C++高性能后端开发技术栈

C++高性能后端开发技术栈

定位：大厂C++服务端/客户端岗位完整知识体系，覆盖语言、算法、操作系统、网络、存储、架构、性能调优；可用于学习复盘、面试复习、简历能力参考。

一、编程语言：从语法到工程实践的深度掌握

1.1 核心语言特性（C++11 ~ C++23）

不仅会使用API，理解底层原理、性能开销、适用场景，规避踩坑点

• 内存管理 & RAII

  • 智能指针：unique_ptr / shared_ptr / weak_ptr
    • unique_ptr：独占所有权，移动语义，零运行时开销，禁止拷贝；适合绝大多数独占资源场景。
    • shared_ptr：引用计数实现共享所有权，引用计数操作是原子的，但对象本身访问不是线程安全；存在循环引用问题。
    • weak_ptr：观察者指针，不增加引用计数，专门解决shared_ptr循环引用；通过lock()提升为shared_ptr。
  • RAII思想：资源获取即初始化，文件句柄、网络socket连接、互斥锁、堆内存全部遵循RAII，尽量避免裸指针手动new/delete。

• 泛型与模板编程

  • 熟练使用函数模板、类模板、可变参数模板；理解模板全特化、偏特化。
  • SFINAE：替换失败不是错误，C++17后逐步被concepts替代；用于编译期类型筛选。
  • 工程案例：字节跳动 sonic‑cpp JSON库，大量泛型接口，编译期做类型推导，减少运行时分支判断。

• 现代C++语法新特性

  • Lambda表达式：捕获机制[=]、[&]、[this]；闭包存储；mutable修改捕获值对象；常用于回调、信号槽、异步逻辑。
  • constexpr：编译期常量与编译期计算，将部分计算从运行时前移至编译阶段。
  • C++20 coroutine协程：co_await、co_yield，实现用户态异步，注意协程帧内存开销。
  • C++20 concepts：模板类型约束，替代老旧SFINAE，编译报错信息可读性大幅提升。

1.2 工程化能力

• 代码规范
  遵循Google C++ Style / 字节内部C++编码规范；规范命名、头文件保护、注释、前置声明，保证大型项目可读性与可维护性。

• C++与Python混合编程
  pybind11：将高性能C++核心模块封装，对外暴露Python接口；多用于高性能计算、自动化测试、数据处理场景。

• 编译与编译优化

  • 编译器：GCC / Clang；常用编译选项：‑O2生产环境首选；‑O3激进优化，注意编译器过度优化风险；‑march=native启用本机CPU指令集。
  • 链接优化：‑fwhole‑program全程序优化；合理使用inline，不要滥用inline。

二、数据结构与算法：从理论到高并发场景落地

2.1 基础与进阶数据结构

• 基础结构
  数组、链表、栈、队列；哈希表（负载因子、链地址法冲突解决，理解对查询性能的影响）；红黑树；B+树；图。

• 进阶工程结构

  • 跳表：Redis、LevelDB底层，平衡树的简易替代，并发友好。
  • 布隆过滤器：大数据集合去重，存在误判，不能删除元素。
  • 线段树、树状数组：高效区间查询、区间更新场景。
  • LRU / LFU缓存淘汰算法：缓存系统核心，解决冷热数据淘汰。

2.2 算法能力与工程实践

• 核心算法

  • 排序：快排、归并排序、堆排序；对比时间复杂度、空间复杂度、稳定性。
  • 查找：二分查找，重点关注边界条件，手写极易出错。
  • 图论：Dijkstra、A*路径规划，拓扑排序。
  • 动态规划：状态定义、状态转移方程、滚动数组做空间优化。

• 算法工程优化

  • SIMD单指令多数据：CPU向量化并行，sonic‑cpp使用AVX2指令集加速JSON字符解析。
  • 复杂度分析：区分最坏、平均时间/空间复杂度；业务中把高复杂度算法做降级，例如把\(O(n^2)\)优化为\(O(n\log n)\)。

补充：算法不只是做题，要结合业务考虑内存开销、缓存友好性（CPU Cache）。

三、操作系统：深入内核机制与性能调优

3.1 内存管理

• 内核原理
  虚拟内存、页表、缺页中断；mmap内存映射原理。
  内存分配器：glibc malloc（brk/mmap双分配策略）、tcmalloc；对比多线程性能、内存碎片表现。

• 实践调优
  valgrind检测内存泄漏；大内存优先使用mmap分配，减少堆碎片；sonic‑cpp利用页对齐解决SIMD向量化读取越界问题。

3.2 进程与线程、并发编程

• 进程调度：Linux CFS完全公平调度器；线程模型：1:1、N:1、M:N用户态协程模型。
• IPC进程间通信：管道、信号量、共享内存、Socket；理解各方式性能、适用场景。
• C++并发原语：std::thread、std::mutex、std::condition_variable；std::atomic原子操作实现无锁编程。
• 工程实现线程池；死锁四大必要条件；竞态条件问题；业务案例：游戏服务器使用线程池隔离IO线程与业务线程。

