这是通常来说，不过万一小彭老师真的这么重口味在吃答辩呢？要怎么传达这个信息？ C++ 一视同仁的接口就能处理这种罕见的情况，不过 Python 用一些 if 语句套一套一样可以。 深入理解 Python 中 [] 能自动区分是读是写的原理 • 写入要创建元素，而读取则要在元素不存在时出错，确实应该是两个不同的函数。 • 为什么 Python 不用区分读取和写入两个函数？只有统一的 [] ？因为 Python 作为老牌胶水语言，为了 val) 。 • val = m[key] 实际上是 val = m.__getitem__(key) 。 • C++ 的 [] 就不论读取还是写入都是同一个运算符重载，他只是返回引用，无法区分你是读是写： • value_type &operator[](key_type key); // [] 返回引用，你 = val 写入的是这个引用， [] 是不知道的 • [] 被调用的时候根本 建立引用 ) map 中的 堆空间 • 何况 structural-binding 捕获的引用比刚刚图示的还要优化。他只会保存一个指向 pair 类 型的指针，然后在你使用 k 和 v 时再去按偏移量访问里面的 first 和 second ，所以 k ， v 两个变量的 structural-binding 引用其实是一个引用，只占一个指针的空间（ 8 字 节）。 • 也就是说，现在只要

常见操作所花费的时间 • 图中加法 (add) 和乘法 (mul) 都指的整数。 • 区别是浮点的乘法和加法基本是一样速度。 • L1/2/3 read 和 Main RAM read 的时间指的是 读一个缓存行（ 64 字节）所花费的时间。 • 根据计算： 125/64*4≈8 • 即从主内存读取一次 float 花费 8 个 cycle ， 符合小彭老师的经验公式。 • “right” 和“ 宽。三级缓存也装不下，那就取决于主内存 的带宽了。 • 结论：要避免 mem-bound ，数据量尽量足 够小，如果能装的进缓存就高效了。 L2: 256 KB L3: 12 MB 缓存的工作机制：读 • 缓存中存储的数据结构： • struct CacheEntry { • bool valid; • uint64_t address; • char data[64]; CacheEntry cache[512]; • 当 CPU 读取一个地址时： • 缓存会查找和该地址匹配的条目。如果找到，则给 CPU 返 回缓存中的数据。如果找不到，则向主内存发送请求，等读 取到该地址的数据，就创建一个新条目。 • 在 x86 架构中每个条目的存储 64 字节的数据，这个条目 又称之为缓存行（ cacheline ）。 • 当访问 0x0048~0x0050 这

比一堆 if-else 更高效。但是实际上在编译 器看来是一样的，不管你 if-else 还是 switch ，他都会想方设法帮你优化成查表 法。 • 所以不用纠结性能，你觉得哪种写起来可 读性强，容易维护，你就怎么写。 无分支优化的方法：查表法 • 如果每个判断的值是连续的，这种情况一般 会建立一个表（数组）。 • 这个表里每个元素就是原来要返回的一个个 值，索引就是要判断的参数 • 而函数指针也是无条件跳转指令： jmp [pointer] 或者说 call [pointer] ，区别在于他的地址 不是写死的，而是动态从内存中读取出来的。 • 普通函数调用的目的地址（或偏移量）写死在指令里， CPU 可以自动预取这个地址的指令。 • 但是函数指针的调用，因为这个目的地址是需要计算得出的，或者说他存在内存中，随时可 能被改写， CPU 难以预判执行到 call [pointer]

函数，他位于 sys/mman.h 头文件里。 • Windows 可以用 VirtualAllocateEx 之类。 • mmap 出来的起始地址保证是对齐到 4KB 的，读写访问其 中偏移地址时，会按页的粒度自动分配和释放内存，从而满 足稀疏数据结构“按需分配”的需求。且由于分页是硬件自动 来做的，比我们软件哈希和指针数组的稀疏更高效，写起来 就和普通的二维数组没什么两样，就好像顺序访问。也用不 着什么访问者缓存坐标和块指针了，硬件的 TLB 就是我们 的访问者缓存，而且超快不需要用户自己写。 • 垃圾回收可用 madvice 提前释放一段页面。 • 除此之外， mmap 还有一个好处，他会保证其内存（被读 取访问时）是零初始化的。 配合莫顿分块， AOSOA 等第七课的技术，就得到 SPGrid(sparse-paged grid) SPGrid 还支持自适应的网格 SPGrid 的利弊 •

