news 2026/5/12 13:29:29

跟我学C++中级篇——Lambda表达式的处理

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
跟我学C++中级篇——Lambda表达式的处理

一、Lambda表达式

Lambda表达式对于了解和应用C++11以后的开发者来说,是一个很好用的语法糖。Lambda表达式的特点和应用场景对于开发者来说已经很熟悉了。在前面的分析中,将Lambda表达式简单的定义为函数对象或闭包,这样描述的目的是便于理解和学习。但从实际情况来看,它们还是有些不准确的。

二、Lambda表达式和Closure闭包

对于Lambda表达式来说,在不同的角度下分析可能表现的形式不同。比如从语法的角度来看,无捕获外部变量和有捕获外部变量的Lambda表达式来说,可能就有所不同。无捕获的可以单纯的看作是与普通函数无异的函数,而有捕获的则可以看作一个类。
那为什么前面把Lambda表达式看作一个闭包呢?闭包是函数与其捕获的外部自由变量共同组成的组合体(在前面的分析中也按离散数学中的定义描述过即通过添加最少数量的有序对,使原关系具备自反性、对称性或传递性而形成的新集合)。闭包是一个组合体,为了实现上下文的调用操作(离开lambda表达式后仍然可以操作外部变量,看下面的lifting例子),就必须分配一定的空间来处理上下文关系的内容。这但消耗了内存空间也在调用时增加了一定的开销。
lambda表达式可以认为是从语法层次上的描述,而闭包更倾向于执行时的形态。从这种情况来看,单纯无捕获变量形式的Lambda表达式不能称为闭包。这也是为什么开头提到的说法不准确的原因。也可以这样说,同一个Lambda表达式可能产生多个不同的闭包。
这里就必须提到Lambda Lifting(lambda 提升)和Lambda Dropping(lambda降级)。它们二者可以认为是互逆的,本质都是为了让编译器优化代码。Lambda Lifting,是为了将嵌套的引用了外部的自由变量的lambda表达式转化为不引用外部变量的顶函数,对C++来说,就是将相关的Lambda表达式转化为普通函数对象的技术,它可以显式的由开发者控制进行也可以由编译器内部自动实现 。
Lambda Dropping是Lambda Lifting逆操作,即将原来需要提升为独立函数对象的Lambda表达式内联或部分展开到调用上下文中的方式。

三、编译器对Lambda表达式的处理

其实在前面的std::visit分析中,就对此问题进行过简单的展开分析。在实际的编译中,当编译器发现lambda表达式后,一般来说会进行如下的处理:

  1. 创建一个匿名的函数类(闭包类型)
  2. 将捕获的变量存储为该类的成员(分别处理引用、值或隐式或混合捕获,处理方式看下面的例程)
  3. 将lambda体转换为该类的operator()方法,也就是创建一个仿函数
  4. 将匿名的函数类实例化为函数对象
  5. 调用函数对象

编译器通过上述的处理,其实是把Lambda表达式统一到了传统的编译模型。这也符合语法糖处理的风格。
但是需要说明的是,上述的处理是编译器对lambda表达式的通常处理机制。在某些情况下,如上面提到的Lambda Lifting和Lambda Dropping,其具体的处理机制可能会有一些细节上的不同。具体的来说,就是在Lambda Lifting中,会消除环境上下文及内存分配处理,优化相关操作。比如提到的lambda表达式的对象化或内联等等。

四、例程分析

可以看下面的一个简单的例子:

#include<iostream>intmain(){inta=0;intb=10;autof=[a,&b](){std::cout<<a<<","<<++b<<std::endl;};f();std::cout<<a<<","<<b<<std::endl;return0;}

编译后的代码:

#include<iostream>intmain(){inta=0;intb=10;class __lambda_5_12{public:inline/*constexpr*/voidoperator()()const{std::operator<<(std::cout.operator<<(a),",").operator<<(++b).operator<<(std::endl);}private:inta;int&b;public:__lambda_5_12(int&\_a,int&\_b):a{_a},b{_b}{}};__lambda_5_12 f=__lambda_5_12{a,b};f.operator()();std::operator<<(std::cout.operator<<(a),",").operator<<(b).operator<<(std::endl);return0;}

再看一个lambda Lifting的例子:

auto addResult = [](int v) { return [v](int x) { return x + v; }; }; auto againAdd = addResult(10); std::cout << againAdd(10); // 输出 10

看一下原来的visit中的例程的编译后的代码(编译后的代码有删减,想看全部可将其代码拷贝到cppinsights.io编译即可):