3.3 Linux实战工具与系统调优

• 开发调试工具：GCC/Clang编译，GDB断点调试；perfCPU热点采样；strace跟踪系统调用；top/htop资源监控。
• 系统调优：内核TCP参数调优如net.ipv4.tcp_tw_reuse；sched_setaffinity设置CPU亲和性绑定进程。

四、计算机网络：从协议栈到高性能网络编程

4.1 协议深度理解

• TCP/IP协议栈
  TCP三次握手、四次挥手；滑动窗口；拥塞控制BBR / CUBIC；粘包拆包问题（业务层必须自行处理）。
  UDP：不可靠传输，适合实时音视频场景。

• 应用层协议
  HTTP / HTTPS（TLS握手流程、证书校验）；HTTP/2多路复用、头部压缩；WebSocket长连接；自定义二进制序列化协议设计。

4.2 网络编程实践

• IO模型：阻塞IO、非阻塞IO；IO多路复用select/poll/epoll；区分epoll LT水平触发、ET边缘触发。
• 事件驱动模型：Reactor、Proactor；开源库libevent、libuv。
• 网络性能优化：调整TCP缓冲区、TCP Fast Open、连接池复用连接；业务案例：epoll+线程池提升服务QPS。
• 网络安全：SYN洪水攻击；AES对称加密、RSA非对称加密、HMAC签名；业务数据加密与身份认证。

五、开发框架与工具：适配业务场景的技术选型

5.1 客户端框架

• Qt：信号槽机制、QML；跨平台客户端开发Windows/macOS/Linux。
• Electron：基于Chromium内核开发桌面端。
• Web引擎原理：HTML解析、CSS渲染树、GPU硬件加速，做页面性能优化。

5.2 服务端开发工具与调试

• IDE：CLion、Visual Studio；CMake构建系统，编写复杂工程CMakeLists.txt。
• Git：分支管理、冲突解决、cherry‑pick、版本回滚。
• 逆向与崩溃定位：IDA反汇编；WinDBG Windows内核调试；Xperf性能分析，定位客户端崩溃、服务端性能瓶颈。

六、数据库与存储：从单机到分布式存储

6.1 关系型数据库 MySQL

• InnoDB引擎：ACID事务，MVCC多版本并发控制；行锁、表锁、意向锁。
• 索引：B+树索引、联合索引最左匹配原则、覆盖索引；explain执行计划分析慢SQL。
• 高可用架构：主从复制、读写分离；水平/垂直分库分表，支撑千万级数据规模。

6.2 NoSQL与分布式存储

• Redis：5种基础数据结构；RDB/AOF持久化；主从、哨兵、Redis‑Cluster集群；多用于缓存、会话存储。
• MongoDB：文档数据库，索引优化。
• 分布式理论：Raft、Paxos一致性算法；开源存储HDFS、Ceph；字节Titan分布式KV存储。

七、设计模式与架构设计：代码工程化与可扩展性

7.1 设计模式落地

不背诵23种模式，重点是业务场景落地

• 创建型：单例模式（配置管理器）、工厂模式（统一对象创建入口）。
• 结构型：代理模式（RPC服务代理）、装饰器模式（日志、监控埋点增强）。
• 行为型：观察者模式（事件通知）、策略模式（算法动态切换）。
• 模式组合案例：推荐系统使用工厂模式+策略模式，实现多套推荐算法动态加载切换。

7.2 架构设计能力

• 模块化分层：网络层、业务逻辑层、存储层，模块间定义清晰接口，降低耦合。
• 高可用容错：熔断、降级、限流，抵御流量峰值，防止服务雪崩。

八、性能优化：从代码到系统的全链路调优

8.1 性能定位工具

perfCPU采样；valgrind内存检测；gprof函数调用统计；tcpdump网络抓包。

8.2 多层级优化实践

• 代码层优化：SIMD向量化、循环展开、减少分支预测失败；sonic‑cpp AVX2指令集将JSON解析性能达到rapidjson的2.5倍。
• 内存优化：结构体内存对齐；对象池减少频繁malloc/free；降低内存分配开销。
• 系统层优化：进程调度优先级调整、内核TCP参数调优，提升整体吞吐量。

8.3 业务场景化优化

广告业务JSON解析加速；视频业务编码效率优化；AI推荐模型推理加速。

---

补充拓展（面试加分补充）

1. 内存对齐与CPU Cache：结构体padding；缓存行伪共享问题，高并发编程常见坑。
2. 无锁编程风险：std::atomic只保证原子操作，不代表业务逻辑线程安全；无锁代码调试难度高，优先锁方案。
3. CMake工程踩坑：target_link_libraries链接顺序问题；头文件路径管理；跨平台编译差异。
4. 线上问题排查思路：CPU高、内存暴涨、连接数暴涨，工具链完整排查链路。