如何通过poly实现C++编译期多态

引言

前面的文章中我们更多的聚焦在运行期反射，本篇我们将聚焦在一个与反射使用的机制有所类同，但更依赖编译期特性的机制-》编译期多态实现。

c++最近几版的更新添加了大量的compiler time特性支持，社区轮子的热情又进一步高涨。这几年go与rust等语言也发展壮大，那么，我们能不能在c++中实现类似go interface和rust traits的机制呢？

答案是肯定的，开源社区早已经开始了自己的行动，dyno与folly：：poly都已经有了自己的实现。两者的实现思路基本一致，差别主要在于dyno使用了boost：：hana和其他一些第三方库来完成整体机制的实现。

而folly：：poly出来的晚一些，主要使用c++的新特性来实现相关的功能，依赖比较少，所以本文将更多的以poly的实现来分析编译期多态的整体实现。

一、从c++的运行时多态说起

（一）一个简单的例子

struct Vehicle {
  virtual void accelerate() = 0;
  virtual ~Vechicle() {}
};


struct Car: public Vehicle {
  void accelerate() override;
};


struct Truck: public Vehicle {
  void accelerate() override;  
};

（二）对应的运行时内存结构

（三）运行时多态带来的问题

性能问题

大量的文章都提到，因为virtual table的存在，对比纯c的实现，c++运行时多态的使用会付出额外的性能开销。

指针带来的问题

运行时多态一般多配合指针一起使用，这也导致基本相关代码都是配合堆内存来使用的，后续又引入了智能指针缓解堆内存分配导致的额外心智负担，但智能指针的使用本身又带来了其他问题。

侵入性问题

类继承需要强制指定子类的基类，当我们引入第三方库的时候，要么不可避免的需要对其进行修改，要么需要额外的包装类，这些都会带来复杂度的上升和性能的下降。还有一些其他的问题，这里就不再展开了，最近的cppconn多态本身相关的讨论也是一个热点，许多项目开始尝试用自己的方法试图解决运行时多态的问题，感兴趣的可以自行去了解相关的内容。

本部分例子和内容主要来自Louis Dionne的Runtime Polymorphism： Back To The Basics。

二、dyno与poly的实现思路

（一）dyno与poly的目的-编译期多态

dyno想达成的效果其实就是实现编译期多态，如作者所展示的代码片段：

interface Vechicle { void accelerate(); };


namespace lib{
  struct Motorcycle { void accelerate(); };
}
struct Car { void accelerate(); };
struct Truck { void accelerate(); };


int main() {
  std::vector vehicles;
  vehicles.push_back(Car{...});
  vehicles.push_back(Truck{...});
  vehicles.push_back(lib::Motorcycle{...});


  for(auto& vehicle: vehicles) {
    vehicle.accelerate();
  }
}

想法很美好， 但现实是残酷的， 并没有interface存在， 在可预知的一段时间里， 也不会有， 那么如果要自己实现相关的机制， 该如何来达成呢？ 我们在下文中先来看一下整体的实现思路。

（二）编译期多态的设计思路

参考前面的运行时多态模型：

dyno的思路比较直接，尝试使用两个独立的部分来解决编译期多态的支持问题：

Storage policy-负责对象的存储。

VTable policy-负责函数分发调用。

folly：：Poly的实现思路大量参考了dyno，与dyno一致，也是同样的结构。我们继续以Vechicle举例，假设真的存在Vechicle对象，那么它的组织肯定是如下图所示的：

通过这种结构，我们就能正常的访问到Car等具体对象的accelerate（）方法了，原理上还是比较简洁的，但是要做到完全的编译期多态，并不是一个简单的事情。接下来我们先来看一个poly的示例代码，先从应用侧了解一下它的使用。

三、poly的示例代码

我们还是以Vechicle为例，给出一段poly的示例代码：

#include 


struct IVehicle {
  // Define the interface for vehicle
  template <class Base> struct Interface : Base {
    void accelerate() const {
      folly::poly_call<0>(*this);
    }
  };
  // Define how concrete types can fulfill that interface (in C++17):
  template <class T> using Members = folly::PolyMembers<&T::accelerate>;
};


using vehicle = folly::Poly;




struct Car {
  void accelerate() const {
    std::cout << "Car accelerate!" << std::endl;
  }
};


struct Trunk {
  void accelerate() const {
    std::cout << "Trunk accelerate!" << std::endl;
  }
};




void accel_func(vehicle const& v) {
  v.accelerate();
}


int main() {
  accel_func(Car{});  // Car accelerate
  accel_func(Trunk{});  // Trunk accelerate
  return 0;
}

