lambda 表达式在 c++++ 中提供了便捷性，但也存在性能开销，主要包括函数对象创建、变量捕获和闭包。优化技巧包括：尽可能使用函数指针、减少变量捕获、使用移动捕获和内联 lambda 表达式。实战中，优化后的 lambda 表达式可以提高程序性能，例如减少内联检查和使用移动捕获。

C++ 函数的进阶指南：lambda 表达式的性能开销

引言

Lambda 表达式在 C++ 中是一种便捷且强大的匿名函数，但它们的性能开销却常常被忽略。本文将深入探讨 lambda 表达式的性能特征，并提供优化技巧来最大限度降低其影响。

立即学习“C++免费学习笔记（深入）”；

性能开销的来源

lambda 表达式的性能开销主要有以下几个方面：

• 函数对象创建开销：每个 lambda 表达式都会创建一个函数对象，这涉及到内存分配和初始化。
• 捕获变量开销：lambda 表达式可以捕获外部变量，这需要额外的内存空间来存储这些变量。
• 闭包开销：lambda 表达式对捕获变量的引用会导致闭包，这会增加内存占有率和函数执行时间。

测量性能开销

为了测量 lambda 表达式的性能开销，我们可以使用以下基准测试：

#include <chrono>
#include <vector>

int main() {
  std::vector<int> v(1000000);

  // 基准测试 lambda 表达式
  auto start = std::chrono::high_resolution_clock::now();
  std::for_each(v.begin(), v.end(), [](int& x) { x++; });
  auto end = std::chrono::high_resolution_clock::now();

  // 输出执行时间
  std::cout << "Lambda: " << std::chrono::duration_cast<std::chrono::microseconds>(end - start).count() << "μs" << std::endl;

  // 基准测试函数指针
  start = std::chrono::high_resolution_clock::now();
  std::for_each(v.begin(), v.end(), [](int& x) { x++; });
  end = std::chrono::high_resolution_clock::now();

  // 输出执行时间
  std::cout << "函数指针: " << std::chrono::duration_cast<std::chrono::microseconds>(end - start).count() << "μs" << std::endl;

  return 0;
}

在一般的场景中，lambda 表达式的执行时间会比函数指针稍慢。

优化技巧

为了最小化 lambda 表达式的性能开销，我们可以采用以下优化技巧：

• 尽量使用函数指针：在可能的情况下，使用函数指针代替 lambda 表达式，因为函数指针不存在闭包开销。
• 减少捕获变量：仅捕获必需的外部变量，以最小化闭包大小。
• 使用移动捕获：对于只读引用，使用移动捕获可以避免额外的内存分配和初始化。
• 内联 lambda 表达式：编译器可能会内联简单或短小的 lambda 表达式，这可以消除函数对象创建开销。

实战案例

在以下代码中，我们有一个函数 foo(), 该函数接受一个 lambda 表达式作为参数：

void foo(std::function<int()> lambda) {
  std::cout << lambda() << std::endl;
}

我们可以使用优化技巧使该函数的性能更优：

void foo(std::function<int()> lambda) {
  // 检查 lambda 表达式是否内联
  if constexpr (std::is_same_v<decltype(lambda), int(&)(int)>) {
    std::cout << lambda() << std::endl;
  } else {
    // 使用移动捕获的 lambda 表达式
    auto lambda_copy = [lambda]() mutable -> int { return lambda(); };
    std::cout << lambda_copy() << std::endl;
  }
}

通过检查 lambda 表达式是否内联，以及使用移动捕获的 lambda 表达式，我们最大限度地优化了该函数的性能。