1.Java 集合（3）-- Iterable接口源码级别详解
2.从应用到源码理解STL反向迭代器
3.polars源码解析——DataFrame
4.STL源码学习（3）- vector详解
5.PyTorch - DataLoader 源码解析（一）
6.Iterator与Iterable剖析

Java 集合（3）-- Iterable接口源码级别详解

       Iterable接口是迭代代器Java集合框架中的顶级接口，通过实现此接口，器源集合对象能够提供迭代遍历每一个元素的码迭能力。Iterable接口于JDK1.5版本推出，源码最初包含iterator()方法，分析规定了遍历集合内元素的迭代代器怎么提取指标源码标准。实现Iterable接口后，器源我们能够使用增强的码迭for循环进行迭代。

       Iterable接口内部定义了默认方法，源码如iterator()、分析forEach()、迭代代器spliterator()，器源这些方法扩展了迭代和并行遍历的码迭灵活性和效率。iterator()方法用于获取迭代器，源码而forEach()方法允许将操作作为参数传递，分析实现对每个元素的处理。spliterator()方法则是为了支持并行遍历数据元素而设计，返回的是专门用于并行遍历的迭代器。

       在Java 8中，forEach()方法的参数类型是java.util.function.Consumer，即消费行为接口，可以自定义动作处理元素。默认情况下，如果未自定义动作，迭代顺序与元素顺序保持一致。尝试分割迭代器（trySplit()）可以在多线程环境中实现更高效的并行计算，虽然实际分割不总是完全平均，但能有效提升性能。

       Iterable接口的实现确保了快速失败机制，即在遍历过程中删除或添加元素会抛出异常，以确保数据一致性。这种方法虽然限制了某些操作，但维护了集合数据的稳定性和可靠性。

       总结而言，Iterable接口作为集合顶级接口，周末福利指标源码定义了迭代遍历的基本规范，通过实现此接口，集合类获得了迭代遍历的能力。它支持的默认方法如iterator()、forEach()和spliterator()，使得Java集合框架在迭代和并行处理方面更加灵活和高效。

从应用到源码理解STL反向迭代器

       在实际应用中，我们可能需要从序列容器（如vector）的尾部移除不满足特定条件的部分元素。这通常涉及从尾部开始的迭代操作。然而，容器成员函数erase不接受反向迭代器作为参数。因此，我们需要将反向迭代器转换为普通迭代器。先来看看STL迭代器的分类和转换关系。

       STL迭代器主要分为用途迭代器，它们之间存在转换关系，但不是所有迭代器类型都可以相互转换。转换关系需通过迭代器的构造函数定义，有些可以直接转换，有些则需调用特定方法。

       特别地，反向迭代器到普通迭代器的转换可以通过调用反向迭代器的base()方法实现。但初版代码存在缺陷，未能按预期将元素正确删除。通过跟踪代码并参考cpp reference文档，我们发现base()方法返回的迭代器实际上比预期位置靠后一个元素。

       为了修正这个问题，我们需要将通过base()方法得到的迭代器向前移动一个位置，以正确指向第一个符合移除条件的元素。修改代码后，可以确保元素按约定进行删除。

       在一般场景下，迭代器的使用主要涉及遍历访问和遍历修改元素值。对于删除和插入操作，软件源码资产管理可能需要将反向迭代器转换为普通迭代器。STL容器的erase和insert成员函数仅接受普通迭代器作为参数。

       在执行插入操作时，直接使用base()将反向迭代器转换为普通迭代器，并传入insert函数，其语义是一致的。而在删除操作中，直接使用base()转换后的迭代器可能无法正确执行，因为反向迭代器和普通迭代器在终止位置上的处理存在差异。为了修正此问题，需要手动调整，确保迭代器的有效性。

       对于反向迭代器，通过正确的反向迭代操作得到的迭代器，在不等于rend()返回的迭代器时，都是指向有效值的。因此，除了rend().base()-1操作可能导致问题外，其他转换通常都是安全的。

       讨论end()迭代器的前移操作时，需要考虑是否能够安全地访问容器的尾端元素。对于随机访问迭代器，如vector容器，end()返回的迭代器可以进行前移操作，但需确保移动操作的合法性。对于双向访问迭代器如list，同样可以进行前移操作以访问尾端元素。

       结束讨论前，还需要确认iterator的-1操作是否对指向容器尾端元素的迭代器有效。在vector容器中，通过end成员函数返回的迭代器通过-1操作可以得到指向尾端元素的普通迭代器。对于list容器，其end成员函数返回的迭代器也支持前移操作。

