C++关键问题指导

“磨刀不误砍柴工”这句老话用在C++身上是再合适不过了。如果把C++比喻成一把刀，那么它会是一把材质和形状都非常好的刀——只是没有开锋。所以我们要“磨刀”。
C++这把刀材质坚硬，强度也高，或许还进行过表面处理。那自然很难磨，费时费力。不过，一旦磨好，便锋利无比，持久耐用。这还是值得的。
C++的“磨刀”实际上就是开发库，各种可能的库，从基础库开始，到各类应用库。库越多，刀磨得越快。当然了，开发库是有代价的。需要花时间，花精力，以及无限的耐心。
此时，我们便需要做一些估计和四则运算，以便选择如何磨这把刀。
最关键的因素，是某件工作被重复的次数，或者近似的工作的数量。某件工作被重复的次数的含义很明显，如果一再重复自己已经做过的事，明显是愚蠢的行为。“copy-paste神功”利用源代码的可复制性，很容易地避免了重复编码。但是，这也只是稍稍“不那么愚蠢”而已。
当这些被重复的代码发生变化，那么，每一处paste的地方都需要被修改或替换。于是，聪明的人们发明了子程序、函数、类、继承、多态、模板等等五花八门的技术手段。目的便是消除这种“愚蠢”或“不那么愚蠢”的做法。一旦某件工作被做成子程序、函数、类、模板等，实际上便形成了一个库，只是库的应用范围有所差异而已。
相比之下，近似的工作的含义则复杂、含混得多。我们编码时，时常会发现某些工作具有不同程度的相似性。比如，我们写一个排序算法，用于int类型；下次写同样的排序算法，用于double类型；…。有多少需要排序的类型，就要写多少次算法。这些算法并非完全相同（在类型上有所差异），但其结构完全一样。由此，我们可以用一个泛型算法实现所有类型的排序（暂不考虑性能问题和类型concept需求）。
当然，并非所有的代码都具有如此高的相似性。代码的相似性越少，创建抽象的库代码的难度越大。所以，库是有限度的。综合考虑创建库的代价和效用，便可以指导我们是否建立库，或者如何建立库。
对于完全一模一样的代码重复，自不必说，只管做成库代码。因为做这些库代码的工作量，只比编写一次代码的工作量多那么一点。修改也是如此。
而对于相似的代码，情况则复杂得多。一般而言，如果这些相似代码仅有少量的出现，比如3、4处，通常没有必要创建相应的库代码。特别是这些相似代码的相似程度较小，或者代码复杂的时候。此时，创建库的代价很大，但获得的收益也仅有这么3、4处而已。
但必须指出的是，我们在考虑是否创建库时，还必须认真地考虑其他项目，或者未来项目中应用的可能性。如果是某个非常常用的功能，尽管在当前项目中只出现一次，考虑到未来其他项目的应用，也应当将其开发成库。
回到砍柴的比喻。一把没有开封的刀，在一定程度上也能砍下一些树枝，只是砍起来费劲些，也无法砍下较粗的树枝。如果我只需要砍那么几根枝丫，不需要很多，而且以后也不会再去砍柴。那么，一把钝刀也够用了。在这种情况下，如果还费劲地磨刀，着实是一种浪费。相反，如果我今天要砍一整担柴火，或者需要日复一日地砍柴。那么，我最好还是把刀磨磨好再说。
磨刀也有难有易。材质坚硬（俗称“钢火”好）的刀，磨起来费力。但更锋利，更耐用。材质较软的刀，尽管磨起来快。但要使其锋利和耐用，比较困难。（因为材质软的刀，在磨到一定程度后，刃口会向上卷起。如果再反过来磨，又会向反方向卷）。 [Page]
C++就属于那种材质坚硬的刀。（而且生产厂家出于成本考虑，也没有为其开锋）。于是，作为“职业砍柴人”，有必要好好地磨砺一下这把好刀。（当然啦，也有很多“职业砍柴人”转而使用那些容易磨，或者出厂时已经开锋的“软质刀”）。
磨刀也是有讲究的。（呵呵，我自认为在磨刀方面还是有那么一两手的）。越是硬的刀，越是不能急，一般需要循序渐进。为了不耽误柴火的产量，只能磨一点，用一点。一开始先用大角度，在锋口上磨出快口。尽管大角度的锋口不如小角度的来的锋利，但要比没开锋来得好。更重要的是，大角度锋口所花的时间要比小角度的少很多。由于我手中的是一把好刀，在砍柴的过程中，基本上不会有什么损耗。等到第二天，我再以小角度磨刀。同样，也不打算在第二天就全部搞定，继续用磨了一半的刀砍柴。经过第二天的磨砺，刀会比第一天好用些。然后第三天同第二天一样。以此类推，直到若干天后，刀完全磨好。此后，只需定期打磨一下，维持刀具的锋利即可。相比之下，那些软质的刀则需要更频繁地磨，以维持锋利程度。
好了，刀就磨到这里吧。我们来看看如何“磨”C++。这里就用一个现实的案例来加以说明吧。
现在很多应用软件，特别是MIS类软件，都需要访问数据库，然后把数据提取出来，进行进一步加工，或者直接显示在界面上。下面这样的代码，在软件中想必是随处可见的：
void OnQueryClicked()
{
