我对内存屏障以及C++11引入的memory order一直处于一知半解的状态
知道有这么个东西，知道一部分原理，不知道什么场合去用它，一直以来我的多线程工具库里面只有锁，条件变量和原子变量三板斧，错过了很多更细粒度的优化机会。
在ChatGPT的帮助下，终于从头到尾理解了它的底层原理和应用场景
本文属于拾人牙慧的总结，将看到的一些资料整理出来，本文的大纲如下：
缓存一致性
从cpu缓存开始，引出多核cpu的缓存一致性(Cache Coherence)问题
为了解决这个问题，发明了MESI协议，但是这个协议性能还不够好，因此引入了Store Buffer和Invalidate Queue来提高性能
内存一致性
Store Buffer，Invalidate Queue再加上编译器指令乱序和cpu指令乱序，导致了内存一致性(Memory Consistency)无法得到满足
使用各种内存屏障来解决这些问题
C++的memory order
为了简化和细化内存屏障，C++11引入了memory order
在C++中，有一些不太常见的小技巧，甚至有些能够被称之为黑魔法
当你的代码需要同时服务某个库的新旧版本，希望调用新增接口，又不希望这个库的旧版本因为没有这个接口报错
对C++的基础库开发者来说，这是很常见的需求，因为你的库依赖的底层库，不一定可以强行指定版本，那么此时这个兼容性神器就可以出场了
这是一个简单的例子
由于公司使用的taf框架是和开源的tars框架一脉相承，虽然经过几年的改造，几乎已经面目全非了，但是主体结构上相差不大
因此从tars框架的最初版本的源码分析上就可以理解整个核心链路了
本篇会分析开源的tars1.0版本和tars3.0版本，并探索3.0版本的优化原因，最后对他们的性能做一些比较
计划中还有一篇公司taf框架的分析，很有趣的是它的发展方向和tars3.0不太一致，因此可以对其性能和tars性能也做一番比较，遗憾的是出于保密需要，无法将其post在我的博客上了
由于redis和leveldb的兴起，跳表走入了大众的实现
相对红黑树而言，跳表非常容易理解，使其成为了红黑树的常见替代
刚好我在理解2-3-4树的时候写了红黑树，顺便写一个跳表来pk一下性能
结果是我万万没想到的：
在单线程下，跳表的性能几乎全方位被红黑树碾压
之前写过一篇c++ 分析 gperftools 总结
对普通的性能优化来说，gperftools已经足够了
但是如果要深入优化，还是需要借助linux内置的perf工具
这个工具的功能包括但不限于：
hook是一个非常有用的黑魔法
协程基于它的最大应用之一
我总结了一下hook的原理，和我遇到的hook场景
我第一次看到hook这个词是在破解论坛上，大致意思是将指定函数替换成自己的，然后再去执行这个指定函数