从上面的示例可以看到，poly的封装使用还是比较简洁的，主要是两个辅助对象的定义：

IVehicle 类的定义

vehicle类的定义

（一）IVehicle类

struct IVehicle {
  // Define the interface for vehicle
  template <class Base> struct Interface : Base {
    void accelerate() const {
      folly::poly_call<0>(*this);
    }
  };
  // Define how concrete types can fulfill that interface (in C++17):
  template <class T> using Members = folly::PolyMembers<&T::accelerate>;
};

IVehicle类主要提供两个功能：

通过内嵌类型Members来完成接口包含的所有成员的定义，如上例中的&T：：accelerate。

通过内嵌类型Interface提供类型擦除后的poly《》对象的访问接口。

两者的部分信息其实有所重复，另外因为poly是基于c++17特性的，所以也没有使用concept对Interface的类型提供约束，这个地方约束性和简洁性上会有一点折扣。

（二） vehicle类

using vehicle = folly：：Poly《IVehicle》;

这个类使用我们前面定义的IVehicle类来定义一个folly：：Poly《IVechicle》容器对象，所有满足IVehicle定义的类型都可以被它所容纳，与std：：any类似，只是std：：any用于装填任意类型，folly：：Poly《》只能用来装填符合相关Interface定义的对象，比如上面定义的vehicle，就能用来容纳前面示例中定义的Car和Trunk等实现了void accelerate（） const方法的类型。同样，区别于std：：any只是用作一个万能容器，这里的vehicle本身也是支持函数调用的，比如例子中的：accelerate（）。

（三）示例小结

通过上面的示例代码，我们对poly的使用有了初步的了解，从上面的代码中可以看出，编译期多态的使用还是比较简洁的，整体过程跟c++标准的继承比较类似，有几点差别比较大：

我们不需要侵入性的去指定子类的基类，我们通过非侵入性的方式来使用poly库。

我们是通过构建的folly：：Poly《》来完成对各种子类型的容纳的，而不是直接使用基类来进行类型退化再统一存储所有子类，这样也就避免了继承一般搭配堆内存分配使用的问题。

那么，整套机制是如何实现的呢？ 我们在下文中将具体展开。

四、关于实现的猜想

前面的文章中我们介绍了运行时反射的相关机制，所以类似poly这种使用侧的包装，如果我们抛开性能，考虑用反射实现类似机制，还是比较容易的。

（一）VTable与meta：：class

VTable的概念其实与前面的篇章里提到的meta：：class功能基本一致：

meta：：class上存的meta：：method都是已经完成类型擦除的版本，所以我们可以通过名称很容易的从中查询出自己需要的函数，比如上例中的accelerate，相关代码类似于：

const reflection::Function* accel_func = nullptr;
car_meta_class.TryGetFunction("accelerate", accel_func);
runtime::Call(*accel_func, car_obj);

当然，此处我们省略了meta：：class的注册过程，也省略了car_obj这个UserObject的创建过程。

（二）folly：：Poly《》与UserObject

我们很容易想到，使用UserObject作为Car和Trunk的容器，能够起到跟folly:Poly《》类似的效果。利用UserObject，我们可以很好的完成各种不同类型对象的类型擦除，很好的完全不同类型对象的统一存储和函数参数传递的目的。

（三）运行时反射实现的例子

这样，对于原来的例子，省略meta class的注册过程，大致的代码如下：

struct Car {
  void accelerate() const {
    std::cout << "Car accelerate!" << std::endl;
  }
};


struct Trunk {
  void accelerate() const {
    std::cout << "Trunk accelerate!" << std::endl;
  }
};




void accel_func(UserObject& v) {
  auto& meta_class = v.GetClass();
  const reflection::Function* accel_func = nullptr;
  meta_class.TryGetFunction("accelerate", accel_func);
  runtime::Call(*accel_func, v);
}


int main() {
  //Car meta class register ignore here
  // ...