#include<iomanip>#include<iostream>#include<string>#include<type_traits>#include<variant>#include<vector>usingvalue_t=std::variant<int,long,double,std::basic_string<char>>;template<class...Ts>structoverloaded:public Ts...{using Ts::operator()...;};/* First instantiated from: insights.cpp:56 */#ifdefINSIGHTS_USE_TEMPLATEtemplate<>structoverloaded<__lambda_57_13,__lambda_58_13,__lambda_59_13>:public __lambda_57_13,public __lambda_58_13,public __lambda_59_13{using __lambda_57_13::operator();template<class type_parameter_0_0>inline/*constexpr */auto::operator()(type_parameter_0_0 arg)const{(std::cout<<arg)<<' ';}#ifdefINSIGHTS_USE_TEMPLATEtemplate<>inline/*constexpr */void::operator()<int>(intarg)const{std::operator<<(std::cout.operator<<(arg),' ');}#endif#ifdefINSIGHTS_USE_TEMPLATEtemplate<>inline/*constexpr */void::operator()<long>(longarg)const{std::operator<<(std::cout.operator<<(arg),' ');}#endif...template<class...Ts>overloaded(Ts...)->overloaded<Ts...>;/* First instantiated from: insights.cpp:56 */#ifdefINSIGHTS_USE_TEMPLATEtemplate<>overloaded(__lambda_57_13 __0,__lambda_58_13 __1,__lambda_59_13 __2)->overloaded<__lambda_57_13,__lambda_58_13,__lambda_59_13>;#endifintmain(){std::vector<std::variant<int,long,double,std::basic_string<char>>,std::allocator<std::variant<int,long,double,std::basic_string<char>>>>vec=std::vector<std::variant<int,long,double,std::basic_string<char>>,std::allocator<std::variant<int,long,double,std::basic_string<char>>>>{std::initializer_list<std::variant<int,long,double,std::basic_string<char>>>{std::variant<int,long,double,std::basic_string<char>>(10),std::variant<int,long,double,std::basic_string<char>>(15L),std::variant<int,long,double,std::basic_string<char>>(1.5),std::variant<int,long,double,std::basic_string<char>>("hello")},std::allocator<std::variant<int,long,double,std::basic_string<char>>>()};{std::vector<std::variant<int,long,double,std::basic_string<char>>,std::allocator<std::variant<int,long,double,std::basic_string<char>>>>&__range1=vec;__gnu_cxx::__normal_iterator<std::variant<int,long,double,std::basic_string<char>>*,std::vector<std::variant<int,long,double,std::basic_string<char>>,std::allocator<std::variant<int,long,double,std::basic_string<char>>>>>__begin1=__range1.begin();__gnu_cxx::__normal_iterator<std::variant<int,long,double,std::basic_string<char>>*,std::vector<std::variant<int,long,double,std::basic_string<char>>,std::allocator<std::variant<int,long,double,std::basic_string<char>>>>>__end1=__range1.end();for(;__gnu_cxx::operator!=(__begin1,__end1);__begin1.operator++()){std::variant<int,long,double,std::basic_string<char>>&v=__begin1.operator*();class __lambda_25_20{public:template<class type_parameter_0_0>inline/*constexpr */autooperator()(type_parameter_0_0&&arg)const{std::cout<<arg;}#ifdefINSIGHTS_USE_TEMPLATEtemplate<>inline/*constexpr */voidoperator()<int&>(int&arg)const{std::cout.operator<<(arg);}#endif...private:template<class type_parameter_0_0>staticinline/*constexpr */auto__invoke(type_parameter_0_0&&arg){return__lambda_25_20{}.operator()<type_parameter_0_0>(arg);}};std::visit(__lambda_25_20{},v);class __lambda_28_32{public:template<class type_parameter_0_0>inlinestd::variant<int,long,double,std::basic_string<char>>operator()(type_parameter_0_0&&arg)const{returnarg+arg;}/* First instantiated from: invoke.h:61 */#ifdefINSIGHTS_USE_TEMPLATEtemplate<>inlinestd::variant<int,long,double,std::basic_string<char>>operator()<int&>(int&arg)const{returnstd::variant<int,long,double,std::basic_string<char>>(arg+arg);}#endif/* First instantiated from: invoke.h:61 */#ifdefINSIGHTS_USE_TEMPLATEtemplate<>inlinestd::variant<int,long,double,std::basic_string<char>>operator()<long&>(long&arg)const{returnstd::variant<int,long,double,std::basic_string<char>>(arg+arg);}#endif...private:template<class type_parameter_0_0>staticinlinestd::variant<int,long,double,std::basic_string<char>>__invoke(type_parameter_0_0&&arg){return__lambda_28_32{}.operator()<type_parameter_0_0>(arg);}};std::variant<int,long,double,std::basic_string<char>>w=std::visit(__lambda_28_32{},v);std::operator<<(std::cout,". After doubling, variant holds ");class __lambda_32_20{public:template<class type_parameter_0_0>inline/*constexpr */autooperator()(type_parameter_0_0&&arg)const{using T=std::decay_t<decltype(arg)>;ifconstexpr(std::is_same_v<T,int>){(std::operator<<(std::cout,"int with value ")<<arg)<<'\n';}else/* constexpr */{ifconstexpr(std::is_same_v<T,long>){(std::operator<<(std::cout,"long with value ")<<arg)<<'\n';}else/* constexpr */{ifconstexpr(std::is_same_v<T,double>){(std::operator<<(std::cout,"double with value ")<<arg)<<'\n';}else/* constexpr */{ifconstexpr(std::is_same_v<T,std::basic_string<char>>){(std::operator<<(std::cout,"std::string with value ")<<std::quoted(arg))<<'\n';}else/* constexpr */{/* PASSED: static_assert(false, "non-exhaustive visitor!"); */;}}}}}...private:template<class type_parameter_0_0>staticinline/*constexpr */auto__invoke(type_parameter_0_0&&arg){return__lambda_32_20{}.operator()<type_parameter_0_0>(arg);}};std::visit(__lambda_32_20{},w);}}...return0;}

