CRTP（奇异递归模板模式）
需要预先学习： 模版基础 继承 多态 CRTP（奇异递归模板模式） CRTP（Curiously Recurring Template Pattern，奇异递归模板模式）是一种继承写法：派生类把自己作为模版参数传给基类。 template <typename Derived> class Base { // 基类通过模版参数 Derived "知道"派生类是谁 }; class Widget : public Base<Widget> // Widget 把自己传给 Base { }; 这样基类在编译期就知道"谁继承了我"，可以直接使用派生类的类型——由此得到一类不依赖 virtual 的多态能力，称为静态多态（static polymorphism，编译期多态）。 最小示例 #include <iostream> template <typename Derived> class Base { public: void inter...
虚拟地址
需要预先了解： 内存基础 虚拟地址 内存基础 里说过：内存中每个字节都有唯一的编号，CPU 通过编号定位并读写数据。不过有一个重要的事实没有展开——你在 C++ 代码里拿到的所有地址，都不是物理内存的真实编号，而是虚拟地址（virtual address）。 物理内存长什么样、数据实际放在哪，进程既不知道也不需要知道。进程眼里只有一套自己的虚拟地址空间，而把虚拟地址翻译成物理地址、决定数据实际存放位置的工作，由硬件和操作系统在幕后完成。 这篇文章先确认"你看到的全是虚拟地址"这件事，再看虚拟地址和物理地址的映射是怎么实现的，最后聊聊这套机制换来了什么。 你看到的地址都是虚拟地址 先看一段最普通的代码： #include <cstdio> int g_value = 42; // 全局变量，位于数据区 int main() { int local = 10; // 局部变量，位于栈 int* p = &g_value; // 指针，存储的是 g_value 的虚拟地址...
静态库与动态库的基础知识
需要预先学习： 内存基础 虚拟地址 extern、static 与 inline 关键字总结 extern “C” 库 假设有一些许多项目都要用到的函数，比如在某一个项目里面写了个 calculate.cpp。此时如果另一个项目也想用这几个函数，最直接的做法是把源码复制过去。但是这种做法会导致以下几个问题： 如果有很多项目都想用到这份代码，需要多次重复复制一样的源码 如果发现其中有一个 bug，进行修复时需要在每个项目里都改一遍 每个项目都要单独编译这份代码，会造成编译时间延长，也会导致生成的二进制文件体积膨胀 有可能会出现不同项目中的 ``calculate.cpp` 版本不一致，导致行为不一致 库（library）就是为解决这类问题出现的。它是一批已经编译好的目标代码，连同符号表、重定位信息、初始化信息等元数据打包在一起。库可以被链接器合并进可执行文件，也可以在程序运行时被加载器映射进进程的地址空间。 从使用者的角度看，库提供了两样东西： 一组可以调用的符号（函数名、变量名），以及它们对应的机器码和数据 一份 ABI（Applica...
静态库与动态库实操
需要预先学习： 静态库与动态库的基础知识 准备工作 这篇只用手写命令，不涉及 CMake、Meson、Bazel 这类构建系统。目标是把"每一步发生了什么"看清楚，而不是记住某个构建工具的配置写法。 示例工程 准备一个最小工程，目录结构如下： project/ ├── include/ │ └── add.h ├── src/ │ ├── add.cpp │ └── main.cpp └── build/ include/add.h： #pragma once int add(int a, int b); int sub(int a, int b); src/add.cpp： #include "add.h" int add(int a, int b) { return a + b; } int sub(int a, int b) { return a - b; } src/main.cpp： #include <cstdio...
