|
|
本专栏持续更新中，边学习边分享：现代C++、C++多线程编程、cuda编程等内容。
C++之父Bjarne Stroustrup把c++定位于侧重系统编程的通用程序设计语言，C++性能优势很大程度上得益于对内存布局的精确控制，尽可能减少内存碎片。它给程序猿大展身手的机会，你可以精确控制对象销毁和内存释放时机，不必容忍垃圾回收机制（GC）带来的延时。
因此在对性能有高要求的领域总能看见它的身影，如：
- 对于分布式系统（数千台服务器）、嵌入式设备而言，提高运行效率就意味着更低的成本；
- 对于游戏、高频交易而言，提高性能就是增强用户体验；
但C++的协作性不如C、Java、Python，开源项目也少的多。但随着计算能力的提高，其他高级语言也逐渐弥补性能差距，反而是c++的内存泄漏、开发效率低下等问题让人捉襟见肘。不过，近年来芯片的紧缺、自动驾驶的火热又让C++在TIOBE语言流行榜上节节攀升。
学习C++
入门：《C++ Primer》注意不是Plus
如果想成为专业的C++开发者，恐怕不能用“撸起袖子加油干，边google边学习”这种方式来学习它。因为它的语言特性的关联性很强，复杂度也成倍增加。为了避免养成坏的编程习惯，全面系统的学习必定是一本大部头书籍。 标准库：《STL 源码剖析》
书看不进去，更建议看侯捷老师的视频。作为新手能够正确使用STL即可，然后再学习STL中十分重要的萃取机、内存分配器、迭代器设计模式。在学习之前先设想一下：如何将算法、仿函数、容器等耦合在一起。
至于源码，其实不建议一上来就看，STL是泛型编程，很容易让新手陷入语法沼泽，力气用错了地方。 程序设计规范：《Effective C++》
学语法，和熟练运用是两回事。C++是遍布陷阱的语言，吸取经验丰富程序猿的建议很重要。看完之后，深深怀疑自己真的对写C++吗？书篇幅很短，语言精练，一两天就能读完，是必读的进阶书籍。 现代c++：《现代C++教程》、《Effective Modern C++》
C++11/14/17 新标准慢慢成为 C++ 开发主流，相比较 C++98/03，C++11 是变化和改动最多的一个版本，其中很多特性像智能指针、函数式编程都是神兵利器。可参考前者《现代C++教程》快速上手，后者是Scott Meyers大师又一effective系列的力作。 泛型编程：《C++ template》、MyTinySTL
泛型编程，又或者说是模板编程，与其他知识点联系较少，在实际生产代码中也比较少涉及，毕竟不是谁都要写标准库的。应该先抓住主线，可以放一放。
如果学完了泛型编程，可以阅读MyTinySTL源码，同时巩固现代c++、泛型和STL。 多线程编程：《C++并发编程实战》、《linux 多线程服务端编程-使用muduo C++网络库》
时至今日，为了充分利用多核cpu，多线程编程是程序猿的必备技能。但多线程编程比单线程的难度陡增，操作系统相关知识是C++多线程编程的前提。
前本书是来自编写C++多线程标准库的作者，内容涵盖广，注意第一版翻译巨坑，建议看第二版翻译。
后本书是linux C++后端的必读书目，虽然不从事后端方向，但其中讲述的多线程编程的正规做法让我受益匪浅。 C++内存管理
内存管理是C++非常重要的知识点，也是新手前进路上的拦路虎：
- 什么是编写C++项目的最头疼的问题？是各种指针错误；
- 什么是C++性能优势的主要体现？是对内存的精确管理；
- 什么是C++编程中最重要的编程技法？是RAII；
指针是C++代码的常客，连多态都需要通过指针来实现。这也导致各种指针错误层出不穷，我们常说成也指针，败也指针。
那么介绍一下C++中可能出现的内存问题与解决方法（参考自《linux 多线程服务端编程》）：
- 缓冲区溢出：用std::vector管理缓冲区，通过成员函数而不是裸指针来修改缓冲区；
- 空悬指针/野指针：用智能指针；
- 重复释放：用智能指针；
- 内存泄漏：用智能指针；
- 不配对的new[]/delete：用std::vector/scoped_array；
- 内存碎片：先按下不表；
可见，在现代C++中，我们应该极力避免new和delete，用容器（vector等）和智能指针来管理内存，那么完全可以不必为了指针和内存错误操心。而且智能指针中的shared_ptr/weak_ptr也适用于多线程代码。那么我们唯一需要劳神费心的是智能指针引起的循环引用，通过修改代码设计，也在可控范围内。
- 深度学习可好玩了：C++内存管理：RAII与智能指针
- 深度学习可好玩了：C++内存管理：shared_ptr/weak_ptr源码（长文预警）
- 深度学习可好玩了：C++STL中的内存分配器
C++多线程编程
线程同步的四项原则（参考自《Real-world Concurrency》）：
- 首要原则是尽可能最低限度地共享对象，减少需要同步的场合。如果要暴露，优先考虑immutable对象；
- 使用高级成熟的并发编程构件，如TaskQueue、Producer-Consumer Queue、CountDownLatch；
- 最后不得已使用底层同步原语，只用非递归的互斥锁和条件变量，慎用读写锁，不要用信号量；
- 除了使用atomic整数之外，不自己编写lock-free代码，也不要用“内核级”同步原语。不凭空猜测哪种做法性能更好，比如自旋锁 vs 互斥锁。
- 深度学习可好玩了：C++多线程编程：线程同步精要
- 深度学习可好玩了：C++多线程编程：基于现代C++的多线程库
- 深度学习可好玩了：C++多线程编程：期望future
- 深度学习可好玩了：C++多线程编程：原子类型与内存顺序
Cuda编程
深度学习的三大马车：算法、数据、计算能力。计算能力这一层依赖于GPU，英伟达家更是把AI作为显卡的主打应用方向。作为一个合格的deep learner，学习GPU的相关知识还是很有必要的，不仅可以为pytorch框架编写自定义算子cuda拓展，而且学习GPU的底层组成原理，更有助于我们优化模型。
- （零）cuda编程笔记概览
- （一）cuda编程首次尝试
- （二）：组织并行线程
- （三）：硬件线程组织结构
- （四）：存储系统结构
其他
- 深度学习可好玩了：C++STL中的萃取器traits
- 深度学习可好玩了：C++异常安全与copy and swap惯用法
|
|
发表于 2022-10-7 11:44:44