体版之授权，直接等3/e 出版后再动作。没想到一拖经年，我的3/e 写作计划 并没有如期完成，致使大陆读者反而没有《深入浅出MFC》2/e 简体版可看。 《深入浅出MFC》3/e 没有如期完成的原因是，MFC 本体架构并没有什么大改 变。《深入浅出MFC》2/e 书中所论之工具及程序代码虽采用VC5+MFC42，仍 适用于目前的VC6+MFC421（唯，工具之画面或功能可能有些微变化）。 由于《深入浅出MFC》2/e 就会吸收很快。 请问，想要从DOS 跨足到Windows 程序设计有哪些书值得推荐呢? hschin.bbs@bbs.cs.nthu.edu.tw：建议你看侯俊杰的深入浅出MFC，里面除了对窗口程序 的架构作基础性的说明，让你了解一些基础概论，也说了不少窗口程序设计的课题，是 非常不错的一本书。 xiii News / BBS 论坛（CompBook and/or programming） 请问VISUAL 您好，我是屏科大的学生，想要用MFC 写一个可以新增、修改、删除资料等动作的 程序，日前老师借了我您的书深入浅出MFC 第二版，我读了很快乐，对于Visual C++ 的 IDE 环境更为了解，对于MFC 整个架构，有了比较明朗的感觉。 大陆Mike Dong 尊敬的侯俊杰先生：我叫董旬。我对C/C++ 非常有兴趣。畅读了您写的书《深入浅出 WINDOWS

编译器默认生成的构造函数：初始化列表（妙用，处理函数的复杂类型参 数） • 还有，函数的参数，如果是很复杂的类型 ，你不想把类型名重复写一遍，也可以利 用 {} 初始化列表来简化： • zeno 的节点定义函数 defNodeClass 中就大量用到了这种简 化。 有自定义构造函数时仍想用默认构造函数： = default • 一旦我们定义了自己的构造函数，编译器就不会再生成默认的无参构造函数。 主要业务的 C++ ，才发展出了这些思 想，并将拷贝 / 移动 / 指针 / 可变性 / 多线程等概念作为语言基本元素存在。这些在我们的 业务里面是非常重要的，所以不可替代。 • （试图升华文章中心主旨） 扩展阅读关键字 • 限于篇幅，此处放出一些扩展知识供学有余力的同学研究： 1. P-IMPL 模式 2. 虚函数与纯虚函数 3. 拷贝如何作为虚函数 4. std::unique_ptr::release()

<< std::endl; return 0; } 当然，并非所有的类型都能提供原子操作，这是因为原子操作的可行性取决于具体的 CPU 架构， 69 7.5 原子操作与内存模型 第 7 章并行与并发 以及所实例化的类型结构是否能够满足该 CPU 架构对内存对齐条件的要求，因而我们总是可以通过 std::atomic::is_lock_free 来检查该原子类型是否需支持原子操作，例如： 而言，表现为顺序执行的程序，它并没有由于引入多 线程而得到任何效率上的收益。对此有什么办法能够适当的加速呢？答案便是削弱原子操作的在进程间 的同步条件。 从原理上看，每个线程可以对应为一个集群节点，而线程间的通信也几乎等价于集群节点间的通信。 削弱进程间的同步条件，通常我们会考虑四种不同的一致性模型： 1. 线性一致性：又称强一致性或原子一致性。它要求任何一次读操作都能读到某个数据的最近一次写 的数据， 和 b 产生依赖，而 x 和 y 在此例子中表现为没有关系（但实际情况中我们需要更详细的信息才能确定 x 与 y 确实无关） 4. 最终一致性：是最弱的一致性要求，它只保障某个操作在未来的某个时间节点上会被观察到，但并 未要求被观察到的时间。因此我们甚至可以对此条件稍作加强，例如规定某个操作被观察到的时间 总是有界的。当然这已经不在我们的讨论范围之内了。 x.store(3) x.store(4)

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 4 个字节时，实际会导致 0x0040~0x0080 的 就可以在一个循环体内实现两次迭代的效果！ 从而快了 2 倍。 动画演示 a a’ a’’ 局部数组，一步抵 16 步 • 一次性读取到局部数组 ta 里，在局部迭代 16 次。 • 注意到局部数组是 64 大小，这包含了中心的 32 个元 素，还包含因为 jacobi 特性需要周围两个元素，导致 迭代 16 次就需要往边缘扩张的 16 个元素。 • 因为局部数组的大小远远小于一级缓存，这样迭代时 读写的带宽就是一级缓存的速度，几乎没有影响。 可以分配对齐 到任意 a 字节的内存。他在 这个头文件里。是 x86 特有的，并且需要通 过 _mm_free 来释放。 • 还有一个跨平台版本（比如用于 arm 架构） 的 aligned_alloc(align, n) ，他也可以分配对 齐到任意 a 字节的内存，通过 free 释放。 • 利用他们可以实现分配对齐到页面（ 4KB ） 的内存。 小彭老师的

