本文探讨了编译器如何判断函数是否适合内联以及手动添加 inline 的影响。通过ToplingDB分布式Compact的序列化框架优化案例，阐述了如何利用inline、StreamBuffer和typetraits提高性能。优化技术包括选择性地使用inline，抛弃C++标准流，以及识别可memcpy的类。实践结果显示，这些优化可以显著提升复杂类型的数据处理速度。
编译器的 inline 是为了让程序员与编译器互相配合，改善性能的机制，编译器确实可以判断函数是否适合 inline，最简单的例如 getter/setter。然而，inline 是否比不 inline 更好，这中间是有模糊地带的，这就需要一些规则和阈值。对于现代的编译器，我们主动加了 inline，编译器大概只会更改那些 inline 规则中的相应阈值。
然而，实际上在很多时候，我们可以精心地编码，让编译器能更好地进行 inline，让 inline 的效果更好。我这里有一个典型的范例：
ToplingDB 的 分布式 Compact中 Client-Server 交互，使用了topling-zip中的序列化框架，该序列化框架初版完成于 2006 年，后来命名为 febird 库在 google code 上开源，再后来 google code 停止服务，febird 迁移到 github，有段时间重命名为 nark，之后重命名为
最低0.47元/天 解锁文章
扫一扫
1153
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
