当前位置: 首页 > article >正文

C++ 设计模式 Forward Declaration Pimpl

放几轮跟 chatgpt 的对话,很精彩的回答

You

我有个问题,我的 main 目标依赖 src/gcp_subscriber.h 的 GCPSubscriber class
这个 class 有个 private 成员 google::cloud::pubsub::Subscriber
也就意味着我得在 gcp_subscriber.h 里面引用 google cloud 的依赖库。
也就意味着 main 也会 include 到 google cloud 依赖库,这会减慢我的 main 目标编译速度

ChatGPT

在 C++ 中,使用前置声明(forward declaration)可以避免引入完整的头文件而只引入所需的类的声明。通过使用前置声明,你可以减少编译时需要处理的代码量,从而提高编译速度。

在你的 gcp_subscriber.h 中,尝试使用前置声明而不是包含整个 google/cloud/pubsub/subscriber.h 头文件。只在实现文件中(例如 gcp_subscriber.cpp)引入完整的头文件。这样可以将依赖库的具体实现细节延迟到编译阶段的实现文件中,从而加速主目标的编译。

以下是一个示例:

gcp_subscriber.h:

#ifndef GCP_SUBSCRIBER_H_
#define GCP_SUBSCRIBER_H_

#include <memory> // 如果使用了 std::shared_ptr

// Forward declaration of google::cloud::pubsub::Subscriber
namespace google::cloud::pubsub {
class Subscriber;
} // namespace google::cloud::pubsub

class GCPSubscriber {
public:
    GCPSubscriber(std::string channel, std::shared_ptr<MessageBufferQueue> queue);

    void block_receive();

private:
    std::shared_ptr<MessageBufferQueue> queue;
    std::unique_ptr<google::cloud::pubsub::Subscriber> subscriber;
};

#endif  // GCP_SUBSCRIBER_H_

gcp_subscriber.cpp:

#include "gcp_subscriber.h"
#include <google/cloud/pubsub/subscriber.h>

GCPSubscriber::GCPSubscriber(std::string channel, std::shared_ptr<MessageBufferQueue> queue)
    : queue(queue),
      subscriber(
          std::make_unique<google::cloud::pubsub::Subscriber>(
              google::cloud::pubsub::MakeSubscriberConnection(
                  google::cloud::pubsub::Subscription("combo-001", fmt::format("cme-mktdata-{}-NR", channel)))))
{
}

void GCPSubscriber::block_receive() {
    // 实现 block_receive 函数的具体内容
    // ...
}

通过这种方式,gcp_subscriber.h 只需要知道 google::cloud::pubsub::Subscriber 的存在,而不需要知道它的具体实现细节。这有助于减少 main 目标的编译时间,因为它不再需要处理完整的 google/cloud/pubsub/subscriber.h。

省略中间一些对话

You

那这前置声明不就失效了吗

ChatGPT

你是对的,我为之前的回答道歉。由于需要在 gcp_subscriber.h 中的实现文件 (gcp_subscriber.cc) 中使用完整的 google::cloud::pubsub::Subscriber,前置声明就不再适用了。

在这种情况下,你需要在 gcp_subscriber.h 中包含完整的头文件,以便确保 google::cloud::pubsub::Subscriber 的定义是可见的。这将导致包含 Google Cloud Pub/Sub 相关的头文件,从而增加了编译时间。解决方案是确保只在需要的地方包含这些头文件,以尽量减小编译时间的影响。

如果你的项目结构允许,可以考虑将 google::cloud::pubsub::Subscriber 的具体实现移到实现文件(如 gcp_subscriber.cc)中,而不是将其定义放在头文件中。这样,头文件只需要进行前置声明,而不必包含完整的定义。这样可以减小头文件的依赖,提高编译速度。例如:

gcp_subscriber.h:

#ifndef GCP_SUBSCRIBER_H_
#define GCP_SUBSCRIBER_H_

#include <memory>

class MessageBufferQueue;  // 前置声明

class GCPSubscriber {
public:
    GCPSubscriber(std::string channel, std::shared_ptr<MessageBufferQueue> queue);

    void block_receive();

private:
    std::shared_ptr<MessageBufferQueue> queue;
    class Impl;  // 前置声明
    std::unique_ptr<Impl> subscriber_impl;
};

