⑴ 浠ｇ爜杩愯屾晥鐜囨槸浠涔堟剰镐濓纻
鍦ㄨ＄畻链洪嗗烟涓锛屼唬镰佽繍琛屾晥鐜囨槸鎸囩▼搴忓湪杩愯屾椂镓鑺辫垂镄勬椂闂村拰鍗犵敤镄勮祫婧愩傝繖鍖呮嫭CPU镞堕棿銆佸唴瀛树娇鐢ㄣ佸勭悊鍣ㄧ殑璐熻浇绛夋柟闱銆备竴涓楂樻晥镄勭▼搴忚兘澶熷湪链鐭镞堕棿鍐呭勭悊链澶氭暟鎹锛屽甫𨱒ョ殑鏄镟村揩镄勫搷搴旀椂闂村拰镟村ソ镄勭敤鎴蜂綋楠屻傜劧钥岋纴浠ｇ爜杩愯屾晥鐜囧苟涓嶅彧鏄涓涓绋嫔簭链缁堟墽琛岀殑阃熷害锛屽畠涔熶笌缂栫爜瑙勮寖銆佺畻娉曡川閲忋佹爣鍑嗗簱绛夊洜绱犳湁鍏炽
楂樻晥镄勭▼搴忓彲浠ュ甫𨱒ユ樉镢楃殑濂藉勶纴濡傝妭鐪佹椂闂淬佽妭鐪佽祫婧愮瓑銆傚挨鍏舵槸鍦ㄥぇ瑙勬ā鏁版嵁澶勭悊鍜岄珮骞跺彂鍦烘櫙涓嬶纴浠ｇ爜杩愯屾晥鐜囨垚涓轰简涓涓蹇呴’瑕佽冭槛镄勯梾棰樸备负浜嗘彁鍗囩▼搴忕殑镐ц兘锛屽繀椤讳简瑙ｅ拰杩愮敤钖堥傜殑绠楁硶缁撴瀯鍜屾暟鎹缁撴瀯锛岃勯伩涓浜涘彲鑳藉瓨鍦ㄧ殑璧勬簮娴璐癸纴钖屾椂涔熷彲浠ュ噺灏戜竴浜涜繍琛岀紦鎱㈢殑阌栾鎴栧穿婧冦傛彁楂树唬镰佽繍琛屾晥鐜囧彲浠ュ甫𨱒ユ洿濂界殑璁＄畻绔浣挞獙锛屼篃鍙浠ユ帹锷ㄤ笟锷″为暱銆
鎻愰珮浠ｇ爜杩愯屾晥鐜囨槸涓涓澶嶆潅镄勪换锷★纴闇瑕佺患钖堣冭槛缂栫▼鎶链銆佷唬镰佽川閲忓拰閮ㄧ讲鐜澧幂瓑锲犵礌銆备互涓嬫槸鍑犵嶉氱敤镄勬柟娉曪细
浼桦寲绠楁硶鍜屾暟鎹缁撴瀯锛屽敖鍙鑳戒娇鐢ㄦ椂闂村嶆潅搴︿绠镄勭畻娉曪绂
缂栧啓骞插噣𨱒炬暎镄勪唬镰佸拰娉ㄩ喷锛屽彲浠ユ彁楂树唬镰佸彲缁存姢镐у拰鍙璇绘э绂
阆垮厤浣跨敤杩囧氱殑寰鐜宓屽楀拰閲嶅嶈＄畻绛夊姩浣滐纴鍙浠ュ噺灏戣祫婧愭氮璐癸绂
浣跨敤寮傛ョ紪绋嬨佺紦瀛樻暟鎹鍜屾噿锷犺浇绛夋柟寮忓彲浠ュ噺灏慖O阒诲烇绂
浣跨敤阃傚綋镄勭紪璇戦夐”銆佺▼搴忕粍浠跺拰閰岖疆锛屽彲浠ヤ紭鍖栫紪璇戝拰閮ㄧ讲銆
⑵ 影响vs编译速度的因素有哪些
影响因素比较多：
1 文件的大小，文件大小指的是全部include展开后的大小。
2 文件数量，编译是一个一个文件进行的，所以你的工程的文件数量也有关系。
3 还有声明的复杂程度，复杂声明需要额外地计算。
4 最影响编译速度的估计是C++的模板，模板在编译的时候要进行推导，得到相应的结果，这个非常费时间。如果你是模板里还套了模板，那就比较慢了。
5 链接库的数量，链接很多库也会使得编译速度变慢。
6 inline函数展开，会使得代码膨胀，也会影响编译速度
7 debug模式编译要留符号表做调试，也会影响速度
8 release模式如果开了优化，编译优化会改变代码的某些结构，这也是拖慢编译器的一个重要因素。
⑶ 浅谈怎样加快C++代码的编译速度
首先一点 加快编译速度意义不大。
需要整个项目重新编译的情况并不多，而每次只修改若干文件的情况下，加快速度也不会有太大影响。
更重要的应该把目光放在加快运行速度上。
要加快编译速度，可以从这几个方面尝试。
一、代码角度
1、在头文件中使用前置声明，而不是直接包含头文件。
不要以为你只是多加了一个头文件，由于头文件的"被包含"特性，这种效果可能会被无限放大。所以，要尽一切可能使头文件精简。很多时候前置申明某个namespace中的类会比较痛苦，而直接include会方便很多，千万要抵制住这种诱惑；类的成员，函数参数等也尽量用引用，指针，为前置声明创造条件。
2、使用Pimpl模式
Pimpl全称为Private Implementation。传统的C++的类的接口与实现是混淆在一起的，而Pimpl这种做法使得类的接口与实现得以完全分离。如此，只要类的公共接口保持不变，对类实现的修改始终只需编译该cpp；同时，该类提供给外界的头文件也会精简许多。
3、高度模块化
模块化就是低耦合，就是尽可能的减少相互依赖。这里其实有两个层面的意思。一是文件与文件之间，一个头文件的变化，尽量不要引起其他文件的重新编译；二是工程与工程之间，对一个工程的修改，尽量不要引起太多其他工程的编译。这就要求头文件，或者工程的内容一定要单一，不要什么东西都往里面塞，从而引起不必要的依赖。这也可以说是内聚性吧。
