利用C++20的 std::span 与 std::ranges 进行高效容器操作

在 C++20 标准中，std::span 和 std::ranges 的加入，为容器操作提供了更简洁、更安全、更高效的方式。本文将从理论与实践两个层面，详细介绍这两大特性的核心概念、典型用例以及常见的陷阱，帮助你在项目中更好地利用它们。

1. `std::span`：轻量级视图

std::span 本质上是一个视图，它不拥有所指向的数据，而是提供对已有容器（如 std::vector、数组、C 风格数组）或裸内存块的“无所有权”访问。它类似于 std::reference_wrapper，但可以对整个序列进行切片。

1.1 基本构造

std::vector <int> vec = {1, 2, 3, 4, 5};
std::span <int> sp(vec);          // 对整个 vector 视图
std::span <int> sp_sub{vec.data() + 1, 3}; // 视图从第二个元素开始，长度 3

1.2 特性

尺寸信息：sp.size()、sp.empty() 与 vec.size() 一致。
范围友好：支持范围 for 循环、std::begin/std::end。
安全性：编译器保证访问不越界；在构造时可显式指定长度。
互换性：可以轻松地将 std::span 作为函数参数，以实现“只读”或“读写”接口。

1.3 典型用例

包装第三方 API

void process(const std::span<const double>& data) {
    // 只读访问
}

批量处理

void batchSum(const std::span <int>& arr, std::vector<int>& out) {
    std::transform(arr.begin(), arr.end(), std::back_inserter(out), [](int x){ return x * 2; });
}

2. `std::ranges`：现代化算法与管道

C++20 引入了 std::ranges，其核心理念是把算法与数据分离，通过视图和管道实现链式、懒加载的数据处理。

2.1 视图（View）

视图是一种“轻量级”容器，它们不复制数据，而是对底层序列进行变换。常见的视图有 std::views::filter、std::views::transform、std::views::take、std::views::drop 等。

auto evens = vec | std::views::filter([](int n){ return n % 2 == 0; });
auto squared = evens | std::views::transform([](int n){ return n * n; });

2.2 管道（Pipe）

管道符号 | 允许把视图、算法与容器“拼接”在一起，形成可读性极高的链式调用。

auto result = vec | 
              std::views::filter([](int n){ return n % 2 == 0; }) |
              std::views::transform([](int n){ return n * n; }) |
              std::ranges::to<std::vector>();

2.3 延迟执行与懒加载

与传统算法不同，std::ranges 的大多数视图是懒执行的。只有在需要最终结果（如 std::ranges::to 或 std::ranges::for_each）时才会触发真正的迭代。这使得可以避免不必要的中间临时容器，提高性能。

2.4 典型场景

链式过滤与转换

auto result = data | 
              std::views::filter(isValid) |
              std::views::transform(toUpper) |
              std::ranges::to<std::vector>();

并行算法

auto sum = std::reduce(std::execution::par, data.begin(), data.end());

std::ranges 让并行算法更易使用：

auto sum = data | std::views::transform([](auto& x){ return x.value; }) |
            std::ranges::reduce(std::execution::par);

3. 常见陷阱与建议

陷阱	说明	解决方案
`std::span` 与 `std::vector` 生命周期不匹配	如果 `span` 指向已被销毁的容器，访问会导致 UB	确保 `span` 的生命周期不超过底层容器
视图链中多次复制	`std::views::transform` 生成的临时对象可能会被复制	用 `std::views::all` 或 `std::ranges::to` 确保一次性收集
并行视图不支持	某些视图（如 `filter`）在并行算法下可能导致同步开销	先生成 `std::vector` 再并行，或使用 `std::execution::par_unseq` 并行视图

4. 代码示例：完整小程序

#include <iostream>
#include <vector>
#include <algorithm>
#include <numeric>
#include <ranges>
#include <execution>

int main() {
    std::vector <int> data{1,2,3,4,5,6,7,8,9,10};

    // 使用 std::span 只读视图
    std::span<const int> span_data(data);
    auto sum_span = std::accumulate(span_data.begin(), span_data.end(), 0);
    std::cout << "Sum (span): " << sum_span << '\n';

    // 使用 ranges 过滤偶数并平方
    auto processed = data |
                     std::views::filter([](int n){ return n % 2 == 0; }) |
                     std::views::transform([](int n){ return n * n; }) |
                     std::ranges::to<std::vector>();

    std::cout << "Processed: ";
    for (auto x : processed) std::cout << x << ' ';
    std::cout << '\n';

    // 并行求和
    auto sum_parallel = std::reduce(std::execution::par, data.begin(), data.end());
    std::cout << "Parallel Sum: " << sum_parallel << '\n';
}

运行结果（示例）：

Sum (span): 55
Processed: 4 16 36 64 100 
Parallel Sum: 55

5. 结语

std::span 与 std::ranges 的加入，极大地提升了 C++ 代码的表达力和安全性。通过学习它们的核心概念、典型用法以及注意事项，你可以写出更简洁、更高效、更易维护的程序。下次在面对容器切片或数据流水线时，别忘了先考虑 span 或 ranges，它们往往能为你节省不少功夫。

1. std::span：轻量级视图