  //Trunk meta class register ignore here


  accel_func(UserObject::MakeOwned(Car{}));  // Car accelerate
  accel_func(UserObject::MakeOwned(Trunk{}));  // Trunk accelerate


  return 0;
}

功能上似乎是那么回事，甚至因为运行时反射本身各部分类型擦除很彻底，好像实现上更灵活了，但是，这其实只是形势上实现了一个运行时interface like的功能，我们容易看出，这个实现达成了以下目的：

非侵入性，Car与Trunk不需要额外的修改就能支持interface like的功能。

我们可以利用类型擦除的UserObject对Car和Trunk这些不同类型的对象进行存储。

不同对象上的accelerate（）实现可以被正确的调用。

同时，这个实现存在诸多的问题：

运行时实现，性能肯定有比较大的折扣。

比较彻底的类型擦除带来的问题，整个实现一点都不compiler time，编译期的基础类型检查也完全没有了。

那么我们肯定会想到，poly是如何利用compiler time特性，实现更快的interface like的版本的呢？ 这也是我们下一章节开始想展开的内容。

五、poly的实现分析

在开始分析前，我们先来回顾一下前面的示例代码：

using vehicle = folly::Poly;
void accel_func(vehicle const& v) {
  v.accelerate();
}


int main() {
  accel_func(Car{});  // Car accelerate
  accel_func(Trunk{});
  return 0;
}

一切的起点发生在accel_func()将临时构造的Car{}和Trunk{}向vehicle转换的过程中，而我们知道vehicle实际类型是folly::Poly，这也是一个Duck Type，可以容纳所有满足IVehicle声明的类型，如上例中的Car和Trunk。

上例中，Car和Trunk类型向Duck Type类型转换的代码如下：

template <class I>
template ::value, int>>
inline PolyVal::PolyVal(T&& t) {
  using U = std::decay_t;
  //some compiler time && runtime check ignore here
  //...
  if (inSitu()) {
    auto const buff = static_cast<void*>(&_data_()->buff_);
    ::new (buff) U(static_cast(t));
  } else {
    _data_()->pobj_ = new U(static_cast(t));
  }
  vptr_ = vtableFor();
}

非常直接的代码，可以看出与dyno的思路完全一致，主要完成我们前面提到过的两件事：

Storage policy-分配合适的空间以存储对象。

VTable policy-为对象关联正确的VTable。

当然，实际的实现过程其实还有比较多的细节，我们先来具体看一下storage与VTable这两部分的实现细节。

（一）storage处理

整个poly的storage处理完全参考了dyno的实现，当然并没有像dyno那样提供多种storage policy，而是固定的分配策略：

  if (inSitu()) {
    auto const buff = static_cast<void*>(&_data_()->buff_);
    ::new (buff) U(static_cast(t));
  } else {
    _data_()->pobj_ = new U(static_cast(t));
  }

适合原地构造的，则直接使用replacement new来原地构造对象(性能最优的方式)，否则则还是使用堆分配。这里会用到一个Data类型，也是完全copy的dyno的实现，定义如下：

struct Data {
  Data() = default;
  // Suppress compiler-generated copy ops to not copy anything:
  Data(Data const&) {}
  Data& operator=(Data const&) { return *this; }
  union {
    void* pobj_ = nullptr;
    std::aligned_storage_t<sizeof(double[2])> buff_;
  };
};

其实我们已经不难猜到inSitu()的实现了，其中肯定有对对象大小的判断：

template <class T>
inline constexpr bool inSitu() noexcept {
  return !std::is_reference::value &&
      sizeof(std::decay_t) <= sizeof(Data) &&
      std::is_nothrow_move_constructible<std::decay_t>::value;
}

除了原地构造的大小限制外-写死的两个double大小，poly增加了对无异常移动构造的约束，也就是对象的移动构造如果不是nothrow的，就算大小满足要求，也依然会使用堆分配进行构造。

storage这部分主要还是使用SBO的优化策略，这部分dyno相关的视频中有详细的介绍，poly的实现完全照搬了那部分思路，感兴趣的同学可以自行去看一下参考部分的相关视频，了解更多的细节，也包括dyno作者自己做的性能分析。

（二）VTable处理

vptr_ = vtableFor《I， U》（）;

处理的难点

对于Car和Trunk，它们同名的void accelerate（）函数，其实类型并不相同，这是因为类的成员函数都隐含了一个this指针，将自己的类型带入进去了。简单的保存成员函数的指针的方式肯定不适用了，另外因为我们需要最终得到统一的Duck Type-vehicle，我们也需要统一Car和Trunk的VTable类型，所以这里肯定是要对接口函数的类型做一次擦除操作的。