DataConnection dc_(…);
Rowset rs_(dc_, “select … from …”);
int j(0);
m_resGrid.Clear();
m_resGrid.SetColNumber(rs_.ColNumber());
while(rs_.MoveNect())
{
for(int i=0; i{
m_resGrid.AddRow();
m_resGrid.Cells(j, i)=rs_.field(i);
}
++j;
}
}
很常规的代码。这里m_resGrid是一个界面上的Grid控件。同时也假定rs_已经采用字符串绑定，可以直接输出字符串。
现在，让我们发挥一下想象力，如果结果集rs_和Grid控件m_resGrid都支持标准STL容器的接口，事情会怎样？很简单，我们可以采用以下的方式重写上述代码：
void OnQueryClicked()
{
DataConnection dc_(…);
Rowset rs_(dc_, “select … from …”);
int j(0);
m_resGrid.Clear();
m_resGrid.SetColNumber(rs_.ColNumber());
std::transform(rs_.begin(), rs_.end(), std::back_inserter(m_resGrid), CopyRStoGrid());
}
明显简单多了，不是吗？不过有问题。这个transform仅仅替代了原来的外层循环，即那个while()。而内存循环，也就是rs_的Column上的循环还没有做。
解决的方法也不复杂，也就是CopyRStoGrid的作用：一个执行内循环的函数或函数对象即可：
struct CopyRStoGrid

[NextPage]

{
Grid::Row operator()(Rowset::Row const& row) {
Grid::Row gridRow_(row.FieldNum());
std::copy(rs_.begin(), rs_.end(), gridRow_.begin());
return gridRow_;
}
};
这个函数对象编写完成后，便可以一直使用，无需再写。所以，我们可以用一行代码代替原来的两个循环/五行代码（不算花括号）。这个好处看起来或许不算太大，但是考虑到软件中大量存在的结果集向显示控件的数据拷贝，这种差异积累起来就很可观了。 [Page]
另外一个问题是性能。std::transform()在性能上不会有太大的问题。问题在于CopyRStoGrid上。根据std::transform()的要求，operator()的返回值得是Grid::Row，而且是值返回。非平凡类型的值返回在性能方面是臭名昭著的。现代编译器通常会执行NRV优化，而且像CopyRStoGrid这样的简单函数对象，这种优化是可以得到保证的。即便是无法得到NRV优化，下面会提供一种更直接的优化方案。未来，可以利用C++09的右值引用彻底消除这类性能隐患。
结果集和Grid等控件STL化后，带来的好处不仅仅在于数据复制方面，在其他方面，比如数据过滤、删除、转换、查询、排序等等，都会带来大量的简化。在长时间地开发后，我们已经对循环，手工数据拷贝或转换、查询等等已经习以为常了。很多时候，我们一次又一次地编写一些隐性的算法。我经常看到有人用赤裸裸的循环，在一个Grid上查找某个特定的数据。（这些人也包括我自己）。我也不止一次地在文档中寻找某个控件、容器、或类上，是否有叫Find、Search之类名称的成员函数。相比之下，能够直接用find或find_if这样拥有唯一语义的算法，来查询数据，而不用考虑数据所在的类型，是一件多么惬意的事啊。
下一个问题便是：如何使结果集、界面控件等容器STL化。这便回到了本文的主题——磨刀。也就是做库。我们可以基于ODBC或OleDB开发完全STL化的数据库访问库。但是如此兴师动众，也不见得很划算。不错，磨刀当然是必要的，但是我们也还没有笨到去把一块钢锭磨成柴刀的份上。好歹可以从已经锻打成型的坯料开始嘛。
现有的很多数据库访问库都提供了很好的，很成熟的数据库访问组件。我们可以利用这些现成的库，在它们的基础上，使其STL化。具体的方法就是做适配器。实际上，所有的数据访问库所提供的结果集组件，都拥有一个容器最基本的特征。只是其接口还不能符合STL的标准。所以，我们只需增加一个中间层，将所有相关的接口转化成STL的形式即可：
class stl_rowset
{
public:
stl_rowset(CRecordset const& rs) : m_rs(rs) {}
…
