关于C++的一些思考和总结

        最近一年半的时间，因为工作内容切换的缘故（从Infrastructure切换到DL和CV），开始大量使用C++作为开发工具。这一年多也花了不少时间在机器学习和算法的学习补充和积累上，也没有太多时间深入编程语言领域。年底了，忙里偷闲，这块的功课也可以做一个总结了。

       开始工作的很长时间都是使用C语言，刚开始使用C++的时候很不习惯。正式接触是rocskdb这个项目，代码只是外围的接口和调用部分，写的代码基本都是C语言风格的C++。刚开始意识到C++的特性是一个泛型问题，大致是这样的：封装rocksdb的api实现redis的多个类，一个数据结构一个类，现在需要针对这个多个类实现一个迭代器；如果用C++的泛型，只需要用一个泛型类即可。开始的时候对模板元变成不太熟悉，索性用到的类型也不多，用了比较丑陋的方法完成的任务。不过这个问题也意识到C++泛型的强大。

       真正大量使用C++是opencv相关的开发。初步的感觉有那么几点：

       1. 调用C++的api进行面向对象编程做业务逻辑的话，跟java等其他语言类似，都是比较方便，不像C语言这么原始。

       2.C++的std库还是提供了不少容器类，相对于C语言用起来方便。因为C语言本身不提供容器，类似的功能一般大型公司会自己实现一套池化的数据结构，这样的话如果换一个开发框架，就要重新学习。

       3.C++的面向对象和多态也比较重要，方便抽象接口，比如opencv里面，一个功能（比如目标跟踪、检测）可能有多重不同算法实现，这是非常常见的。

       以上节点还是比较容易上手和熟悉起来的。后面继续深入遇，就遇到了一些困难。主要的问题还是对C++对资源管理的处理方式，不太习惯。C++高手讲究的是智能指针，资源不要手工释放，而是显示申请隐式释放；声明一个对象就会创建资源，申请资源的构造函数需要作者自己编写，所以说是显示；对象作用域结束，析构函数自动释放资源，通过智能指针的方式，编译器生成释放的代码而不用自己手写，这里又是隐式；同时涉及到容器问题，还经常有移动构造，这个在rust语言里面叫所有权转移。这种资源管理的风格，跟C语言的风格（纯手工）完全不同，C里面所有对资源的管理都是讲究手工申请和手工释放；跟java之类带GC语言也完全不同，java是纯自动。手工写代码工作量大，忘记释放就会内存泄漏，但是这也足够灵活，对释放的时机没过多要求，不同对象之间没有太多耦合。C++的智能指针还是坑比较大，用起来方便，想用好不容易，对于对象之间的耦合关系要提前规划好。

       C++强大的地方就是灵活，灵活这个词贬义的方面就是杂糅，不统一。可以把C++当C语言这样来写，new，指针，全局变量乱飞；但显然这不是C++作者所喜欢的风格。实现一个高性能的C++的框架对编程者的要求还是很高的。以opencv为例，opencv有不少学术界参与者，学术界参与者的关注点不在代码质量上，不同作者自身的编程水平也有差别，所以最终的代码质量也会参差不齐。笔者优化了一个KCF算法的代码（目标跟踪算法），把方法中的临时变量全部改为了类成员，性能竟然有20%多的提升。opencv对线性代数的支持很全，有些openblas里面没有的opencv都有，问题是性能均表现不佳。

       无论如何代码质量如何，对于opencv这样一个非常复杂的、大型的视觉算法库来说，使用C++还是首选。再一个感觉，现在对于C++ 11用起来还比较顺手，再后面的FP的确还很不习惯。调试中偶尔遇到过mxnet这种重度使用FP的框架来，感觉C++的FP让代码可读性变得很差。

       一点小的吐槽，C++但是对应用的友好度还是差了点，虽然现代C++已经有了json toml 等开源的库可以用，不过好像找一个http client，应为版本兼容性问题导致我后来用了个C语言的http client。json的c++库也要求gcc版本比较高，导致我在centos 7上无法编译，还好现在有docker。当然C++标准库功能不是很全，也有另外一个原因就是，那就是很多C语言有的东西，特别lib C API，C++标准库就不支持了。个人习惯还是觉得混合编程不太习惯，如果写C++，最好不要出现C里面NULL这种东西。

      如果做深度学习、机器学习相关的技术落地项目，C++还是绕不过的一个槛。现在比较流行的深度学习框架都是C++实现算子，用python分装出来api给算法工程师来写训练的代码。如果是在云端，似乎出来做底层框架的人之外并不需要C++。当时如果在终端设备或者边缘设备上讲究性能的地方，恐怕还是绕不开C++。