|
对这方面感兴趣或者想学习C/C++的可以加群：558502932，大家一起学习，共同交流。 James Perry和朋友创办了一家公司，主要是做基于云的OLAP多维数据集。因为他最熟悉C++，所以在构建OLAP引擎时，也选择了自己最擅长的语言。最初曾用Rust构建过一个原型版本，不过后来感觉风险很高，便放弃了。 很多同事也感觉奇怪，为什么选择C++，却不用Ruby或Python之类的动态语言来开发云服务呢，毕竟后者开发交付的效率高很多。 其实可以从两个维度来看。 一.开发效率 C++并非动态语言，但是现代C++（C++11/14）提供了类型推导。人们对C++有很多误解，比如认为在用C++时，必须使用原生指针（raw pointer），必须输入长长的命名空间或类型信息，还要手动管理内存。而有了auto特性，开发者不必再输入那么多长长的类名和命名空间信息，C++会用类型推导来推断变量的类型。 手动管理内存也是最常见的误解。从C++11开始，一般建议使用std::shared_ptr或std::unique_ptr自动管理内存。这要比手动管理安全很多。 要快速构建服务或产品，高质量的库也是不可或缺的。不过在James看来，C++标准库还严重缺乏一些基本功能，而且有些API性能很差（比如从iostreams读文件）。Facebook提供了很多高质量的库，在构建OLAP云服务时帮助很大。 1.Folly 这是一个不错的C++库，有很多高性能的类。James在其引擎中用到了fbvector、fbstring等类，与std::vector和std::string相比，它们性能更好。另外像Future，原子化的无锁数据结构也经常用到。 Folly的容器性能很好（FBVector）。 另外，阅读Folly的代码对C++程序员成长也有很大帮助。 2.Proxygen Proxygen是Facebook开发的一个异步HTTP服务器。James使用Proxygen作为HTTP服务器，将JSON数据插入到OLAP引擎，或从引擎获得JSON数据。只需要一天，就能创建一个调用引擎的高性能服务器。 James将其与Python Tornado服务器做了对比，在一个EC2实例上，使用200个HTTP连接，C++/Proxygen每秒可以处理1 990 130个请求，Python/Tornado每秒可以处理41 329个请求。 3.Wangle James的OLAP引擎本质上是一个分布式的数据库，用于存储和查询多维数据。该引擎以Wangle作为应用服务器的基础。所有的逻辑都分解到了Wangle handler中，可以链到一起构成一条流水线。每个服务器都是对称的，是相同的二进制可执行程序，没有主从之分。每个服务器节点可以通过定制的二进制协议交换数据或消息。 二.硬件、人力成本 根据前面HTTP基准测试，一台C++服务器的处理能力大约相当于40台负载均衡的Python服务器。服务器成本大幅减少。另外，如果开始选择Python，公司发展到某个阶段，需要提高服务器性能时，可能需要用C++重写，其实会浪费人力。 总结 对于创业公司而言，C++可能并非最流行的选择，但现代C++确实是可行的选择之一，它可以提供接近C的性能和更高层的抽象。随着代码量的增长，构建时间可能是个问题，不过C++17的模块应该可以解决之。 希望这篇文章能给予你们帮助，想要学习C/C++的可以加群：558502932，群内有大量C/C++学习资料，大家一起学习交流，共同进步。 |
|
|
