25、内存模型与性能优化：C++内存布局、栈与堆的区别、缓存友好设计、编译器优化（inline、constexpr）、性能分析工具。
说到C++性能优化，很多人第一反应是“算法复杂度”。但说实话，我工作这么多年，真正让程序从“能用”变成“飞快”的，往往是内存布局和编译器优化。你想想看，CPU跑得再快，如果数据在内存里东一块西一块，它也只能干等着。
这一章，我们就来聊聊C++的内存模型。我会结合自己的踩坑经历，把栈和堆的区别、缓存友好设计、编译器优化这些硬核知识，用大白话讲清楚。
1. C++内存布局：你的程序在内存里长什么样？
一个C++程序跑起来后，内存大致分成这么几个区域：
- 栈（Stack）：存放局部变量、函数参数。自动分配，自动释放。
- 堆（Heap）：动态分配的内存（new/malloc）。手动管理，或者靠智能指针。
- 全局/静态区（Data Segment）：全局变量、static变量。
- 常量区（Text Segment / Read-Only）：代码本身、字符串常量。
我刚开始学的时候，总觉得这些分区是教科书上的概念。直到有一次，我在一个嵌入式项目里，因为栈空间分配太小，导致递归函数直接崩了。嗯，从那以后，我再也不敢小看内存布局了。
核心要点：栈空间通常很小（几MB），堆空间大得多（GB级别）。递归太深、局部变量太大，都会导致栈溢出。
2. 栈与堆的区别：不只是“快和慢”
栈和堆的区别，说白了就是“自动”和“手动”的区别。
| 特性 | 栈 | 堆 |
|---|---|---|
| 分配速度 | 极快（移动栈指针） | 较慢（查找空闲块） |
| 生命周期 | 函数结束自动释放 | 手动释放或GC |
| 大小限制 | 小（通常1-8MB） | 大（取决于系统） |
| 碎片问题 | 无 | 容易产生碎片 |
我个人习惯是：能用栈就不用堆。为什么？因为栈分配几乎零开销。堆分配不仅要找空闲块，还可能触发系统调用。我在一个高频交易系统里见过，把堆分配改成栈分配后，延迟直接降了30%。
避坑指南：我曾经在循环里频繁new/delete小对象，结果性能惨不忍睹。后来改用对象池（Object Pool），问题就解决了。记住：堆分配不是免费的。
3. 缓存友好设计：让CPU少等一会儿
现代CPU的速度比内存快得多。CPU从内存读数据，可能要等几百个时钟周期。所以，缓存（Cache）就成了性能的关键。
缓存友好的核心原则就一条：尽量顺序访问内存。
举个例子：
// 缓存友好：按行遍历
for (int i = 0; i < N; ++i)
for (int j = 0; j < N; ++j)
sum += matrix[i][j];
// 缓存不友好：按列遍历
for (int j = 0; j < N; ++j)
for (int i = 0; i < N; ++i)
sum += matrix[i][j];为什么？因为C++的二维数组在内存里是按行存储的。按行遍历，每次访问的都是相邻内存，缓存命中率高。按列遍历，每次跳一大段，缓存几乎每次都miss。
我在项目中遇到过类似的问题。一个图像处理算法，按行处理只要5ms，按列处理要50ms。你想想看，只是改了一下循环顺序，性能差了10倍。
缓存友好的设计原则：
- 顺序访问内存，避免跳跃
- 使用连续的数据结构（如vector，而不是list）
- 把热点数据放在一起（结构体对齐）
- 避免过大的对象，减少缓存行浪费
4. 编译器优化：inline和constexpr
编译器其实很聪明。你写的高级代码，它会在背后做很多优化。但有些优化，需要我们主动配合。
inline：减少函数调用开销
函数调用是有开销的：压栈、跳转、返回。对于小函数，这个开销可能比函数本身还大。inline就是告诉编译器：“把这个函数的代码直接嵌入到调用处。”
inline int add(int a, int b) {
return a + b;
}
int result = add(3, 4); // 编译器可能直接优化成 int result = 7;不过要注意，inline只是建议，不是命令。编译器可能忽略它。而且，滥用inline会导致代码膨胀，反而降低缓存命中率。
注意：我曾经在一个项目里，把一个大函数也加了inline，结果编译出来的二进制文件大了好几倍，性能反而下降了。inline只适合小函数，比如getter/setter。
constexpr：编译期计算
constexpr是C++11引入的，它让一些计算可以在编译期完成。说白了，就是“把运行时的工作提前到编译时”。
constexpr int factorial(int n) {
return n <= 1 ? 1 : n * factorial(n - 1);
}
int arr[factorial(5)]; // 编译期就计算出 120，数组大小确定我个人特别喜欢constexpr。在写一些配置计算、哈希值生成时，用constexpr可以完全消除运行时开销。不过要注意，constexpr函数有严格限制：不能有动态内存分配、不能有虚函数调用等。
5. 性能分析工具：别猜，要测
我见过太多人“凭感觉”优化代码。结果呢？优化了半天，发现瓶颈在别的地方。所以，我的原则是：先测量，再优化。
常用的性能分析工具有：
- perf（Linux）：采样分析，看CPU时间花在哪
- Valgrind / Callgrind：模拟执行，分析函数调用次数
- gprof：GNU的profiling工具
- Visual Studio Profiler（Windows）：图形化，方便
- Google Benchmark：微基准测试，适合对比小段代码
我记得有一次，我用perf分析一个服务，发现90%的CPU时间花在了一个字符串拷贝上。改成移动语义后，性能直接翻倍。如果没有perf，我可能还在优化别的无关紧要的地方。
我的建议：写代码时，先不管性能。写完跑一遍profiler，找到热点，再针对性地优化。不要过早优化，也不要从不优化。
6. 知识体系总览
下面这张图，把本章的核心知识点串起来了。你可以把它当作一个思维导图，方便回顾。
好了，这一章的内容就到这里。内存模型和性能优化，说白了就是“理解你的程序在硬件上怎么跑”。你不需要记住所有细节，但一定要有“性能意识”。下次写代码时，多想想：这个变量放栈还是堆？这个循环访问内存是不是连续的？编译器能不能帮我算好？
这些习惯，会让你写出又快又稳的C++代码。