-DBUILD_SHARED_LIBS:BOOL=ON 来让他全部生成为动态库。稍后会详解命令行传递变量的规则。 小技巧：设定一个变量的默认值 要让 BUILD_SHARED_LIBS 默认为 ON ，可以用下图这个方法： 如果该变量没有定义，则设为 ON ，否则保持用户指定的值不变。 这样当用户没有指定 BUILD_SHARED_LIBS 这个变量时，会默认变成 ON 。 也就是说除非用户指定了 -DBUILD C:\Qt\Qt5.14.2 ，则你去找找这个目录： • C:\Qt\Qt5.14.2\msvc2019_64\lib\cmake\ • 你会看到他里面有个 Qt5Config.cmake 对吧。现在，有四种方法让 CMake 找得到他。 • 第一种是设置 CMAKE_MODULE_PATH 变量，添加一下包含 Qt5Config.cmake 这个文 件的目录路径 C:\Qt\Qt5.14.2\msvc2019_64\lib\cmake ke ，当然刚刚说了尽管你是 Windows 还是要把 \ 全部换成 / ，因为 CMake 是“亲 Unix” 的构建系统。 • 是的，学个编程跟隔壁史地政一样，有地缘因素在里边…… 更好的方法：设置 < 包名 >_DIR 变量指向 < 包名 >Config.cmake 所 在位置 • 第二种是设置 Qt5_DIR 这个变量为 C:\Qt\Qt5.14.2\msvc2019_64\lib\cmake

Thread Thread task Global queue task New task Global queue New task take & run take & run Worker take & run Steal & run 两种接口拥有两套割裂的调度模式和线程池 华为 Ylong 异步并发框架 Ylong Runtime 并发框架 华为 Rust 异步并发框架，近期计划在 时间等数据）进行线程池动态扩缩 容。  任务窃取 Fusion of IO/CPU intensive 结构化并发 Structured Concurrency 核心在于通过一种父子结构化的方法实现并发程序，用具有明确入口点和出口 点的控制流结构来封装并发任务（可以是线程也可以是协程）的执行，确保所有派生任务在出口之前完 成。 Structured concurrency 结构化并发带来的好处：

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

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

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

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？ 了，所以只快 了 10 倍左右，大家掌握里面的思想就好。 进一步优化 • 用了一些常量作为参数，调整一下局部数组的大小。 • 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， 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 a[i][j] 翻译为 a[i * m + j] ，所以是列主序。 •

• iterator erase(iterator pos); 1 2 3 4 5 find(4) begin() prev(end()) end() set 增删改查操作总结 操作 实现方法 增 a.insert(x) 删 a.erase(x) 或者 a.erase(a.find(x)) 改 一旦插入就无法修改，只能先删再增 查 a.find(x) != a.end() 或者 a erase(iterator first, iterator last); 1 2 3 4 5 lower_bound(2) begin() end() upper_bound(4) set 的遍历 • 遍历方法和上一课 vector 中的一样，背板即可。 • 为什么这样写呢？复习！ 复习 C 语言指针（ 1 ） • 上节课说了，迭代器就是在模仿 C 语言指针。 • 回想一下 C 语言咋遍历数组的： 素存在，那么 find 会返回哪 一个？第一个！ • find(x) 会返回第一个等于 x 的元素的迭代器。找不到也 是返回 end() 。 multiset 增删改查操作总结 操作 实现方法 增 a.insert(x) 删 a.erase(x) 或者 a.erase(a.lower_bound(x), a.upper_bound(x)) 改 一旦插入就无法修改，只能先删再增 查

• 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。 (compare-and-swap) ，他是并行编程 最常用的原子操作之一。实际上任何 atomic 操作，包括 fetch_add ，都可以基于 CAS 来实现：这就是 Taichi 实 现浮点数 atomic_add 的方法。 感谢观看！ by 彭于斌（ github@archibate ） 录播： https://space.bilibili.com/ 263032155 课件： https://github.com/parallel101/