算法
要判断两首歌曲是否相似，需要比较它们的声音指纹。听上去很容易（实际上的确不难），但并不是初看上去那么直接。acoustid
计算出的声音指纹并不是一个数字，而是一个数字的数组，更准确地说，是一系列字符的数组。因此不能比较数字本身，而要比较数字中的字符。如果所有字符完全一致，则可以认为两首歌曲是同一个。如果
99% 的字符一致，则可以认为有 99% 的可能性两者相同，两者的差异可能是由编码问题（如一首歌用 192kbits/s 编码成
mp3，另一首用的是 128kbits/s）等造成的。
进群：960410445 获取神秘惊喜大礼包！
最初的 Python 实现
Bard
是用 Python 写的，所以第一版实现采用了 Python
的列表以整数数组的方式保存指纹。每次迭代过程中需要移位时，我会在其中一个指纹数组前面加个
0，然后迭代整个数组，依次比较每个元素。比较的方法是对两个元素执行异或操作，然后用一个算法来数出整数中的比特个数：
def count_bits_set(i):
i = i – ((i >> 1) & 0x55555555)
i = (i & 0x33333333) + ((i >> 2) & 0x33333333)
return (((i + (i >> 4) & 0xF0F0F0F) * 0x1010101) & 0xffffffff) >> 24
我们把这个实现的速度作为参考值，称之为一倍速。
。
。
最终的优化
我还没做的一个非常明显的优化就是把 map 换成 vector，这样就无需每次调用 for_each 之前进行转换了。而且，vector 能提前分配空间，由于我知道在整个算法结束时 vector 的最终大小，因此我修改了代码，以便事先分配空间。
这个修改给了我最后一次提速，速度提高到 7998 倍，36680 首歌曲/秒，完全处理 1000 首歌曲的曲库仅需 13 秒。
结论
从这次经历中得到的一些值得记录的经验：
花点时间优化代码，会物有所值。
如果你使用 C++，并且能够使用现代编译器，那一定要用 C++17，它能编译出好得多、效率高得多的代码。Lambda、结构化绑定、constexpr 等都值得花时间去阅读。
让编译器为你做一些工作。你不需要花任何时间，它就能优化代码。
尽可能少地复制或移动数据。这样会降低速度，而且多数情况下只需在开发开始之前仔细考虑下数据结构就能避免。
可能时使用线程。
可能是最重要的一条经验：测量一切。没有测量就没办法提高。（也许可以，但你得不到准确的结论。）
网友评论