多线程编程基础
基础概念 多线程编程之前，先搞清楚几个基本概念：并发、并行、进程、线程、协程。它们经常被混用，但含义差别很大，而且这些差异最终都落在硬件层面。 并发与并行 并发（concurrency）指多个任务在同一时间段内交替推进——宏观上看它们"同时"在进行，微观上可能只有一个执行单元在轮流处理。并行（parallelism）指多个任务在同一时刻真正同时执行，这要求有多个执行单元（多个 CPU 核心）。 两者的关系可以用一个经典表述概括：并发是程序结构层面的性质，并行是执行层面的性质。一个程序可以设计成并发的（多个任务交替推进），但只有在多核机器上运行时才可能并行。 单核并发（时间片轮流）： CPU 核心: [任务A][任务B][任务A][任务B][任务A][任务B] ... └── 每个时刻只有 1 个任务在跑 ──┘ 双核并行： 核心 1: [任务A][任务A][任务A][任务A] ... 核心 2: [任务B][任务B][任务B][任务B] ... └── 同一时刻有 2 个任务在跑 ──┘ 注意：并发程序...
线程传参
需要预先学习： 多线程编程基础 传参的本质：构造时拷贝 std::thread 的构造函数把实参按值拷贝（或移动）到线程内部，然后在线程入口函数中使用这些拷贝。这一点决定了传参的大部分规则： #include <iostream> #include <thread> void print(int n) { std::cout << n << std::endl; } int main() { int a = 100; std::thread t(print, a); // a 被拷贝一份传给线程, 线程内部用的是副本 a = 200; // 修改主线程的 a, 不影响线程内的副本 t.join(); return 0; } 输出 100 而不是 200——线程拿到的是构造时的副本。参数在 std::thread 构造的那一刻就被拷贝/移动了，之后主线程再怎么改原变量，线程内部都不受影响。 注：拷贝发...
数据共享问题与锁
需要预先学习： 多线程编程基础 数据竞争：共享数据的问题 多线程共享内存是优势，也是问题的源头。当两个或多个线程同时访问同一内存位置，且至少有一个是写操作，就构成数据竞争（data race）。C++ 标准规定数据竞争是未定义行为（UB）：程序可能输出任何结果，可能崩溃，也可能"碰巧正确"。 看一个经典例子——两个线程各做 100 万次 counter++： #include <iostream> #include <thread> int counter = 0; void add() { for (int i = 0; i < 1000000; ++i) { ++counter; // 数据竞争: 两个线程同时读写 counter } } int main() { std::thread t1(add); std::thread t2(add); t1.join(); t2.join();...
多线程编程进阶
需要预先学习： 多线程编程基础 数据共享问题与锁 线程间通信的问题 锁解决了"互斥"（同一时刻只有一个线程进临界区），但没解决"等待"：线程 A 要等线程 B 完成某件事（比如数据准备好了）才能继续，A 应该怎么等？ 忙等：while (!ready) {} 死循环空转，浪费 CPU，还带来数据竞争 轮询：while (!ready) { sleep(1ms); } 浪费少些，但有延迟，且 ready 的读写仍要同步 这两种方案都不优雅。标准答案有两个：条件变量（等待"事件"）和 future/promise（等待"结果"）。本篇文章围绕它们展开，最后实现一个线程池。 条件变量 std::condition_variable 条件变量（condition variable）让线程阻塞等待某个条件成立，由其他线程唤醒它。它必须配合 std::unique_lock（和一把互斥量）使用。 核心 API： 函数 行为 wait(lock) 阻塞，并自动解锁；被唤醒后...
原子操作
需要预先学习： 多线程编程基础 数据共享问题与锁 为什么要原子操作 回顾《数据共享问题与锁》中的计数器例子：两个线程各执行 100 万次 ++counter，结果不是 200 万。原因是 ++counter 在底层是"读 → 加 → 写"三步，两个线程的三步交错执行，更新互相覆盖。 用互斥锁可以解决，但代价不小：lock() 通常涉及系统调用（竞争时线程睡眠/唤醒）、缓存行失效、上下文切换。如果只是"把一个变量加 1"这种简单操作，锁是杀鸡用牛刀。 原子操作（atomic operation）就是答案：不可分割的操作——要么完整执行，要么完全不执行，中间不可能被其他线程插入。x = 1 这类单条机器指令天然是原子的；而"读-改-写"这类多步操作，需要硬件提供特殊指令（如 x86 的 lock 前缀指令）保证原子性。 std::atomic<T> 把这种能力封装成标准库类型。用它改写计数器： #include <atomic> #include <iostream> #incl...
