CMU15-445：Project #0 - C++ Primer

Project #0 - C++ Primer

本文是对CMU15-445课程第0个项目文档的一个粗略翻译和总结。仅供个人(M1kanN)复习使用。

1. Overview

本课程的所有编程项目都是在BusTub数据库管理系统上进行的，编程语言采用的是C++。本次项目是C++的一个热身项目。其中，C++的版本是C++17，但是知道C++11的知识点就足够了。

推荐书籍：C++ Primer, Effective Modern C++, A Tour of C++。笔者在做这个项目之前仅仅浏览了C++ Primer，并无C++项目经验。也是希望本次课能提高C++水平。

同时，本项目建议用GDB调试项目。也是对自身能力的一个提高。GDB参考网站：

2. Project Specification

本次项目要求实现一个由并发trie支持的key-value存储。Tries是一种高效的有序树数据结构，用于检索给定键的值。简单起见，我们将假设键是所有非空的可变长度的字符串，但实际上它们可以是任何任意类型。

Trie中的每个节点存储一个键的单个字符，可以有多个子节点代表不同的可能的下一个字符。当到达一个键的末尾时，一个标志被设置，以表明其对应的节点是一个结束节点。例子如下：![Trie](https://15445.courses.cs.cmu.edu/fall2022/project0/trie.svg)`<img src="https://15445.courses.cs.cmu.edu/fall2022/project0/graph.png" alt="Trie example" style="zoom: 79%;"暂略 />`

3. Implementation Guide

  1. InstructionSu我们需要编写的文件名是 p0_trie.h。（位置在 src/include/primer/p0_trie.h）
    文件指定了函数原型和成员变量，我们只需要编写构造函数，析构函数和成员函数。我们可以添加任何额外的辅助函数和成员变量，但不要修改现有的函数和变量。

Task #1 - Templated Trie暂略

在头文件中，定义了3个我们需要编写的类。建议先编写单线程版本，再编写多线程版本。

TrieNode Class

TrieNode类定义了Trie树的单个结点。TrieNode有3个成员变量：

  • is_end_：表示是否是字符串的最后一个字符(也就是终结字符，也就是叶子结点！)
  • char：字符键值
  • children_：类型是 unordered_map<char, std::unique_ptr<TrieNode>>。注意保存的是 unique_ptr，智能指针。用来指向孩子结点。
    其中，InsertChildNode与 GetChildNode都返回一个指向 unique_ptr的指针。这样做的原因是，我们就可以在不复制或者转移所有权的情况下访问 unique_ptr的数据。

最后，移动构造函数 TrieNode(TrieNode &&other_trie_node)用来将旧的TrieNode的智能指针转移到新的TrieNode上。请确保你没有在转移数据的时候复制智能指针！

TrieNodeWithValue Class

TrieNodeWithValue继承自 TrieNode，它表示一个路径的终结结点（结点中的 key_char是终结符）。该结点可以存放任意类型(T)的值。并且它的 is_end总Instruction是 true。

当我们用一个给定的键遍历Trie树，并到达结束字符时，我们将根据不同情况来调用 TrieNodeWithValue的不同构造函数（详情见Trie类部分）

目前我们只需要知道 TrieNodeWithValue(char key_c暂略har, T value) 构造器用给定的关键字符和值，从头开始创建一个 TrieNodeWithValue。 （from scratch：从零开始）

TrieNodeWithValue(TrieNode &&trieNode, T value)构造函数从给定的TrieNode中获取 unique_ptrs的所有权，并将自己的 value_设置为给定的值TrieNodeWithValue(TrieNode &&trieNode, T value)。

Trie Class

Trie类定义一个实际的Trie树，支持插入，查找，移除操作。Trie树的根节点是所有键的开始，而且自己不应该存储任何字符值。

  • Insert：
    要进行插入操作，我们首先需要用给定键值来遍历Tri暂略e树，如果 TrieNode不存在，就插入。注意，插入一个重复的值是不允许的，而且应该返回 false。一旦到达了终结结点，一共有3种可能：

    1. 这是一个不存在字符的 TrieNode
      这种情况，我们可以调用 TrieNodeWithValue(char key_char, T value)构造器来创建给定 key_char和 value的新节点。请确保一个指向 TrieNode的 unique_ptr也能够存储一个指向 TrieNodeWithValue的 unique_ptr。（C++的多态性）
    2. 这是一个有字符的 TrieNode，但是不是一个终结结点。（is_end_ == false）
      这意味这个 unique_ptr指向一个 TrieNode对象，而不是一个 TrieNodeWithValued对象。你需要调用 TrieNodeWithValue(TrieNode &&trieNode, T value) 构造器来转换。
    3. 这是一个有字符而且也是一个终结结点
      这意味着 unique_ptr指向 TrieNodeWithValue而且我们应该返回错误！因为我们不能插入重复内容。

  • Remove：
    移除一个指定key的步骤：

    1. 基于给定key来遍历Trie树。若key不存在，立刻返回
    2. 将终结结点的 is_end_设为false。
    3. 若终结结点无任何孩子，将它从它父结点的 children_ map中删除。
    4. 向上遍历Trie树，递归地删除没有子节点的结点。当遇到一个结点有孩子的时候，停止。

