在開發C++程序時，一般在吞吐量、並發、實時性上有較高的要求。設計C++程序時，總結起來可以從如下幾點提高效率：
- l 並發
- l 異步
- l 緩存
下面將我平常工作中遇到一些問題例舉一二，其設計思想無非以上三點。
1任務隊列
1.1 以生產者-消費者模型設計任務隊列
生產者-消費者模型是人們非常熟悉的模型，比如在某個服務器程序中，當User數據被邏輯模塊修改后，就產生一個更新數據庫的任務（produce），投遞給IO模塊任務隊列，IO模塊從任務隊列中取出任務執行sql操作（consume）。
設計通用的任務隊列，示例代碼如下：
詳細實現可參見：
http://ffown.googlecode.com/svn/trunk/fflib/include/detail/task_queue_impl.h
void
task_queue_t::produce(
const
task_t& task_) {
lock_guard_t lock(m_mutex);
if
(m_tasklist->empty()){
//! 條件滿足喚醒等待線程
m_cond.
signal
();
}
m_tasklist->push_back(task_);
}
int
task_queue_t::comsume(task_t& task_){
lock_guard_t lock(m_mutex);
while
(m_tasklist->empty())
//! 當沒有作業時，就等待直到條件滿足被喚醒{
if
(
false
== m_flag){
return
-1;
}
m_cond.wait();
}
task_ = m_tasklist->front();
m_tasklist->pop_front();
return
0;
}
|
1.2 任務隊列使用技巧
1.2.1 IO 與 邏輯分離
比如網絡游戲服務器程序中，網絡模塊收到消息包，投遞給邏輯層后立即返回，繼續接受下一個消息包。邏輯線程在一個沒有io操作的環境下運行，以保障實時性。示例：
void
handle_xx_msg(
long
uid,
const
xx_msg_t& msg){
logic_task_queue->post(boost::bind(&servie_t::proces, uid, msg));
}
|
注意，此模式下為單任務隊列，每個任務隊列單線程。
1.2.2 並行流水線
上面的只是完成了io 和 cpu運算的並行，而cpu中邏輯操作是串行的。在某些場合，cpu邏輯運算部分也可實現並行，如游戲中用戶A種菜和B種菜兩種操作是完全可以並行的，因為兩個操作沒有共享數據。最簡單的方式是A、B相關的操作被分配到不同的任務隊列中。示例如下：
void
handle_xx_msg(
long
uid,
const
xx_msg_t& msg) {
logic_task_queue_array[uid %
sizeof
(logic_task_queue_array)]->post(
boost::bind(&servie_t::proces, uid, msg));
}
|
注意，此模式下為多任務隊列，每個任務隊列單線程。
1.2.3 連接池與異步回調
比如邏輯Service模塊需要數據庫模塊異步載入用戶數據，並做后續處理計算。而數據庫模塊擁有一個固定連接數的連接池，當執行SQL的任務到來時，選擇一個空閑的連接，執行SQL，並把SQL 通過回調函數傳遞給邏輯層。其步驟如下：
- n 預先分配好線程池，每個線程創建一個連接到數據庫的連接
- n 為數據庫模塊創建一個任務隊列，所有線程都是這個任務隊列的消費者
- n 邏輯層想數據庫模塊投遞sql執行任務，同時傳遞一個回調函數來接受sql執行結果
示例如下：
void
db_t:load(
long
uid_, boost::function<
void
(user_data_t&) func_){
//! sql execute, construct user_data_t user
func_(user)
}
void
process_user_data_loaded(user_data_t&){
//! todo something
}
db_task_queue->post(boost::bind(&db_t:load, uid, func));
|
注意，此模式下為單任務隊列，每個任務隊列多線程。
2. 日志
本文主要講C++多線程編程，日志系統不是為了提高程序效率，但是在程序調試、運行期排錯上，日志是無可替代的工具，相信開發后台程序的朋友都會使用日志。常見的日志使用方式有如下幾種：
- n 流式，如logstream << "start servie time[%d]" << time(0) << " app name[%s]" << app_string.c_str() << endl;
- n Printf 格式如：logtrace(LOG_MODULE, "start servie time[%d] app name[%s]", time(0), app_string.c_str());
二者各有優缺點，流式是線程安全的，printf格式格式化字符串會更直接，但缺點是線程不安全，如果把app_string.c_str() 換成app_string （std::string），編譯被通過，但是運行期會crash（如果運氣好每次都crash，運氣不好偶爾會crash）。我個人鍾愛printf風格，可以做如下改進：
- l 增加線程安全，利用C++模板的traits機制，可以實現線程安全。示例：
template
<
typename
ARG1>
void
logtrace(
const
char
* module,
const
char
* fmt, ARG1 arg1){
boost::format s(fmt);
f % arg1;
}
|
這樣，除了標准類型+std::string 傳入其他類型將編譯不能通過。這里只列舉了一個參數的例子，可以重載該版本支持更多參數，如果你願意，可以支持9個參數或更多。
- l 為日志增加顏色，在printf中加入控制字符，可以再屏幕終端上顯示顏色，Linux下示例：printf("\033[32;49;1m [DONE] \033[39;49;0m")
更多顏色方案參見：
http://hi.baidu.com/jiemnij/blog/item/d95df8c28ac2815cb219a80e.html