另外，因为我们需要尽可能的避免运行时开销，所以在我们使用Duck Type对对象的相关接口，如上面的accelerate（）进行访问的时候，我们希望中间过程是足够高效的。

poly是如何做到这两点的呢？ 我们带着这两个疑问，逐步深入相关的代码了解具体的实现。

• vtableFor<>实现

template <class I, class T>
constexpr VTable const* vtableFor() noexcept {
  return &StaticConst>>::value;
}

这个地方的StaticConst是一个类似singleton的封装：

//  StaticConst
//
//  A template for defining ODR-usable constexpr instances. Safe from ODR
//  violations and initialization-order problems.


template <typename T>
struct StaticConst {
  static constexpr T value{};
};


template <typename T>
constexpr T StaticConst::value;

这样我们就有了一个根据类型来查询全局唯一VTable指针的机制了，足够高效。

核心问题的解决都是发生在VTableFor这个类型上的，我们下面来具体看一下它的实现。

• VTableFor与VTable的实现

template <class I, class T>
struct VTableFor : VTable {
  constexpr VTableFor() noexcept : VTable{Type{}} {}
};


template <
    class I,
    class = MembersOf<I, Archetype>>,
    class = SubsumptionsOf<I>>
struct VTable;


template <class I, FOLLY_AUTO... Arch, class... S>
struct VTable, TypeList>
    : BasePtr..., std::tuple...> {
 private:
  template <class T, FOLLY_AUTO... User>
  constexpr VTable(Type, PolyMembers) noexcept
      : BasePtr{vtableFor()}...,
        std::tuple...>{thunk_()...},
        state_{inSitu() ? State::eInSitu : State::eOnHeap},
        ops_{getOps()} {}


 public:
  constexpr VTable() noexcept
      : BasePtr{vtable()}...,
        std::tuple...>{
            static_cast>(throw_())...},
        state_{State::eEmpty},
        ops_{&noopExec} {}


  template <class T>
  explicit constexpr VTable(Type) noexcept
      : VTable{Type{}, MembersOf{}} {}


  State state_;
  void* (*ops_)(Op, Data*, void*);
};

这个地方的代码实现其实有点绕，一开始我以为是使用的CTAD，c++17的模板参数自动推导的功能，按照类似的方式在自己的代码上尝试始终失败，最后才发现跟CTAD一点关系没有。

首先是第一点，VTable通过I(也就是例子中的IVehicle)，就能够完全构建出自己的类型了，这也是为什么Car与Trunk的VTable类型完全一致的原因，因为类型定义上，完全不依赖具体的Car和Trunk。

然后是第二点，VTable的第一个构造函数为VTable提供实际的数据来源，这里才会用到具体的类型Car和Trunk。

那么VTable的设计是如何实现具体的类型分离的呢? 这里直接给出答案，我们可以认为，poly对接口函数做了一个部分的类型擦除，相比于之前介绍的反射对所有函数进行类型统一，poly的函数擦除方法可以说是刚刚好，以上文中的accelerate()举例，在Car中的时候原始类型为：

void(const Car::*)();

最终类型擦除后产生的函数类型为：

void(*)(const folly::Data &);

这样，不管是Car和Trunk，它们对应接口的类型就被统一了，同时，Data本身也跟我们前面提到的Duck Type-PolyVal关联起来了。

这种转换老司机们肯定容易想到lambda，lambda肯定也是用于处理这种参数统一的利器，不过poly这里选用了一种编译开销更有优势的方式:

template <
    class T,
    FOLLY_AUTO User,
    class I,
    class = ArgTypes,
    class = Bool>
struct ThunkFn {
  template <class R, class D, class... As>
  constexpr /* implicit */ operator FnPtr() const noexcept {
    return nullptr;
  }
};


template <class T, FOLLY_AUTO User, class I, class... Args>
struct ThunkFn<
    T,
    User,
    I,
    TypeList,
    Bool<
        !std::is_const>::value ||
        IsConstMember>::value>> {
  template <class R, class D, class... As>
  constexpr /* implicit */ operator FnPtr() const noexcept {
    struct _ {
      static R call(D& d, As... as) {
        return folly::invoke(
            memberValue(),
            get(d),
            convert(static_cast(as))...);
      }
    };
    return &_::call;
  }
};

