性能遇到瓶颈时，再去针对性对

，从而支持用 lambda 捕获的访问者模式。 实现访问者模式 • 额，总之就是每一层都有一个缓存。 第 5 章：量化整型 使用 int ：每个占据 4 字节 • 记得我第七课说过，一个简单的循环体往 往会导致内存成为瓶颈（ memory- bound ）。 • 右边就是一个很好的例子。 使用 int64_t ：每个占据 8 字节 • 如果用更大的数据类型，用时会直接提升两倍！ • 因此需要我们手写一些位运算，在 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 • float16 具有 5 位指数， 10 位底数。 • 可见 bfloat16 的指数部分占得比较多，而底数 就很少，这样会有一点不精确，优点是和 float 之间转换的位运算实现起来比较简单。 double: float: bfloat16: 图片解释 bfloat16 ， float16 ， float32 的关系 bfloat16 因为指数一样是 8 位，所以范围没有变。

第 1 章：化简 编译器优化：代数化简 编译器优化：常量折叠 编译器优化：举个例子 编译器优化：我毕竟不是万能的 结论：尽量避免代码复杂化，避免使用会造 成 new/delete 的容器。 简单的代码，比什么优化手段都强。 造成 new/delete 的容器：我是说，内存分配在堆上的容器 • 存储在堆上（妨碍优化）： • vector, map, set, string, function 业的 PR 描述中和老师分享你的思考 那改用 array 试试？ 那改用手写的 reduce ？ 那改小到 10 ？成功了！ 结论：代码过于复杂，涉及的语句数量 过多时，编译器会放弃优化！ 简单的代码，比什么优化手段都强。 constexpr ：强迫编译器在编译期求值 结论：如果发现编译器放弃了自动优化，可以 用 constexpr 函数迫使编译器进行常量折叠！ 不过， constexpr 一次写入 4 个 int ，一次计算 4 个 int 的加法，从而更加高 效但这样有个缺点，那就是数组的大小必须为 4 的整数倍 否则就会写入越界的地址！ 如果不是 4 的倍数？边界特判法 看不懂？很简单，假设 n = 1023 ： 先对前 1020 个元素用 SIMD 指令填入，每次处理 4 个 剩下 3 个元素用传统的标量方式填入，每次处理 1 个 思想：对边界特殊处理，而对大部分数据能够矢量化

• 但坏处也很明显： 1. make 在 Unix 类系统上是通用的，但在 Windows 则不然。 2. 需要准确地指明每个项目之间的依赖关系，有头文件时特别头疼。 3. make 的语法非常简单，不像 shell 或 python 可以做很多判断等。 4. 不同的编译器有不同的 flag 规则，为 g++ 准备的参数可能对 MSVC 不适用。 构建系统的构建系统（ CMake ） • ，他就能够在调用时生成当前系统所支持的构建系统。 • 需要准确地指明每个项目之间的依赖关系，有头文件时特别头疼。 • CMake 可以自动检测源文件和头文件之间的依赖关系，导出到 Makefile 里。 • make 的语法非常简单，不像 shell 或 python 可以做很多判断等。 • CMake 具有相对高级的语法，内置的函数能够处理 configure ， install 等常见需求。 • 不同的编译器有不同的 flag • find_package(fmt REQUIRED) • target_link_libraries(myexec PUBLIC fmt::fmt) • 为什么是 fmt::fmt 而不是简单的 fmt ？ • 现代 CMake 认为一个包 (package) 可以提供多个库，又称组件 (components) ，比如 TBB 这个包，就包含了 tbb, tbbmalloc, tbbmalloc_proxy

会被释放两次！更危险的则是 v1 被解构而 v2 仍在被使用的情况。 • 这就是为什么“如果一个类定义了解构函数，那么 您必须同时定义或删除拷贝构造函数和拷贝赋值函 数，否则出错。” 解决方案：要么删除 • 最简单的办法是，直接禁止用户拷贝这个 类的对象，在 C++11 中可以用 = delete 表示这个函数被删除，让编译器不要自动 生成一个默认的（会导致指针浅拷贝的） 拷贝构造函数了。 • 这样就可以在编译期提前发现错误： 限于篇幅，其实构造函数还完全没讲完…… 下一讲继续完善我们刚才发明的 Vector 类 ！ 也会详解 && 到底有哪些意思…… 来学智能指针压压惊 • 如果构造函数全家桶搞得你晕头转向了，那让我们来点（相对）简单的作为饭后甜点吧！ C++98 ：令人头疼的内存管理 • 在没有智能指针的 C++ 中，我们只能手 动去 new 和 delete 指针。这非常容易出 错，一旦马虎的程序员忘记释放指针，就 中，有时候我们会遇到移交控 制权后，仍希望访问到对象的需求。 • 如果还是用 p 去访问的话，因为被移动构 造函数转移了， p 已经变成空指针，从而 出错。 解决方案：提前获取原始指针 • 最简单的办法是，在移交控制权给 func 前，提前通过 p.get() 获取原始指针： 解决方案：提前获取原始指针（续） • 不过你得保证 raw_p 的存在时间不超过 p 的生命周期，否则会出现危险的空悬指

是单核心的构建系统， Makefile 虽然多核心但因历史兼容原因效率一 般。 • 而 Ninja 则是专为性能优化的构建系统，他和 CMake 结合都是行业标准了。 Ninja 和 Makefile 简单的对比 性能上： Ninja > Makefile > MSBuild Makefile 启动时会把每个文件都检测一遍， 浪费很多时间。特别是有很多文件，但是实 际需要构建的只有一小部分，从而是 I/O 中指定的“最小所需版本号”。 注意： cmake_minimum_required 不仅是“最小所需版本” 虽然名字叫 minimum_required ，实际上不光是 >= 3.15 就不出错这么简单。 根据你指定的不同的版本号，还会决定接下来一系列 CMake 指令的行为。 此外，你还可以通过 3.15...3.20 来表示最高版本不超过 3.20 。 这会对 cmake_policy 有所影响，稍后再提。 时就可以直接用缓存的值，就不需要再检测一遍了。 如何清除缓存？删 build 大法了解一下 然而有时候外部的情况有所更新，这时候 CMake 里缓存的却是旧的值，会导致一系列问题。 这时我们需要清除缓存，最简单的办法就是删除 build 文件夹，然后重新运行 cmake -B build 。缓存是很多 CMake 出错的根源，因此如果出现诡异的错误，可以试试看删 build 全部 重新构建。 经典 CMake