以头文件为例，不要把两个不相关的类，或者没什么联系的宏定义放到一个头文件里。内容要尽量单一，从而不会使包含他们的文件包含了不需要的内容。记得我们曾经做过这么一个事，把代码中最"hot"的那些头文件找出来，然后分成多个独立的小文件，效果相当可观。
其实我们去年做过的refactoring，把众多DLL分离成UI与Core两个部分，也是有着相同的效果的 - 提高开发效率。
4、删除冗余的头文件
一些代码经过上十年的开发与维护，经手的人无数，很有可能出现包含了没用的头文件，或重复包含的现象，去掉这些冗余的include是相当必要的。当然，这主要是针对cpp的，因为对于一个头文件，其中的某个include是否冗余很难界定，得看是否在最终的编译单元中用到了，而这样又可能出现在一个编译单元用到了，而在另外一个编译单元中没用到的情况。
之前曾写过一个Perl脚本用来自动去除这些冗余的头文件，在某个工程中竟然去掉多达了5000多个的include。
5、特别注意inline和template
这是C++中两种比较"先进"的机制，但是它们却又强制我们在头文件中包含实现，这对增加头文件的内容，从而减慢编译速度有着很大的贡献。使用之前，权衡一下。
二、综合技巧
1、预编译头文件（PCH）
把一些常用但不常改动的头文件放在预编译头文件中。这样，至少在单个工程中你不需要在每个编译单元里一遍又一遍的load与解析同一个头文件了。
2、Unity Build
Unity Build做法很简单，把所有的cpp包含到一个cpp中(all.cpp) ,然后只编译all.cpp。这样我们就只有一个编译单元，这意味着不需要重复load与解析同一个头文件了，同时因为只产生一个obj文件，在链接的时候也不需要那么密集的磁盘操作了,估计能有10x的提高，看看这个视频感受一下其做法与速度吧。
3、ccache
compiler cache, 通过cache上一次编译的结果，使rebuild在保持结果相同的情况下，极大的提高速度。我们知道如果是build，系统会对比源代码与目标代码的时间来决定是否要重新编译某个文件，这个方法其实并不完全可靠(比如从svn上拿了上个版本的代码)，而ccache判断的原则则是文件的内容，相对来讲要可靠的多。
很可惜的是，Visual Studio现在还不支持这个功能 - 其实完全可以加一个新的命令，比如cache build，介于build与rebuild之间，这样，rebuild就可以基本不用了。
4、不要有太多的Additional Include Directories
编译器定位你include的头文件，是根据你提供的include directories进行搜索的。可以想象，如果你提供了100个包含目录，而某个头文件是在第100个目录下，定位它的过程是非常痛苦的。组织好你的包含目录，并尽量保持简洁。
三、编译资源
要提高速度，要么减少任务，要么加派人手，前面两个方面讲得都是减少任务，而事实上，在提高编译速度这块，加派人手还是有着非常重要的作用的。
1、并行编译
买个4核的，或者8核的cpu，每次一build，就是8个文件并行着编，那速度，看着都爽。 要是你们老板不同意，让他读读这篇文章：Hardware is Cheap, Programmers are Expensive
2、更好的磁盘
我们知道，编译速度慢很大一部分原因是磁盘操作，那么除了尽可能的减少磁盘操作，我们还可以做的就是加快磁盘速度。比如上面8个核一块工作的时候，磁盘极有可能成为最大的瓶颈。买个15000转的磁盘，或者SSD，或者RAID0的，总之，越快越好。
3、分布式编译
一台机子的性能始终是有限的，利用网络中空闲的cpu资源，以及专门用来编译的build server来帮助你编译才能从根本上解决我们编译速度的问题，想想原来要build 1个多小时工程的在2分钟内就能搞定，你就知道你一定不能没有它 - Incredibuild。
4、并行，其实还可以这么做。
这是一个比较极端的情况，如果你用了Incredibuild，对最终的编译速度还是不满意，怎么办？其实只要跳出思维的框架，编译速度还是可以有质的飞跃的 - 前提是你有足够多的机器：
