《C++0x漫谈》系列之：Auto的故事
By 刘未鹏(pongba)
C++的罗浮宫(http://blog.csdn.net/pongba)
《C++0x漫谈》系列导言
这个系列其实早就想写了，断断续续关注C++0x也大约有两年余了，其间看着各个重要proposals一路review过来：rvalue-references，concepts，memory-model，variadic-templates，template-aliases，auto/decltype，GC，initializer-lists…
总的来说C++09跟C++98相比的变化是极其重大的。这个变化体现在三个方面，一个是形式上的变化，即在编码形式层面的支持，也就是对应我们所谓的编程范式(paradigm)。C++09不会引入新的编程范式，但在对泛型编程（GP）这个范式的支持上会得到质的提高：concepts，variadic-templates，auto/decltype，template-aliases，initializer-lists皆属于这类特性。另一个是内在的变化，即并非代码组织表达方面的，memory-model，GC属于这一类。最后一个是既有形式又有内在的，r-value references属于这类。
这个系列如果能够写下去，会陆续将C++09的新特性介绍出来。鉴于已经有许多牛人写了很多很好的tutor（这里，这里，还有C++标准主页上的一些introductive的proposals，如这里，此外C++社群中老当益壮的Lawrence Crowl也在google做了非常漂亮的talk）。所以我就不作重复劳动了:)，我会尽量从一个宏观的层面，如特性引入的动机，特性引入过程中经历的修改，特性本身的最具代表性的使用场景，特性对编程范式的影响等方面进行介绍。至于细节，大家可以见每篇介绍末尾的延伸阅读。
Auto
上次说到，这次要说的是auto。此auto非彼auto，大家知道C++中原本是有一个auto关键字的，此关键字的作用是声明具有automatic（自动）存储期的局部变量，但跟register关键字一样，它也是个被打入了冷宫的关键字，因为C++里面的（非静态）局部变量本身就是auto的，无需多用一个auto来声明。
然而，阴差阳错的，auto在C++09中获得了新生。
问题
#1
还记得有多少次你对着这样的代码咬牙切齿的？
for(std::vector<int>::iterator iter = cont.begin(); iter != cont.end(); ++iter) {
// …
}
你根本不关心cont.begin()返回的具体类型是什么，你知道它肯定是一个迭代器。所以你其实想写的是：
for(?? iter = cont.begin(); iter != cont.end(); ++iter) {
// …
}
“??”处填入适当的东西。
况且，显式写出std::vector<int>::iterator还有一个坏处，就是当你将cont的类型从vector改为list的时候，这个类型也需要相应改变。简而言之，就是违背了所谓的DRY原则（或TAOUP中所谓的SPOT原则）：同一份信息在代码中应该有一个单一的存放点。违反DRY原则被认为是很严重的问题，一份信息如果存放在两处地方，维护的负担就会增加一倍，修改一处便需要同时修改另一处；有人甚至提出代码中重复成分跟代码的糟糕程度是成正比关系的，不无道理。
有些书当中会建议你使用typedef来解决上面这个问题：
typedef std::vector<int>::iterator iter_t;
然后将使用std::vector<int>::iterator的地方全都改用iter_t。这样当你修改cont类型的时候，只需修改typedef一处即可。但typedef的坏处在于，你总归还是要写一个typedef，这个typedef的唯一作用便是为声明iter的地方提供类型，严格来说，这个typedef只是一个蹩脚的workaround。而且，此外这个typedef中仍然还是重复了std::vector<int>这一信息，为了去掉这一信息，又需要引入一个typedef：
typedef std::vector<int> cont_t;
typedef cont_t::iterator iter_t;
cont_t cont;
for(iter_t iter = cont.begin(); … ) {
// …
}
显然，这种做法很臃肿，并没有达到KISS标准。
另一方面，在许多脚本语言中，变量是没有类型的，我们只要写形如：
iter = cont.begin()
就行了。
很显然，在这个问题上，C++的类型系统给我们带来了麻烦。一门语言应该让我们可以不去关心根本不用关心的东西，将精力放在真正要做的事情上面，在这个例子中我们根本不关心cont.begin()返回的东西的具体类型是什么，我们只关心它能做什么（一个迭代器）。
#2
还有一次，我在使用boost.lexical_cast库，我写下：
std::string s = boost::lexical_cast<std::string>(i);
这里，std::string出现了两次，我明明已经告诉编译器我想把i转换为string了，却还要给s一个string类型——s的类型当然肯定是string了这还用说吗？除了白白磨损键盘之外，如果我后来要把i转换成其它类型的话，便要修改两处地方。