- l 每個線程啟動時，都應該用日志打印該線程負責什么功能。這樣，程序跑起來的時候通過top –H – p pid 可以得知那個功能使用cpu的多少。實際上，我的每行日志都會打印線程id，此線程id非pthread_id，而其實是線程對應的系統分配的進程id號。
3. 性能監控
盡管已經有很多工具可以分析c++程序運行性能，但是其大部分還是運行在程序debug階段。我們需要一種手段在debug和release階段都能監控程序，一方面得知程序瓶頸之所在，一方面盡早發現哪些組件在運行期出現了異常。
通常都是使用gettimeofday 來計算某個函數開銷，可以精確到微妙。可以利用C++的確定性析構，非常方便的實現獲取函數開銷的小工具,示例如下
struct profiler{
profiler(const char* func_name){
gettimeofday(&tv, NULL);
m_func_name=func_name;
}
~profiler(){
struct timeval tv2;
gettimeofday(&tv2, NULL);
long cost = (tv.tv_sec - tv.tv_sec) * 1000000 + (tv.tv_usec - tv.tv_usec);
//! post to some manager
}
struct timeval tv;
const char * m_func_name;
};
#define PROFILER() profiler ____profiler_instance##__LINE__(__FUNCTION__)
Cost 應該被投遞到性能統計管理器中，該管理器定時講性能統計數據輸出到文件中。
4 Lambda 編程
使用foreach 代替迭代器
很多編程語言已經內建了foreach，但是c++還沒有。所以建議自己在需要遍歷容器的地方編寫foreach函數。習慣函數式編程的人應該會非常鍾情使用foreach，使用foreach的好處多多少少有些，如：
http://www.cnblogs.com/chsword/archive/2007/09/28/910011.html
但主要是編程哲學上層面的。
示例：
void
user_mgr_t::foreach(boost::function<
void
(user_t&)> func_){
for
(iterator it = m_users.begin(); it != m_users.end() ++it){
func_(it->second);
}
}
|
比如要實現dump 接口，不需要重寫關於迭代器的代碼
void
user_mgr_t:dump(){
struct
lambda {
static
void
print(user_t& user){
//! print(tostring(user);
}
};
this
->foreach(lambda::print);
}
|
實際上，上面的代碼變通的生成了匿名函數，如果是c++ 11 標准的編譯器，本可以寫的更簡潔一些：
this->foreach([](user_t& user) {} );
但是我大部分時間編寫的程序都要運行在centos 上，你知道嗎它的gcc版本是gcc 4.1.2， 所以大部分時間我都是用變通的方式使用lambda函數。
Lambda 函數結合任務隊列實現異步
常見的使用任務隊列實現異步的代碼如下：
void
service_t:async_update_user(
long
uid){
task_queue->post(boost::bind(&service_t:sync_update_user_impl,
this
, uid));
}
void
service_t:sync_update_user_impl(
long
uid){
user_t& user = get_user(uid);
user.update()
}
|
這樣做的缺點是，一個接口要響應的寫兩遍函數，如果一個函數的參數變了，那么另一個參數也要跟着改動。並且代碼也不是很美觀。使用lambda可以讓異步看起來更直觀，仿佛就是在接口函數中立刻完成一樣。示例代碼：
void
service_t:async_update_user(
long
uid){
struct
lambda {
static
void
update_user_impl(service_t* servie,
long
uid){
user_t& user = servie->get_user(uid);
user.update();
}
};
task_queue->post(boost::bind(&lambda:update_user_impl,
this
, uid));
}
|
這樣當要改動該接口時，直接在該接口內修改代碼，非常直觀。
5. 奇技淫巧
利用shared_ptr 實現map/reduce
Map/reduce的語義是先將任務划分為多個任務，投遞到多個worker中並發執行，其產生的結果經reduce匯總后生成最終的結果。Shared_ptr的語義是什么呢？當最后一個shared_ptr析構時，將會調用托管對象的析構函數。語義和map/reduce過程非常相近。我們只需自己實現講請求划分多個任務即可。示例過程如下：
- l 定義請求托管對象，加入我們需要在10個文件中搜索“oh nice”字符串出現的次數，定義托管結構體如下：
struct
reducer{
void
set_result(
int
index,
long
result) {
m_result[index] = result;
}
~reducer(){
long
total = 0;
for
(
int
i = 0; i <
sizeof
(m_result); ++i){
total += m_result[i];
}
//! post total to somewhere
}
long
m_result[10];
};
|
- l 定義執行任務的 worker
void
worker_t:exe(
int
index_, shared_ptr<reducer> ret) {
ret->set_result(index, 100);
}
|
- l 將任務分割后，投遞給不同的worker
shared_ptr<reducer> ret(
new
reducer());
for
(
int
i = 0; i < 10; ++i)
{
task_queue[i]->post(boost::bind(&worker_t:exe, i, ret));
}
|