能在编码时做的事，就不要推迟到运行时_C++教程

上一篇: 算法学习笔记一、时空复杂度下一篇:一个野生程序员的成长

能在编码时做的事，就不要推迟到运行时

发布时间：2019-06-17 发布网站：脚本宝典

脚本宝典收集整理的这篇文章主要介绍了能在编码时做的事，就不要推迟到运行时，脚本宝典觉得挺不错的，现在分享给大家，也给大家做个参考。

TL.DR
@H_406_3@软件是一个巨大的有限状态机。工程师日常做的bug修复、性能调优，本质上就是尽可能保证代码处于有序状态下。
不论OC还是Swift，都拥有强大的编译器作为辅助。尽可能多地将状态固定在编码时，就就减少了运行期的状态，使得软件的状态总数减少了。
状态总数少了，错误就少了，性能也就提升了。
Case 1：OC Runtime的Non fragile ivars

这个例子的关键点是性能。
OC为了做到ABI兼容，改变了C、C++以来对象的内存结构，每个成员变量都需要两次寻址才能访问到。比如要获取obj的第n个变量的偏移地址，就要

      
      
      VARs->First)[N]->offset);" tITle="" data-original-title="复制">
      
      
*((&amp;obj->isa.cls->data()->ro->ivars->first)[N]->offset);
看起来就慢爆了。
在实现上，LLVM为每个类的每个成员变量都分配了一个全局变量，用于存储该成员变量的偏移值。这样，访问每个变量需要两次寻址，先获取全局变量，再取全局变量的值作为地址找到真正的变量。
编译后的

      
      
      
      
      
obj->;myInt = 42;
对应于如下的简单c语言代码

      
      
      
      
      
int32_t g_ivar_MyClass_myInt = 40;  // 全局变量
*(int32_t *)((uint8_t *)obj + g_ivar_MyClass_myInt) = 42;
这就是为什么ivar_t.offset用int指针来存储偏移值，而不是直接放一个int的原因。

      
      
      
      
      
struct ivar_t {
    int32_t *offset;  //注意，这里是指针
    const char *name;
    const char *tyPE;
    
    //...
}
真正存放偏移值的地址是固定不变的，在编译时就确定了下来。因此才能用区区2条指令搞定动态布局的成员变量。
Case 2：矩阵相乘
这个例子的关键点是减少错误。

如图所示，要保证第一个矩阵中的列数必须与第二个矩阵中的行数相同。简单的做法是做运行时检查

      
      
      PRecondition(m1.columns == m2.rows)
  
  // bunch of math...
}" title="" data-original-title="复制">
      
      
struct Matrix {
  let rows: Int
  let columns: Int
}

func multiply(m1: Matrix, _ m2: Matrix) -> Matrix? {
  // do the matrices have the correct sizes?
  precondition(m1.columns == m2.rows)
  
  // bunch of math...
}
更好的做法是在编码时，就不允许出现行列不等的情况

      
      
      static var Size: Int { get set }
}

func multiply
             (m1: Matrix, _ m2: Matrix) -> Matrix {
  // bunch of math...
  return Matrix()
}" title="" data-original-title="复制">
      
      
protocol Dimension {
  static var size: Int { get set }
}

func multiply<U: Dimension, V: Dimension, W: Dimension>
             (m1: Matrix<U,V>, _ m2: Matrix<V,W>) -> Matrix<U,W> {
  // bunch of math...
  return Matrix<U,W>()
}
运行结果

      
      
      let A = Matrix()
let B = Matrix()

let C = multiply(A, B)   // yay!

let D = multiply(B, A)   // compiler error" title="" data-original-title="复制">
      
      
struct NumExamples: Dimension { static var size = 20 }
struct NumFeatures: Dimension { static var size = 10 }
struct OneDimensional: Dimension { static var size = 1 }

let A = Matrix<NumExamples, NumFeatures>()
let B = Matrix<NumFeatures, OneDimensional>()

let C = multiply(A, B)   // yay!

let D = multiply(B, A)   // compiler error
完整的优化过程不在本文的讨论范围内，感兴趣的可以看这里。
参考链接
objc explain: Non-fragile ivars
Dynamic ivars: solving a fragile base class problem
编程世界的熵增原理