同一个项目中，我使用了boost.program_options：
unsigned long num_labels = vm["num-labels"].as<unsigned long>();
这跟上面的代码是同样的问题，unsingned long出现了两次。
#3
但所有这些都不是最严重的，因为毕竟你还知道返回类型是什么：你知道cont.begin()返回的是std::vector<int>::iterator，你知道lexical_cast<string>返回的是string，但是你知道：
_1 + _2
返回的是什么吗？
_1和_2是boost.lambda中的预定义变量，“_1+_2”的功能是创建一个匿名的二元函数，它的作用是将两个参数相加然后返回相加的结果，相当于：
unspecified lambda_f(unspecified _1, unspecified _2) { return _1 + _2; }
此处unspecified表示类型不确定，可以是int、long、等任何支持“+”的类型。boost.lambda通过一大堆元编程技巧来实现了这个功能。那么_1 + _2的类型到底是什么呢？
lambda_functor<
lambda_functor_base<
arithmetic_action<plus_action>,
tuple<
lambda_functor<placeholder<1>>,
lambda_functor<placeholder<2>>
>
>
> lambda_f = _1 + _2;
int i = 1, j = 2;
cout << lambda_f(i, j);
而且，这还只是boost.lambda最简单的表达式。
（不完美的）解决方案
对于#1，解决方案可以是std::for_each：
std::for_each(cont.begin(), cont.end(), op);
这就避免了每次声明std::vector<int>::iterator iter之苦，也不用显式iter++了。然而，缺乏语言内建的lambda表达式支持，std::for_each只能说是鸡肋。每次使用的时候都要跑到函数外面定义一个仿函数类（就算这个仿函数的逻辑只有一行，也要人模人样的写一个class定义出来），你说累不累啊？
在编码时，信息的局部性是很重要的，好的编码规范建议你在真正使用到一个变量的时候再去声明它，这样一个变量的声明点就紧紧靠在它的使用点上，一目了然（另外一个好处是有可能代码分支根本就执行不到这个变量声明点上，从而省去构造/析构该变量的开销），反之，另一种风格就是把所有（可能用到）的变量一股脑儿全都声明在函数的一开始，这个做法的问题是潜在开销以及可维护性负担。一个长达千行的函数，当我在后面看到某个变量，想看看它是什么类型的时候（变量的类型往往也能提供有用的信息），往上翻了老半天才找到（当然，有IDE的查找支持会好一些，但对象的构造析构开销依然存在）。
对于这里的仿函数op来说，对代码阅读者构成的影响是，读代码者必须转到op的类型的定义处（很可能要往上翻页才行）才能看到其逻辑是怎样的。此外，就算有IDE智能提示，op的问题还在于，如果它是state-ful的仿函数（即带有成员数据），就必须在构造函数里面把数据传进去，很麻烦。
（lambda function（也叫closure）的支持是另一个主题，我们下次讨论）
那么有没有更好的办法呢？不用写functor class如何？可以。
BOOST_FOREACH(int i, cont) {
// …
}
许多语言都内建了foreach，可见其重要性（本来循环就是编码活动中最常见的控制结构之一）。然而，foreach比之经典的for的能力从根本上却削弱了。foreach的循环是隐式的，每重循环我们只能看到这重特定循环访问到的那个数据i。而for循环是显式的，你不仅可以看到i，还可以看到迭代器当前所在的位置，之前之后的位置。比如说，在foreach里面，你不可能“记录下前一个位置”。
话说回来，foreach还是很有用的。尤其是当我们的逻辑是“对一个序列中的每个元素挨个做某件事情”的时候，使用foreach能够不多不少不肥不瘦的精确表达我们的意思，正所谓as simple as possible, but not simpler。
然而，这个方案毕竟只能解决for循环的问题，而且还要面临foreach的限制性。如果我仅仅只是要声明一个iter呢？
?? iter = cont.begin();
Andrew Koenig早在2002年的时候就在CUJ上发表了一篇文章——“Naming Unknown Types”，描述了对付这一问题的若干种方法：其中之一就是利用typeof，不过typeof毕竟不是语言支持的，只有部分编译器支持，而且typeof的问题在于，容易吸引人违反DRY，比如上面这个，如果写成：
typeof(cont.begin()) iter = cont.begin();