quadraticRecur(n - 1); } 图 2‑18 递归函数产生的平方阶空间复杂度 4. 指数阶 ?(2?) 指数阶常见于二叉树。观察图 2‑19 ，层数为 ? 的“满二叉树”的节点数量为 2? − 1 ，占用 ?(2?) 空间： // === File: space_complexity.cpp === /* 指数阶（建立满二叉树） */ TreeNode *buildTree(int 逻辑结构：线性与非线性 逻辑结构揭示了数据元素之间的逻辑关系。在数组和链表中，数据按照一定顺序排列，体现了数据之间的线 性关系；而在树中，数据从顶部向下按层次排列，表现出“祖先”与“后代”之间的派生关系；图则由节点 和边构成，反映了复杂的网络关系。 如图 3‑1 所示，逻辑结构可分为“线性”和“非线性”两大类。线性结构比较直观，指数据在逻辑关系上呈 线性排列；非线性结构则相反，呈非线性排列。 ‧ 线性 list」是一种线性数据结构，其中的每个元素都是一个节点对象，各个节点通过“引用”相连接。 引用记录了下一个节点的内存地址，通过它可以从当前节点访问到下一个节点。 链表的设计使得各个节点可以分散存储在内存各处，它们的内存地址无须连续。 第 4 章 数组与链表 hello‑algo.com 73 图 4‑5 链表定义与存储方式 观察图 4‑5 ，链表的组成单位是「节点 node」对象。每个节点都包含两项数据：节点的“值”和指向下一节

quadraticRecur(n - 1); } 图 2‑18 递归函数产生的平方阶空间复杂度 4. 指数阶 ?(2?) 指数阶常见于二叉树。观察图 2‑19 ，层数为 ? 的“满二叉树”的节点数量为 2? − 1 ，占用 ?(2?) 空间： // === File: space_complexity.cpp === /* 指数阶（建立满二叉树） */ TreeNode *buildTree(int 逻辑结构：线性与非线性 逻辑结构揭示了数据元素之间的逻辑关系。在数组和链表中，数据按照一定顺序排列，体现了数据之间的线 性关系；而在树中，数据从顶部向下按层次排列，表现出“祖先”与“后代”之间的派生关系；图则由节点 和边构成，反映了复杂的网络关系。 如图 3‑1 所示，逻辑结构可分为“线性”和“非线性”两大类。线性结构比较直观，指数据在逻辑关系上呈 线性排列；非线性结构则相反，呈非线性排列。 ‧ 线性 list）是一种线性数据结构，其中的每个元素都是一个节点对象，各个节点通过“引用”相连接。 引用记录了下一个节点的内存地址，通过它可以从当前节点访问到下一个节点。 链表的设计使得各个节点可以分散存储在内存各处，它们的内存地址无须连续。 第 4 章 数组与链表 hello‑algo.com 73 图 4‑5 链表定义与存储方式 观察图 4‑5 ，链表的组成单位是节点（node）对象。每个节点都包含两项数据：节点的“值”和指向下一节

return quadraticRecur(n - 1); } Figure 2‑12. 递归函数产生的平方阶空间复杂度 指数阶 ?(2?) 指数阶常见于二叉树。高度为 ? 的「满二叉树」的节点数量为 2? − 1 ，占用 ?(2?) 空间。 // === File: space_complexity.cpp === /* 指数阶（建立满二叉树） */ TreeNode *buildTree(int 逻辑结构：线性与非线性 「逻辑结构」揭示了数据元素之间的逻辑关系。在数组和链表中，数据按照顺序依次排列，体现了数据之间的 线性关系；而在树中，数据从顶部向下按层次排列，表现出祖先与后代之间的派生关系；图则由节点和边构 成，反映了复杂的网络关系。 逻辑结构通常分为“线性”和“非线性”两类。线性结构比较直观，指数据在逻辑关系上呈线性排列；非线 性结构则相反，呈非线性排列。 ‧ 线性数据结构：数组、链表、栈、队列、哈希表。 「链表 Linked List」是一种线性数据结构，其每个元素都是一个节点对象，各个节点之间通过指针连接，从 当前节点通过指针可以访问到下一个节点。由于指针记录了下个节点的内存地址，因此无需保证内存地址的 连续性，从而可以将各个节点分散存储在内存各处。 链表「节点 Node」包含两项数据，一是节点「值 Value」，二是指向下一节点的「指针 Pointer」，或称「引 用 Reference」。