通过一个结构体的静态函数来绕开lambda来对函数的参数类型进行转换，当然，通过这里我们也能了解到具体的接口函数的执行过程了，有几点需要注意一下:

• folly::invoke()的功能与标准库的std::invoke()功能一致。

• get(d)完成Data类型到具体类型的还原。

• 与反射中类似，也存在对参数表中的参数的convert的处理，这块就不再展开了，基本都是原始类型参数的派发，因为一些进阶功能存在Poly类型转换派发的情况，此处不再详细描述了。

再回到多个接口函数的存储上，这个是通过继承的std::tuple<>来完成的，所以我们在Interface的定义中也会发现这样的模板特化用法，实际就是取这个tuple<>中对应位置的元素。

struct VTable, TypeList>
    : BasePtr..., std::tuple...> 


template <class T, FOLLY_AUTO... User>
  constexpr VTable(Type, PolyMembers) noexcept
      : BasePtr{vtableFor()}...,
        std::tuple...>{thunk_()...},
        state_{inSitu() ? State::eInSitu : State::eOnHeap},
        ops_{getOps()} {}

trunk_()函数完成对上面函数类型转换函数ThunkFn()的调用，这样整个虚表中最重要的信息就构造完成了。

（三）关于性能

我们直接以windows上的release版为例，通过生成的asm大致推测poly实际的运行时性能：

//...
accel_func(Car{});  // Car accelerate
00007FF696421166  mov         qword ptr [rsp+20h],0  
00007FF69642116F  lea         rdi,[__ImageBase (07FF696420000h)]  
00007FF696421176  lea         rax,[rdi+33B0h]  
00007FF69642117D  mov         qword ptr [rsp+30h],rax  
00007FF696421182  lea         rcx,[rsp+20h]  
00007FF696421187  call         ?? ::`folly::ThunkFn,std::integral_constant1> >::operatorconst > void (__cdecl*)(folly::Data const &)'::`2'::call (07FF696421490h)  
00007FF69642118C  nop  
00007FF69642118D  mov         rax,qword ptr [rsp+30h]  
00007FF696421192  mov         r9,qword ptr [rax+10h]  
00007FF696421196  xor         ecx,ecx  
00007FF696421198  xor         r8d,r8d  
00007FF69642119B  lea         rdx,[rsp+20h]  
00007FF6964211A0  call        r9  
00007FF6964211A3  nop  
  accel_func(Trunk{});  // Trunk accelerate
//...

到真正调用到实际的accelerate（）函数，编译期的各种中间过程，基本都能被优化掉，整体性能估计跟virtual dispatch接近或者更高，有时间再结合实际的工程示例测试一下相关的数据，本篇性能相关的分析就先到这里了。

（四）poly小结

poly核心机制的实现并不复杂，主要也就是本章介绍的这部分，但poly还实现了一些进阶功能，比如interface之间的继承，非成员函数的支持等，导致整个实现的复杂度飙升，感兴趣的可以自行翻阅相关的代码，推荐的熟悉顺序是：

TypeList.h-里面封装了大量类型和类型运算相关的功能，整体思路类似boost：：mpl的meta function，但基本没有其他依赖，实现也足够简单，值得一看。

PolyNode等其它用于支撑Interface继承的结构。

正常来说，熟悉了TypeList中的meta function以及常用的TypeFold等实现，读懂相关代码不会存在太多的障碍。

另外，Windows上不推荐直接使用源码编译folly，依赖库比较多，并且应该很久没人维护了，获取dependency的python脚本都直接报错，建议windows上直接使用vcpkg 安装folly进行使用，因为folly与boost 类似，基本只有头文件实现，通过这种方式并不影响源码的阅读和调试。

六、总结

本篇我们重点介绍了编译期多态，也讲到了它与反射的一些关联和差异，最后结合poly的相关实现介绍了一些核心的技术点。当然，就编译期反射来说，我们还有更多可以做的内容：

比如参考视频中提到的结合未来的语言新特性如reflect，meta class来进一步简化使用接口。

或者通过离线的方式做一部分代码生成来进一步简化使用侧的Interface定义，甚至提供更强的编译期约束等。

这些我们会尝试在实际的落地中逐步完善，有相关的进展再来分享了。

审核编辑：郭婷