#endif  // GCP_SUBSCRIBER_H_

gcp_subscriber.cc:

#include "gcp_subscriber.h"
#include <google/cloud/pubsub/subscriber.h>

class GCPSubscriber::Impl {
public:
    google::cloud::pubsub::Subscriber subscriber;
    // ... 其他成员和实现
};

GCPSubscriber::GCPSubscriber(std::string channel, std::shared_ptr<MessageBufferQueue> queue)
    : queue(queue), subscriber_impl(std::make_unique<Impl>())
{
    // 对 Impl 进行初始化,包括创建 google::cloud::pubsub::Subscriber
}

void GCPSubscriber::block_receive() {
    // 实现 block_receive 函数的具体内容,使用 subscriber_impl->subscriber
    // ...
}

这种方式可以将 Google Cloud Pub/Sub 的具体实现从头文件中移除,从而减小编译时的依赖。

You

这是 pimpl 吗

ChatGPT

是的,这种技术被称为 Pimpl(Pointer to Implementation)或者又称为 Opaque Pointer。Pimpl 是一种设计模式,其主要目标是将类的实现细节(成员变量、成员函数的实现等)隐藏在一个独立的类中,以减小头文件的依赖,提高封装性,同时降低编译时的依赖性。

在 Pimpl 模式中,类的头文件只包含对实现类的前置声明,而实现类的定义则放在实现文件中。这样,只有在实现文件中才需要包含具体的头文件,而头文件中则只需要包含前置声明,从而减小了编译时的依赖。

这对于减小编译时间和隐藏实现细节非常有用。同时,当实现发生变化时,只需要修改实现文件,而头文件可以保持不变,从而减小了对外部代码的影响。

在你的例子中,GCPSubscriber 类的具体实现被封装在 GCPSubscriber::Impl 类中,而 GCPSubscriber 的头文件中只包含了 MessageBufferQueue 的前置声明和 Impl 的前置声明,从而隐藏了 google::cloud::pubsub::Subscriber 的具体实现。


http://www.kler.cn/news/157382.html

相关文章:

  • [传智杯 #3 练习赛] 单位转换
  • 绝密人性天书
  • Python中的类(Class)和对象(Object)
  • 微服务调用组件Feign
  • 人工智能-A*算法-八数码问题
  • BiseNet实现遥感影像地物分类
  • QT之QString
  • 进入软件的世界
  • Android 如何让路由器或者其他AP设备获取到主机名
  • VQD视频质量诊断服务/图像质量诊断/视频流质量诊断/传统方法与深度学习结合的视频质量诊断
  • 基于Linux的网络防火墙设计方法
  • 记一次SQL Server磁盘突然满了导致数据库锁死事件is full due to ‘LOG_BACKUP‘.
  • python中的元组
  • JavaEE进阶学习:Spring Boot 配置文件
  • GEE:梯度卷积
  • JVM:双亲委派(未完结)
  • 在文本框中添加单位
  • 【ARM CoreLink 系列 8.2 -- SMMU 详细介绍-STE Entry 详细介绍 2】
  • 振动和震动的区别?
  • GPIO的使用--点亮外接小灯泡--开关控制
  • 鸿蒙原生应用/元服务开发-AGC分发如何下载管理Profile
  • Django二转day01
  • 【前端】多线程 worker
  • 解决msvcp140.dll丢失问题的5种方法,验证有效
  • Linux Namespace技术
  • C#图像处理OpenCV开发指南(CVStar,04)——图片像素访问与多种局部放大效果的实现代码
  • TensorRT-LLM保姆级教程(一)-快速入门
  • 价差后的几种方向,澳福如何操作才能盈利
  • web自动化 -- pyppeteer
  • 计算机网络(二)| 物理层上 | 数据通信基础知识 调制 频率范围 信噪比