大家好，这里是继续死磕C++的黑犬momo酱。
上周我们聊了“为什么量化的尽头是C++”，很多朋友在后台私信问我推荐C++的学习资料和学习工具 也收获了一些同路人的肯定和支持（十分感谢🙏）。说实话，这一周我复习着《C++ Primer》和网上的教程的笔记，最大的感受不是语法有多难记，而是**“恐惧”**。
以前写Python或Java时，我只关心“功能实现了吗？”；但当你戴上“量化开发（Quant Dev）”的眼镜去重新审视C++最基础的语法时，你会发现：哪怕是一个简单的变量定义，背后都标好了昂贵的“价格”。学完了一周的C++基础，我发现自己以前写的哪里叫代码，应该叫CPU的“催命符”，真做交易得落后别人几千年。
本周我们不聊枯燥的if/else、循环抑或是模板类怎么写, 也不粘贴晦涩的代码小片段逐行拆解，这种基础的教程非常了，我们就不需要做重复的事情。我想要做的是，我们站在量化的角度，来聊聊隐藏在基础语法背后的“量化三观”和我的一些新认知，希望也能帮各位读者对QD日常工作有一些直观的印象。
💡如果有一些C++或者量化术语你不熟悉，没关系，重点是体会在发生什么，相关的知识我以后会有更细致的分享。
1. 变量“住”哪？（Stack vs Heap）
如果是做Web和前端开发，你可能不太在乎变量存在哪；但在高频交易里，住错了地方就是“事故”。
初学C++最容易滥用的是 new 关键字，或者malloc很多自己没有办法管理的内存。
想象这样一个场景，比如来了一个行情Tick，习惯性写一句 Order* o = new Order();。
在普通软件里这没问题，但在量化系统的**热路径（Hot Path, 简单理解为从接收到行情到策略计算结束发出报单的代码执行路径）**上，这是大忌。
-
堆（Heap）的代价：
new需要操作系统在杂乱的内存堆里帮你找空地，这不仅慢，而且时间不可控（可能这次1微秒，下次100微秒）。这种“抖动”对于追求微秒级响应的策略是致命的。 -
栈（Stack）的优势：栈上的内存分配几乎是零成本的（指针移动一下而已）。
我的新认知：
在量化里，能用栈（局部变量）就绝不用堆。如果必须用动态内存，必须预先分配好内存池（Memory Pool），池化组件是一个好东西，当你没有性能优化方案的灵感时，先想想pool。
2. 浮点数的“谎言”
我们来聊聊钱。
如果你在很多编程语言里计算 0.1 + 0.2，结果往往不是 0.3，而是一个无限接近的小数。
基础语法告诉我们有 float 和 double。
但实战经验会告诉你：别信它们。
-
精度陷阱：在金融里，一分钱的对账误差都可能导致系统熔断。
double的底层二进制表示注定会有精度损失。 -
行业惯例：为什么很多交易所推过来的数据（FIX/二进制流）里，价格是整型（int64）？
- 比如茅台价格
1500.23，传输过来往往是15002300（单位是微元）。
- 比如茅台价格
我的新认知：
尽量使用**定点数（Fixed Point）**思维。用 int64_t 来存价格，算完了再除回去。
3. NO COPY，只传References
C++最迷人也最基础的特性之一：引用（Reference **&**）。
假设你有一个包含全市场5000只股票快照的大对象 MarketSnapshot。
你需要写一个函数检查风控：void CheckRisk(MarketSnapshot snap)。
-
萌新写法（值传递）：不加
&。C++会尽职尽责地把这5000只股票的数据完整拷贝一份给函数。CPU 疯了，内存爆了，延迟炸了。 -
量化写法（引用传递）：
void CheckRisk(const MarketSnapshot& snap)。加了const &，相当于只给函数一个“眼神”或者“遥控器”，零拷贝，直接操作原数据，且保证不被修改。
我的新认知：
C++程序员需要培养一种强迫症，看到复杂对象传参不带 &，就像看到钱掉在地上一样难受。
4. Vector是朋友，Map是杀手
C++教科书说查找要用 **std::map** (红黑树)，因为它是 O(logN)；**std::vector** 是 O(N)，太慢。
但在HFT场景下（比如处理Level 2行情的十档买卖盘），这个结论往往是错的。
-
缓存友好性（Cache Locality）：
Vector的数据在内存里是排排坐的，CPU读取时可以一次性预取（Prefetch）很多，极快。Map的节点散落在内存各处，CPU读它需要跳来跳去，Cache Miss（缓存未命中）极其严重。
我的新认知：
在数据量不大（几十上百个元素）时，遍历一个 vector 往往比在 map 里查找要快得多。
5. 异常处理 (Exception)：热路径上的“禁区”
C++教科书说遇到错误用 try...catch，优雅又安全。
但是在量化实战的Tick-to-Trade（行情触发交易）场景下，严禁抛出异常。
实际上C++的异常机制（Stack Unwinding）非常昂贵。一旦抛出异常，CPU需要花费大量周期去回溯堆栈，这对于微秒级的策略是毁灭性的。此外，异常的存在会阻碍编译器进行某些激进的优化。
真实的实盘交易的代码，总是在用if和return。
我的新认知：
在量化里，Performance > Elegance，速度永远第一顺位。
当然，C++语法基础还有很多部分譬如指针、模板类、CRTP、惯用法等等很多细碎的话题，限于篇幅我们不可能把所有和量化相关的细节都盘一遍。
重要的是，这一周的学习让我明白，所谓的**“量化开发门槛”，并不在于你能背多少个C++关键字，而在于你是否具备“硬件思维”**，关键是需要对自己每写的一行代码的准确性和性能负责，作为QD，我们的使命就是让程序跑的又快又准，而不是仅仅实现一个可用功能外加代码优雅而已（至少我感觉量化工作中并不追求代码要优雅，工程落地能力>代码规范）。
📂** 学习资源与代码归档：**
🔗 GitHub: https://github.com/shuheng-mo/qd-study-plan-104wk.git
下周预告：W03 - C++的OOP魔法（基础）
👋下周五见，我是还在死磕指针和红黑树的黑犬momo酱。
🙋提问：各位开发者在写代码的时候，什么时候考虑性能最优化？还是并不care？