假设你有solution A和solution B，B依赖于A，所以必须在A之后Build B。其中A，B Build各需要1个小时，那么总共要2个小时。可是B一定要在A之后build吗？跳出这个思维框架，你就有了下述方案：
◦同时开始build A和B 。
◦A的build成功，这里虽然B的build失败了，但都只是失败在最后的link上。
◦重新link B中的project。
⑷ delphi编译器效率高到底是指什么
所谓delphi编译器效率高，一般指的是以下三方面：
1、编译连接时间短，这一点是其他任何编译器都无法相比的（一般来说，VC, VB编译过程所用的时间是Delphi的几倍），原因很简单：Pascal语法限制严格，用户必须规范地编码，省去了编译器的很多麻烦。
2、编译出的程序执行速度快，产生的代码长度短。这一点比VB强，但和VC基本一样，谁也没有优势。不过很多人有误解，以为Delphi类库庞大复杂，加一个控件就要把整个一个源文件全部加进来，代码长度太大，效率太差。其实真实情况是，拥有众多VCL控件类库，是Delphi的一个独特之处，VC的MFC库无法与之相比——MFC有的底层简单封装的类，VCL库都有，但VCL有的上层组件，MFC却根本没有。使用VCL上层应用控件后，代码长度的确比VC大，不过VC却没有这方面的选择，而VC所用的从底层一砖一瓦地编码的方式，Delphi完全支持，而且绝对没任何劣势，代码长度也不长（VC的语法复杂，按C程序员一般习惯做的话，代码长的反而会是VC）。产生误解的原因，是多数Delphi程序员是应用级的，而VC程序员是底层些的，应用程序员大多不太懂得底层代码的编写，只会搬控件、响应事件，以为底层的东西Delphi做不来。
3、对应用级的程序开发周期短——这也就是Borland一贯吹捧的“快速开发工具”的含义。正因为VCL的存在（封装了很多界面组件以及通讯、数据库、internet应用等很多后台功能），对高层应用不再需要一砖一瓦地受累，使开发周期缩短了很多倍。
单纯从技术角度说，编译器效率应该指编译出的代码是否短小/运行速度是否快，以及是否能用较少的源代码高效地实现复杂功能。前一方面Delphi并不比VC差，而比VB强，但并非一骑绝尘；后一方面则的确有一骑绝尘之象。
Delphi的致命缺点，其实不是技术——技术它是领先的，毫无疑问，问题是市场策略和公司实力（Borland只是家小公司），微软“携操作系统以令诸侯”，误导了众多软件开发公司，让它们以为微软的才正宗和好用，造成了事实上的VB，VC用户群远比Borland的庞大，源代码数量也一样是C/C++远远占优，而Borland的C++ Builder却开发得太晚难以形成市场优势。
概括来说，如果你要开发上层应用为主的程序，特别是数据库方面的程序，那么Delphi能让你省不少时间；而若开发底层些的软件，为能有更多相关代码可以参考利用，为能容易地招聘到更合适的程序员，以及为了代码维护方便，都适合用C/C++去做，当然，C++ Builder从技术上说是个不错的选择，只是用户群还太小。
⑸ java 代码的运行效率是由Java虚拟机决定，还是由我们的PC速度决定
运行效率分两个部分，一个是编译的效率，一个是执行的效率。
编译的效率是由jvm和pc两部分影响的，编译后的class文件的执行速度就完全由pc决定了，这个和你的代码中是否有循环没有直接关系，执行所耗费的时间是按照计算机计算一个二进制基础运算的基础来衡量的。这里面还有class文件解释成机器码的时间，这个就是按语句的多少来算了，因为java是逐行逐句解释的。所以我们说class文件的运行时间也包含了class文件解释成机器码的时间。
不过java运行效率再快，也没有c代码快，这个不是说c代码精炼就运行快的原因。
java代码通过jvm编译成class文件，这时候还不能说是编译成机器码了，class码呢还是一种中间码，还需要被解释成机器码，这也是为什么java是跨平台的语言的原因。而c代码，只需要直接一次性编译成机器码就可以了。这也是为什么在某种平台下写的c代码不能再跨平台的原因。
希望我已经解释清楚了。