quadraticRecur(n - 1); } 图 2‑18 递归函数产生的平方阶空间复杂度 4. 指数阶 ?(2?) 指数阶常见于二叉树。观察图 2‑19 ，高度为 ? 的“满二叉树”的节点数量为 2? − 1 ，占用 ?(2?) 空间： // === File: space_complexity.cpp === /* 指数阶（建立满二叉树） */ TreeNode *buildTree(int 逻辑结构：线性与非线性 逻辑结构揭示了数据元素之间的逻辑关系。在数组和链表中，数据按照顺序依次排列，体现了数据之间的线 性关系；而在树中，数据从顶部向下按层次排列，表现出祖先与后代之间的派生关系；图则由节点和边构成， 反映了复杂的网络关系。 如图 3‑1 所示，逻辑结构可被分为“线性”和“非线性”两大类。线性结构比较直观，指数据在逻辑关系上 呈线性排列；非线性结构则相反，呈非线性排列。 ‧ 线 素都是一个节点对象，各个节点通过“引用”相连接。 引用记录了下一个节点的内存地址，通过它可以从当前节点访问到下一个节点。 第 4 章 数组与链表 hello‑algo.com 70 链表的设计使得各个节点可以被分散存储在内存各处，它们的内存地址是无须连续的。 图 4‑5 链表定义与存储方式 观察图 4‑5 ，链表的组成单位是「节点 node」对象。每个节点都包含两项数据：节点的“值”和指向下一节

quadraticRecur(n - 1); } 图 2‑18 递归函数产生的平方阶空间复杂度 4. 指数阶 ?(2?) 指数阶常见于二叉树。观察图 2‑19 ，层数为 ? 的“满二叉树”的节点数量为 2? − 1 ，占用 ?(2?) 空间： // === File: space_complexity.cpp === /* 指数阶（建立满二叉树） */ TreeNode *buildTree(int 逻辑结构：线性与非线性 逻辑结构揭示了数据元素之间的逻辑关系。在数组和链表中，数据按照一定顺序排列，体现了数据之间的线 性关系；而在树中，数据从顶部向下按层次排列，表现出“祖先”与“后代”之间的派生关系；图则由节点 和边构成，反映了复杂的网络关系。 如图 3‑1 所示，逻辑结构可分为“线性”和“非线性”两大类。线性结构比较直观，指数据在逻辑关系上呈 线性排列；非线性结构则相反，呈非线性排列。 ‧ 线性 素都是一个节点对象，各个节点通过“引用”相连接。 引用记录了下一个节点的内存地址，通过它可以从当前节点访问到下一个节点。 链表的设计使得各个节点可以分散存储在内存各处，它们的内存地址无须连续。 第 4 章 数组与链表 www.hello‑algo.com 73 图 4‑5 链表定义与存储方式 观察图 4‑5 ，链表的组成单位是节点（node）对象。每个节点都包含两项数据：节点的“值”和指向下一节

里面第一部分，也就是初始化语句： it = map.begin() 代表从最左节点开始出发。 • 第二部分，也就是判断是否退出的条件： it != map.end() 判断是否抵达最右节点的下一个 。 • 第三部分，也就是每次循环后执行的更新语句： ++it 会让迭代器往下一个节点移动。 • 所以人话就是：从根节点出发，不断向下一个移动，直到没有节点可遍历了。 • 而 for 里面的循环体，会对每个不同的 it 然后从程序员的黑盒视角看来，就是对于所有 map 中的 K-V 对执行了一遍循环体。 迭代器 operator++ 的移动方向 • 迭代器的 ++ 是中根遍历，先左子节点，然后根节点，最后右子节点。 • 为什么是中根遍历？因为刚刚说了二叉排序树的规则是：左子节点＜父节点＜右子节点。 • 这刚好是中根遍历的顺序，左中右。所以迭代器的 ++ 方向刚好是 K 越来越大的方向。 • 结论：遍历时，总是会按 K 从小到大的顺序。 1 待插入的数 4 5 8 7 set 查找为什么高效 • 刚刚的构建方法是平衡二叉树。而实际 set 中采用的是更为高效的红黑树。 • 区别就是每个节点上多挂了一个 bool 类型的 flag 变量，表示这个节点是红是黑。 • 总之这样三下五除二下来他的插入效率比平衡二叉树高出一个常数，但复杂度还是 O(logn) 。 • 红黑树的具体异同我会放到最后再细讲，一下子讲太深都睡着了，反正只有插入和删除的