很明显罗嗦得一塌糊涂。还不如std::vector<int>::iterator呢。而且typeof也只能推导出一个表达式的类型，并不能提取任何我们想要的类型，比如我们想要一个函数f的第二个参数的类型，就不能用typeof。这些原因也是C++98不肯支持typeof的原因（不过时隔十年，typeof终究还是要进入C++，因为泛型编程的需要早就超出了当年语言设计者的预期，这是后话，等到讲decltype的时候再提）。
那么怎么办呢？Koenig提供了另一个办法——辅助函数。因为在C++中，函数模板具有自动推导出参数类型的功能，所以：
template<typename T>
void aux(T iter);
aux(cont.begin());
这个方案很显然太差了，Koenig也只是拿来当反面教材而已。aux的参数iter的作用域根本就超不出aux的定义，所以与声明一个局部变量iter有本质的差异。
type-erase
type-erase是一项看上去很fancy而且也的确实用的技术。对于像C++这样的静态语言来说，type-erase带来了实质性的差异。拿上面#3来说，_1+_2的类型非常复杂，乃至于手动声明它根本是不可行的，那怎么办呢？除了立即把_1 + _2传给一个函数模板，如：
std::transform(cont1.begin(), cont1.end(), cont2.begin(), cont3.begin(), _1 + _2);
之外，就没有其它办法能够将它“暂存”到一个变量中吗？有的。type-erase使之成为可能：
boost::function<int(int, int)> f = _1 + _2;
但这里也有一个问题，一旦赋给boost::function<int(int, int)>之后，_1 + _2便“坍缩”为一个只能将两个int相加的仿函数了。不管你在boost::function<...>的尖括号内填什么，_1 + _2都会不可避免的坍缩。
（对boost::function如何实现这一点有兴趣的话，可以参考我以前写的boost源码剖析之：boost::function，也可以参考《C++ Template Metaprogramming》里面的type-erase一节（但注意，内有元编程慎入））
显然，这个方案也并非完美。
害羞的类型推导系统
在Haskell里面，一个被广为赞誉的特性就是type inference。本来type inference是一个挺简单的东西，任何静态语言，从某种程度上，都必须跟踪表达式的类型。然而由于haskell把这一点在语言层面暴露得实在太好，所以type inference竟成了一个buzz word。C++自有模板开始就支持type inference，模板参数推导正是其体现。然而可惜的是，C++的类型推导系统非常害羞，明明可以推导出一切表达式的类型，却偏偏犹抱琵琶半遮面，为什么这么说呢？
大家都知道sizeof能够获取任何表达式的结果的大小：
sizeof(/*arbitrarily complex expression*/)
而要知道一个对象的大小，就必须先要知道其类型。因此，C++的语言引擎是完全能够推导出任何表达式的结果类型的。可以说，sizeof背后隐藏了一整个类型推导系统。MCD里面也正是通过这个sizeof实现了一系列的技巧，从此打开了潘朵拉的魔盒。boost.typeof更是无所不用其极，居然通过sizeof和一系列的元编程技巧实现了一个模拟的typeof操作符。
话说回来，虽然C++明明能够推导任何表达式的类型，然而语言层面却硬是不肯开放typeof接口，搞得元编程的老大们费尽了心思，吐出五十两血来才搞定一个还不能算完美的typeof。
早该如此——auto涅磐
既然
template<typename T>
void f(T t);
能够推导出它的参数类型，而不管其实参是多么复杂的表达式。那么要语言级别支持：
?? iter = cont.begin();
其实根本不用费任何劲。只要合成出一个函数模板：
template<typename T>
void f(T iter);
然后利用现成的模板参数推导，便可以推导出iter的类型了，一旦有了iter的类型，声明iter也就有着落了。所以剩下的问题就是纯粹语法上的了，即“??”处用什么为占位符好呢？什么都不用不行，因为iter = cont.begin()在C++里面是赋值语句，跟变量定义语句还是有区别的，C#里面早就加入了var关键字就是为这个目的，C++里面var估计早被用烂了。而auto刚好废物利用，auto也正好符合“自动”推导类型这么个意思，于是一个愿打一个愿挨，就这么凑活上了:-)
以上，就是C++09中auto的故事。
延伸阅读
没有延伸阅读，这么简单的特性还要延伸阅读吗？:)
下期预告
本来这篇是要写lambda function的，因为最近scott meyers在On Software的一个访谈里提到他认为C++09最有用的特性不是concept而是lambda。所以…
等不及的可以先看这里、这里，这两个提案。也可以到g9老大的blog上看这里、这里对java中的lambda function（java里叫closure）的讨论，和对javascript里的。或者OCaml.cn上的这里。或者java closure的主要实现者的blog。
--
我的讨论组
TopLanguage
发表于 @ 2007年09月07日 15:20:00|评论(loading...)