项目越来越大，每次需要重新编译整个项目都是一件很浪费时间的事情。Research了一下，找到以下可以帮助提高速度的方法，总结一下。
1. 使用tmpfs来代替部分IO读写
2.ccache，可以将ccache的缓存文件设置在tmpfs上，但是这样的话，每次开机后，ccache的缓存文件会丢失
3.distcc,多机器编译
4.将屏幕输出打印到内存文件或者/dev/null中，避免终端设备（慢速设备）拖慢速度。
tmpfs
有人说在Windows下用了RAMDisk把一个项目编译时间从4.5小时减少到了5分钟，也许这个数字是有点夸张了，不过粗想想，把文件放到内存上做编译应该是比在磁盘上快多了吧，尤其如果编译器需要生成很多临时文件的话。
这个做法的实现成本最低，在Linux中，直接mount一个tmpfs就可以了。而且对所编译的工程没有任何要求，也不用改动编译环境。
mount -t tmpfs tmpfs ~/build -o size=1G
用2.6.32.2的Linux Kernel来测试一下编译速度：
用物理磁盘：40分16秒
用tmpfs：39分56秒
呃……没什么变化。看来编译慢很大程度上瓶颈并不在IO上面。但对于一个实际项目来说，编译过程中可能还会有打包等IO密集的操作，所以只要可能，用tmpfs是有益无害的。当然对于大项目来说，你需要有足够的内存才能负担得起这个tmpfs的开销。
make -j
既然IO不是瓶颈，那CPU就应该是一个影响编译速度的重要因素了。
用make -j带一个参数，可以把项目在进行并行编译，比如在一台双核的机器上，完全可以用make -j4，让make最多允许4个编译命令同时执行，这样可以更有效的利用CPU资源。
还是用Kernel来测试：
用make： 40分16秒
用make -j4：23分16秒
用make -j8：22分59秒
由此看来，在多核CPU上，适当的进行并行编译还是可以明显提高编译速度的。但并行的任务不宜太多，一般是以CPU的核心数目的两倍为宜。
不过这个方案不是完全没有cost的，如果项目的Makefile不规范，没有正确的设置好依赖关系，并行编译的结果就是编译不能正常进行。如果依赖关系设置过于保守，则可能本身编译的可并行度就下降了，也不能取得最佳的效果。
ccache
ccache工作原理：
ccache也是一个编译器驱动器。第一趟编译时ccache缓存了GCC的“-E”输出、编译选项以及.o文件到$HOME/.ccache。第二次编译时尽量利用缓存，必要时更新缓存。所以即使"make clean; make"也能从中获得好处。ccache是经过仔细编写的，确保了与直接使用GCC获得完全相同的输出。
ccache用于把编译的中间结果进行缓存，以便在再次编译的时候可以节省时间。这对于玩Kernel来说实在是再好不过了，因为经常需要修改一些Kernel的代码，然后再重新编译，而这两次编译大部分东西可能都没有发生变化。对于平时开发项目来说，也是一样。为什么不是直接用make所支持的增量编译呢？还是因为现实中，因为Makefile的不规范，很可能这种“聪明”的方案根本不能正常工作，只有每次make clean再make才行。
安装完ccache后，可以在/usr/local/bin下建立gcc，g++，c++，cc的symbolic link，链到/usr/bin/ccache上。总之确认系统在调用gcc等命令时会调用到ccache就可以了（通常情况下/usr/local /bin会在PATH中排在/usr/bin前面）。
安装的另外一种方法：
vi ~/.bash_profile
把/usr/lib/ccache/bin路径加到PATH下
PATH=/usr/lib/ccache/bin:$PATH:$HOME/bin
这样每次启动g++的时候都会启动/usr/lib/ccache/bin/g++，而不会启动/usr/bin/g++
效果跟使用命令行ccache g++效果一样
这样每次用户登录时，使用g++编译器时会自动启动ccache
继续测试：