五、总结

掌握一个技术点,不只是需要会用,更要明白其内在的处理机制。只有内外通透,才能更加灵活的运用这个技术点去与其它的技术点融合,然后形成技术栈并最终形成技术体系。正如古人云“九层之台,起于土”。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/12 13:29:28

最全2026攻略Java架构师面试题解析(MySQL/Redis/架构/高并发等)

最全架构师题目将包含如下技术范围&#xff1a;1.Java基础和高级:集合框架: List&#xff1a;ArrayList、LinkedList&#xff1b;Set&#xff1a;HashSet、TreeSetMap:TreeMap/ConcurrentHashMap&#xff1b;Queue:ConcurrentLinkedQueue等泛型、反射、并发编程、JVM、AIO/BIO/…

作者头像 李华
网站建设 2026/5/12 13:29:29

任务导向人工智能应用中认知闭环切片的原理说明

一、问题提出&#xff1a;为何需要“认知闭环切片” 在当下的人工智能工程实践中&#xff0c;AI 模型已被广泛嵌入到各类任务导向系统中&#xff0c;如生产调度、质量诊断、运维决策与流程优化等。然而&#xff0c;大量实践表明&#xff0c;仅将 AI 模型作为独立的分析或预测组…

作者头像 李华
网站建设 2026/5/11 2:47:06

Redis I/O 多线程性能优化报告

目录Redis I/O 多线程性能优化报告1. 执行摘要1.1 项目背景1.2 完成的工作1.3 关键结论2. Redis 实例信息2.1 实例配置2.2 修改前状态2.3 数据库状态3. I/O 多线程技术说明3.1 什么是 I/O 多线程3.2 配置参数3.3 适用场景3.4 激活机制4. 实施过程4.1 配置修改方式4.2 配置同步流…

作者头像 李华
网站建设 2026/5/9 12:29:23

阿里Java面试被问:RocketMQ的CommitLog和ConsumeQueue设计原理

一、核心理念&#xff1a;分层存储架构 1.1 设计哲学 核心思想&#xff1a;借鉴数据库WAL&#xff08;Write-Ahead Logging&#xff09; 索引的设计思路&#xff0c;实现写优化与读优化的完美平衡。 java 复制 下载 // 类比数据库设计思想 class StorageDesignAnalogy {// …

作者头像 李华
网站建设 2026/5/11 8:38:02

当AI成为“决策代理“,谁来承担责任?

这项由Oleg Romanchuk和Roman Bondar合作完成的研究发表于2026年1月&#xff0c;论文编号为arXiv:2601.15059v1&#xff0c;专门分析了现代软件开发中一个令人担忧的现象。随着AI代理系统在企业中大规模部署&#xff0c;一种被称为"责任真空"的组织失败模式正在悄然出…

作者头像 李华