iterator begin();
iterator end();
void push_back();
void insert();
…
private:
CRecordset&m_rs;
};
通过这样的适配器，我们便可以把一个结果集“打扮”成STL容器。于是，stl的那些标准算法，便可以直接使用了。这里的关键是迭代器。制作迭代器是一个比较费劲的事。而boost::iterator正好可以帮助我们快速方便地构建一个迭代器。
迭代器还为我们带来一个附加的好处。对于forward_only游标，可以采用Forward迭代器。对于其它类型的Scrollable游标，则可以采用radom迭代器。于是，当我打算在一个forward_only游标的结果集上做逆向操作时，迭代器便可以在编译时阻止我，让我得以在第一时间拦截这种错误。
同样，我们也可以针对界面控件，或其他任何类似容器的组件，创建相应的适配器。事实上，也已经有人这么做了。Matthew Wilson开发的STLSoft系列库便提供了针对不同平台系统的适配器，使得我们可以很方便地将标准算法用于界面或其他组件。
更进一步，我们还可以创建一些泛型适配器，使得一些具备共同接口的组件，可以共享一个适配器，而无需重复劳动。我在过去的一个帖子《强大的C++——千人一面》中，做过一番尝试（）。在现有的C++中还是比较麻烦的。将来，在C++09的Concept和Concept-Map的支援下，可以非常方便地实现这类泛型适配器。 [Page]
现在，我们回过头来，看一下前面提到的性能问题。由于我们创建了适配器，而且适配器是我们自己做的。所以，我们可以在适配器的value_type上做些手脚。STL规定，每个容器必须有一个typedef … value_type;。而这个类型则是迭代器的值的类型。我们可以这样定义这个类型：
class stl_grid
{
class stl_row
{
template stl_row(T const& v) {
copy_row(v, *this);
}
template stl_row& operator=(T const& v) {
copy_row(v, *this);
}
typedef stl_row value_type;
…
}
…
};
其中，copy_row是一个辅助函数模板，用于复制不同类型的row：
template
void copy_row(From const& from, To& to){
std::copy(from.begin(), from.end(), to.begin());
}
这样，便可以用std::copy，而不是std::transform复制数据，更加直接，高效：
void OnQueryClicked()
{
DataConnection dc_(…);
Rowset rs_(dc_, “select … from …”);
int j(0);
m_resGrid.Clear();
m_resGrid.SetColNumber(rs_.ColNumber());
stl_rowset(rs_) stlrs_;
stl_grid(m_resGrid) stlgrid_;
std::copy(stlrs_.begin(),stlrs_.end(),std::back_inserter(stlgrid_));
}
如果有特殊需要，可以对copy_row进行重载或特化。如果需要局部特化，那么把copy_row做成函数对象即可。
在这些适配器的基础上，还可以衍生出各种复杂的用途和算法。比如，可以做一个结果集的列适配器，将结果集的一个列剥离出来。用一组列适配器，可以剥离出一组列，然后便可以对这组列执行各种算术和逻辑运算，甚至是矩阵运算。必要时还可以动用模板表达式，以优化运算性能。
如此用途不胜枚举。但总的来讲，我们可以在软件开发的过程中，额外花费一些时间和精力，开发一些有用的库。而这些库则会在当前的项目，或将来的项目中为我们带来大量的好处。不过，如同世间其他事物那样，通过开发库提高软件开发效率，也服从2-8原则。80%的效果来源于20%的努力。也就是说，当我们实现关键的20%的工作时，我们会得到很大的好处，而其余大多数的工作，则只会为我们带来剩余20%的效率提升。所以，开发库应当从关键的一些地方入手，如STL适配器，而无需全面地开发一个数据库访问，或GUI库。这样，我们才会得到最大的效益。尽管开发一个完整的、全面的和最完美的GUI，会显得那么光彩、辉煌和荣耀，但从现实角度讲，这并不是最经济的手段，也并非是我辈这些整天忙碌于赚钱养家的平凡程序员的最佳手段。特别是在C++这种比较难缠的语言上。