简介

优质

小牛编辑

133浏览

2023-12-01

自Boost.MPL首发以来，它通过发布大量的模板接口为C++程序员进行元编程提供了便利，这个突破极大地促进了C++模板元编程的主流化，如今模板元编程已经深植于各种项目之中了。近期以来，C++11和C++14对语言带来了许多重大变化，其中一些使元编程更加容易，其它一些也大大拓宽了库的设计空间。由此，一些问题自然而来：是否仍然希望有元编程的抽象？如果是，有哪些？在考察了不同选择，如MPL11之后，最终答案是Hana库。对Hana的关键洞察是，类型和值的计算是一体两面的。通过统一这两个概念，元编程变得更为容易，新的令人兴奋的可能出现在我们面前了。

`C++`计算分类(四个象限)

但是要真正了解Hana是什么，有必要理解C++中的不同类型的计算。先不管可能的更细粒度的区分,我们将把注意力集中在四种不同类型的计算上。首先，是运行时计算，这是我们通常在C++中使用的计算方式。在运行时世界中，我们有运行时容器，运行时函数和运行时算法：

auto f=[](int i)->std::string {
    return std::to_string(i * i);
};

std::vector<int> ints{1,2,3,4};
std::vector<std::string> strings;
std::transform(ints.begin(),ints.end(),std::back_inserter(strings),f);

assert((strings==std::vector<std::string>{"1","4","9","16"}));

这个象限中的计算，通常以C++标准库为工具，C++标准库提供运行时可重用的算法和容器。自C++11以来，第二种计算成为可能:constexpr计算。这种计算中，我们用constexpr容器，constexpr函数及constexpr算法：

constexpr int factorial(int n){
    return n==0 ? 1 : n * factorial(n-1);
}

template<typename T,std::size_t N,typename F>
constexpr std::array<std::result_of_t<F(T)>,N> transform(std::array<T,N> arr,F f){
    // ...
}

constexpr std::array<int,4> ints{{1,2,3,4}};
constexpr std::array<int,4> facts=transform(ints,factorial);

static_assert(facts==std::array<int,4>{{1,2,6,24}},"");

注意： 若使以上代码可执行，需要确保std::array的operator==操作符标记为constexpr，在C++14下，这不是问题。

基本上，constexpr计算与运行时计算的不同之处在于它足够简单，可以被编译器解析执行。一般来说，任何不对编译器的求值程序过于不友好的函数(像抛出异常或者分配内存等)，都可以标记为constexpr，而无需作出修改。constexpr计算与运行时计算类似，除了constexpr计算更受限制，并需要获得编译时执行的能力之外。不幸的是，没有常用于constexpr计算的工具集，即没有广泛采用的用于constexpr编程的标准库。也许，对constexpr编程感兴趣的人可以去了解一下Sprout库。

第三种计算是异构计算。异构计算不同于普通的计算方式，因为异构计算不使用存储同类对象（所有对象具有相同类型）的容器，而是使用异构容器。异构容器可以保存类型不同的对象。此外，在这个计算象限中的函数是异构函数，这是一种讨论模板函数的复杂方式。类似地，我们由异构算法操作异构容器和函数：

auto to_string=[](auto t){
    std::stringstream ss;
    ss<<t;
    return ss.str();
};

fusion::vector<int,std::string,float> seq{1,"abc",3.4f};
fusion::vector<std::string,std::string,std::string> strings=fusion::transform(seq,to_string);

assert(strings==funsion::make_vector("1"s,"abc"s,"3.4"s));

如果你觉得操作异构容器很奇怪的话，不妨把它想像成操作std::tuple。在C++03的世界中，用于进行此计算的库是Boost.Fusion，它提供了一些操作异构数据的结构和算法的集合。我们将考察的第四个计算象限的计算是类型计算。在这个象限中，我们有类型容器，类型函数(通常称为元函数)和类型算法。在这里，针对任意类型进行操作：容器存储的是类型、元函数接受类型作为参数返回的结果也是类型。

template<typename T>
struct add_const_pointer{
    using type=T const*;
};

using types=mpl::vector<int,char,float,void>;
using pointers=mpl::transform<types,add_const_pointer<mpl::_1>>::type;

static_assert(mpl::equal<pointers,
    mpl::vecotr<int const*,char const*,float const*,void const*>>::value,"");

类型计算的领域已经被相当广泛地探索了，并且C++03中类型计算的事实解决方案是一个名为Boost.MPL的库，它提供类型容器和算法。对于低级类型转换，C++11中也可以使用<type_traits>标准头文件提供的元函数。

`Hana`库是干什么的

以上所有计算都做地很好了，那么，Hana库又是干什么的?现在我们已经知道了C++的各种计算类型，可以简单地回答这个问题了。Hana的目的是合并第三和第四象限的计算，具体来说，Hana经过长期构建证明，异构计算比类型计算更强大。我们可以通过等效的异构计算来表达任何类型计算。这种构造在两个步骤中完成。首先，Hana是一个功能齐全的异构算法和容器库，有点像现代化的Boost.Fusion。其次，Hana提供了一种将任何类型计算转换为其等效的异构计算的方法。这就允许异构计算的全部机制重用于类型计算，而且没有任何代码重复。当然，这种统一的最大优点将是用户可见的。

简介

C++计算分类(四个象限)

Hana库是干什么的

`C++`计算分类(四个象限)

`Hana`库是干什么的