用ccache的第一次编译(make -j4)：23分38秒
用ccache的第二次编译(make -j4)：8分48秒
用ccache的第三次编译(修改若干配置，make -j4)：23分48秒
看来修改配置（我改了CPU类型...）对ccache的影响是很大的，因为基本头文件发生变化后，就导致所有缓存数据都无效了，必须重头来做。但如果只是修改一些.c文件的代码，ccache的效果还是相当明显的。而且使用ccache对项目没有特别的依赖，布署成本很低，这在日常工作中很实用。
可以用ccache -s来查看cache的使用和命中情况：
cache directory /home/lifanxi/.ccachecache hit 7165cache miss 14283called for link 71not a C/C++ file 120no input file 3045files in cache 28566cache size 81.7 Mbytesmax cache size 976.6 Mbytes
可以看到，显然只有第二编次译时cache命中了，cache miss是第一次和第三次编译带来的。两次cache占用了81.7M的磁盘，还是完全可以接受的。
distcc
一台机器的能力有限，可以联合多台电脑一起来编译。这在公司的日常开发中也是可行的，因为可能每个开发人员都有自己的开发编译环境，它们的编译器版本一般是一致的，公司的网络也通常具有较好的性能。这时就是distcc大显身手的时候了。
使用distcc，并不像想象中那样要求每台电脑都具有完全一致的环境，它只要求源代码可以用make -j并行编译，并且参与分布式编译的电脑系统中具有相同的编译器。因为它的原理只是把预处理好的源文件分发到多台计算机上，预处理、编译后的目标文件的链接和其它除编译以外的工作仍然是在发起编译的主控电脑上完成，所以只要求发起编译的那台机器具备一套完整的编译环境就可以了。
distcc安装后，可以启动一下它的服务：
/usr/bin/distccd --daemon --allow 10.64.0.0/16
默认的3632端口允许来自同一个网络的distcc连接。
然后设置一下DISTCC_HOSTS环境变量，设置可以参与编译的机器列表。通常localhost也参与编译，但如果可以参与编译的机器很多，则可以把localhost从这个列表中去掉，这样本机就完全只是进行预处理、分发和链接了，编译都在别的机器上完成。因为机器很多时，localhost的处理负担很重，所以它就不再“兼职”编译了。
export DISTCC_HOSTS="localhost 10.64.25.1 10.64.25.2 10.64.25.3"
然后与ccache类似把g++，gcc等常用的命令链接到/usr/bin/distcc上就可以了。
在make的时候，也必须用-j参数，一般是参数可以用所有参用编译的计算机CPU内核总数的两倍做为并行的任务数。
同样测试一下：
一台双核计算机，make -j4：23分16秒
两台双核计算机，make -j4：16分40秒
两台双核计算机，make -j8：15分49秒
跟最开始用一台双核时的23分钟相比，还是快了不少的。如果有更多的计算机加入，也可以得到更好的效果。
在编译过程中可以用distccmon-text来查看编译任务的分配情况。distcc也可以与ccache同时使用，通过设置一个环境变量就可以做到，非常方便。
总结一下：
tmpfs： 解决IO瓶颈，充分利用本机内存资源
make -j： 充分利用本机计算资源
distcc： 利用多台计算机资源
ccache： 减少重复编译相同代码的时间
这些工具的好处都在于布署的成本相对较低，综合利用这些工具，就可以轻轻松松的节省相当可观的时间。上面介绍的都是这些工具最基本的用法，更多的用法可以参考它们各自的man page。
5.还有提速方法是把屏幕输出重定向到内存文件或/dev/null,因对终端设备(慢速设备)的阻塞写操作也会拖慢速度。推荐内存文件，这样发生错误时，能够查看。