  • GetValue：暂略
    给定一个key，返回一个类型T的对应值。若未找到，或者给定的类型不匹配，将 success设为false。
    注意：为了确认是否两个类型相同，对指向 TrieNode 的指针，调用强制类型转换 dynamic_cast ，转换为 指向 TrieNodeWithValue<T>的指针。若结果为 nullptr，则不匹配。

Task #2 - Concurrent Trie

我们需要确保插入、移除、取值操作在多线程环境下工作正常。我们可以使用`RwLatch`（BusTub的读写锁实现），或 `std::暂略shared_mutex`（C++STL库）去实现多线程。

本项目仅需要我们通过获取根节点的读写锁，来实现简单的多线程控制。`GetValue`函数应该获取在根节点上的读锁(通过调用 `RwLatch`的 `RLock方法`)，`Insert`和 `Remove`操作需要获取在根节点的写锁。

如果我们用了`RWLatch`，请确保解锁了所有的锁，以避免死锁。

4. Instruction

注意！

本篇是在笔者完成实验后才写的一个记录性随笔。不负责步骤顺序的正确性！（可能有遗漏）
请不要完全参考这篇文章！！！！请去官网的Instruction一步一步跟着做！！！！

Creating Your Own Project Repository

笔者用的是Ubuntu22.4系统

  • 首先需要具备一定的git知识，并安装git。linux系统一般都有git。

  • 注册github账号，然后创建新仓库。并从官方的github上fork代码。注意一定要设为private仓库。

    $ git remote add \
    public https://github.com/cmu-db/bustub.git

    用下列代码来跟踪最新版代码：

    $ git fetch public
$ git merge public/master

Setting Up Your Development Environment

  • Linux下：

    sudo build_support/packages.sh

  • 接着创建build文件夹。进行make操作

    $ mkdir build
$ cd build
$ cmake -DCMAKE_BUILD_TYPE=Debug ..
$ make

  • 这里建议开启CMake的Debug模式，这样就既可以test也可以检查内存泄露

    $ cmake -DCMAKE_BUILD_TYPE=DEBUG ..

  • 要加速make可以用这个指令，加上多线程

    $ make -j$(nproc)

Testing

  • 写完代码就可以开始测试了：
    用来测试的文件在test/primer/starter_trie_test.cpp里面。把想测试的类，函数参数名字的前缀DISABLED_去掉，就可以指定测试了！

    $ cd build
$ make starter_trie_test
$ ./test/starter_trie_test

  • 我们 可以运行make check-tests命令来运行全部测试例子。由于我们才implement一个project，所以肯定会有很多fails。

Formatting

  • 本课程用的代码规范是：
    Google C++ Style Guide

  • 用的是 Clang 来自动化检查代码规范性。
    命令行输入：

    $ make format
$ make check-lint
$ make check-clang-tidy-p0

    来测试代码。其中make check-lint是用来检测细节的（也就是一些排版的错误）。make check-clang-tidy-p0可以检测用的语法有没有问题，有没有warning之类的。

Memory Leaks

  • 本课程用的是：LLVM Address Sanitizer (ASAN) and Leak Sanitizer (LSAN)
    开启Debug模式会自动检测。

  • 也可以用 Valgrind 来检测。
    运行：

    valgrind \
    --error-exitcode=1 \
    --leak-check=full \
    ./test/starter_trie_test

  • 这里笔者没有多此一举，直接用Debug模式就行了。后面遇到严重的问题再来试试看valgrind。

Development Hints

  • 建议不要用printf来debugging，用LOG_ *宏来调试更好！例子：

    LOG_INFO("# Pages: %d", num_pages);
LOG_DEBUG("Fetching page %d", page_id);

  • 为了启用logging，我们应该加上-DCMAKE_BUILD_TYPE=Debug。也就是启用debug模式，才能用LOG。

  • 使用LOG的一些注意事项：

    The different logging levels are defined in src/include/common/logger.h. After enabling logging, the logging level defaults to LOG_LEVEL_INFO. Any logging method with a level that is equal to or higher than LOG_LEVEL_INFO (e.g., LOG_INFO, LOG_WARN, LOG_ERROR) will emit logging information. Note that you will need to add #include "common/logger.h" to any file in which you want to make use of the logging infrastructure.

  • 建议用gdb来调试。
    笔者后面会写一篇gdb的来学习。挖个坑。

Submission

5. Implementation Note

遇到的问题

  • move和forward的应用
    注意左值右值。以及是传递左值还是传递右值。
  • noexcept的运用
    一般只用在移动构造函数中。声明不产生except。
  • unique_ptr的使用
    • get()成员函数
      获得原来的指针
    • make_unique()
      多使用make_unique! 养成习惯
    • reset(q)
      将指针设为q。如果q 为空则是置为空。
    • 注意：
      由于unique_ptr的特性，我们经常使用一个指针来指向智能指针！！！这样就可以防止对unique_ptr的复制了
  • unordered_map的应用
    • erase()删除某个结点
  • 读写锁
    这里返回的时候要解锁就ok了

测试和提交

  • 语法测试的时候：
    注意不要改变代码的逻辑。不然就会前功尽弃了。

6. Summary

本次项目只是实现了一个Trie树。算是对课程项目的一个热身。不熟悉Cpp的同学也可以借此学习一些Cpp的知识。

7. Reference

[1] 字典树(Trie)

[2] CMU15-445 Project0 Trie

posted @ 2023-01-11 18:54  M1kanN  阅读(1575)  评论(0)    收藏  举报