*dst = src; • 为什么需要这么复杂的一个原子指令？ atomicCAS ：可以实现任意原子操作 • atomicCAS 的作用在于他可以用来实现任 意 CUDA 没有提供的原子读 - 修改 - 写回 指令。比如这里我们通过 atomicCAS 实 现了整数 atomicAdd 同样的效果。 atomicCAS ：可以实现任意原子操作 • 里面换成 expect * src 了。 • 但是因为我们的目的是做矩阵转置，无论是 in 还是 out 必然有一个是需要跨步的，怎么办？ • 因此可以先通过把 in 分块，按块跨步地读，而块内部则仍是连续地读——从低效全局的内存读 到高效的共享内存中，然后在共享内存中跨步地读，连续地写到 out 指向的低效的全局内存中 。 • 这样跨步的开销就开在高效的共享内存上，而不是低效的全局内存上，因此会变快。 共享内存：什么是区块（

喝厕所里的水时，可以多个人插着吸管一起喝。 • 而拉的时候，只能一个人独占厕所，不能多个人一起往里面拉。 • 喝水的人如果发现厕所里已经有人在拉，那他也不能去喝，否则会喝到“脏数据”。 • 结论：读可以共享，写必须独占，且写和读不能共存。 • 针对这种更具体的情况，又发明了读写锁，他允许的状态有： 1. n 个人读取，没有人写入。 2. 1 个人写入，没有人读取。 3. 没有人读取，也没有人写入。 读写锁： Viewer 模式，王鑫磊常用于设计 GPU 容器 OpenVDB 数据结构的访问，也是采用了 Accessor 的设计…… 并且还有 ConstAccessor 和 Accessor 两种，分别对应于读和 写 同学们可以想想看，如果这里的 m_mtx 改成读写锁 ，要如何实现 ConstAccessor access() const ？ 第 6 章：条件变量 条件变量：等待被唤醒 • cv.wait(lck) 写入原子变量， 同时返回其旧的值。 compare_exchange_strong ：读取，比较是否相等，相等则写入 • compare_exchange_strong(old, val) 会读 取原子变量的值，比较他是否和 old 相等 ： • 如果不相等，则把原子变量的值写入 old 。 • 如果相等，则把 val 写入原子变量。 • 返回一个 bool 值，表示是否相等。

话， 就将读写都放在 M1 上面， M2 只是作为 standby 。 比如，订单处理流程，那么对读需要强一致性，实时写实 时读，类似种涉及交易的或者动态实时报表统计的都要采 用这种架构模式 弱一致性 如果是弱一致性的话，可以通过在 M2 上面分担一些读压力 和流量，比如一些报表的读取以及静态配置数据的读取模块 都可以放到 M2 上面。比如月统计报表，比如首页推荐商品 业务实时性要求不是很高，完全可以采用这种弱一致性的设 用来存放索引区块的缓存值 , 建议 128M 以上，不要大于内存的 30% read_buffer_size 128K 64M 用来做 MyISAM 表全表扫描的缓冲大 小 . 为从数据表顺序读取数据的读操 作保留的缓存区的长度 myisam_sort_buffer_size 16M 128M 设置 , 恢复 , 修改表的时候使用的缓冲 大小，值不要设的太大 服务优化 服务优化 InnoDB InnoDB

技术图书阅读：从外刊到内刊 Go 中文图书 Go 外文图书 读书方法 精读 • 选择高质量图书 • 脑图 + 细节摘录 + 行动清单（输出） 泛读 • 闲书 ( 不烧脑 ) • 碎片化（快读） + 听书 小结 第四部分 小结 • 写书三要素 • Go 精进之路导读：思维先行，践行哲学，遵循惯例，认清本 质，理解原理 • 读书：选高质量图书精读 ( 脑图 + 细节摘录 + 行动清单）

i32 i64 u32 u32 string string 定长 变长 高可用技术方案 基于 Chain Replication （ CRAQ ） 算法实现，进行数据副本处理，头 结点写，多结点读，支持读写分离 ，提供更好的并发查询能力 数据高可用实现 Chain Replication 数据高可用方案 服务高可用实现 系统中 Meta ， TS 服务采用主备架 构，基于 Raft

’ h’ ，只保留前三个字符 • string(“hello”, 12) 会得到 “ hello\0[ 数据删除 ]” • ↑ len 为 12 ， ptr 指向 ’ h’ ，超出了 6 个字符，内存读越界（出错） • string(“hello\0world!”, 12) 会得到 “ hello\0world!” • ↑ len 为 12 ， ptr 指向 ’ h’ ，字符串内可以包含 ‘ \0’