       总结来说，多级缓存机制源码支持向前移动操作的迭代器访问容器内元素的容器，其end成员函数通过前移操作可以得到一个指向容器尾端元素的迭代器。这符合双向迭代器的设定语义。通过反向迭代器的原理，我们也能验证end()函数返回的迭代器可以进行反向移动。

polars源码解析——DataFrame

       从源码解析的角度，DataFrame在polars中的核心构造和功能将逐一揭示。DataFrame，作为基本的二维数据结构，由一系列Series组成，这些Series都是在polars-core中的ChunkedArray、Series和DataFrame等数据结构之上构建的。DataFrame的简洁设计使其能直接利用Vec容器特性，如pop和is_empty，许多函数如hstack、width和insert_at_idx等都巧妙地利用了Vec的相应方法。

       重点函数如select，其调用链为select->select_impl->select_series_impl。filter函数则展现出polars的多线程优化策略，如take和sort操作都借助了并行计算。至于groupby，它主要操作是创建GroupBy结构，接受一个通过IntoIterator和AsRef trait实现的列名迭代器，用于指定分组列。首先通过select_series选择列，再通过groupby_with_series生成分组的DataFrame表示。

       在对单个key进行分组时，groupby会调用group_tuples，根据DataFrame的key排序情况使用不同的存储方式，如Slice或Idx。一旦分组完成，我们看到df.groupby(["date"])会返回一个包含select方法的GroupBy结构。接着，通过.select(["temp"])明确要进行聚合操作的职教云php源码列，结果还是GroupBy对象。当调用count等聚合函数时，polars利用groups的分组索引，采用多线程处理每个分组的行，进行高效计算。

STL源码学习（3）- vector详解

       STL源码学习（3）- vector详解

       vector的迭代器与数据类型：vector内部的连续存储结构使得任何类型的数据指针都可以作为其迭代器。通过迭代器，可以执行诸如指针操作，如访问元素值。

       vector定义了两个迭代器start和finish，分别指向元素的起始和终止地址，同时还有一个end_of_storage标记空间的结束位置。vector的容量保证大于等于已分配元素空间，提供了获取空间大小的函数，如front和back的值以引用返回，更高效。

       空间配置原理：STL中的vector使用SGI STL容器的二级空间配置器。vector头部包含配置信息，如data_allocator作为空间配置器的别名。简单配置器（simple_alloc）是封装了高级和低级配置器调用的抽象类。

       构造函数与内存管理：vector通过空间配置器创建元素。构造函数允许预分配并初始化元素，fill_initialize用于调整空间范围，allocate_and_fill则分配空间并填充。这个过程涉及data_allocator的allocate函数，分配空间并返回起始地址。

       vector析构时，调用deallocate函数释放空间。pop_back和erase方法会移除元素并销毁相应空间，clear则清除全部元素。insert操作复杂，根据元素数量和容器状态可能需要扩容。

       插入与扩展操作：push_back在末尾插入元素，如果空间不足，可能需要扩容。insert接受三个参数，根据情况处理插入操作，可能抛出异常并销毁部分元素。

PyTorch - DataLoader 源码解析（一）

       本文为作者基于个人经验进行的初步解析，由于能力有限，可能存在遗漏或错误，敬请各位批评指正。

       本文并未全面解析 DataLoader 的全部源码，仅对 DataLoader 与 Sampler 之间的联系进行了分析。以下内容均基于单线程迭代器代码展开，多线程情况将在后续文章中阐述。

       以一个简单的数据集遍历代码为例，在循环中，数据是如何从 loader 中被取出的？通过断点调试，我们发现循环时，代码进入了 torch.utils.data.DataLoader 类的 __iter__() 方法，具体内容如下：

       可以看到，该函数返回了一个迭代器，主要由 self._get_iterator() 和 self._iterator._reset(self) 提供。接下来，我们进入 self._get_iterator() 方法查看迭代器的产生过程。

       在此方法中，根据 self.num_workers 的数量返回了不同的迭代器，主要区别在于多线程处理方式不同，但这两种迭代器都是继承自 _BaseDataLoaderIter 类。这里我们先看单线程下的例子，进入 _SingleProcessDataLoaderIter(self)。

       构造函数并不复杂，在父类的构造器中执行了大量初始化属性，然后在自己的构造器中获得了一个 self._dataset_fetcher。此时继续单步前进断点，发现程序进入到了父类的 __next__() 方法中。

       在分析代码之前，我们先整理一下目前得到的信息：

       下面是 __next__() 方法的内容：

       可以看到最后返回的是变量 data，而 data 是由 self._next_data() 生成的，进入这个方法，我们发现这个方法由子类负责实现。

       在这个方法中，我们可以看到数据从 self._dataset_fecther.fetch() 中得到，需要依赖参数 index，而这个 index 由 self._next_index() 提供。进入这个方法可以发现它是由父类实现的。

       而前面的 index 实际上是由这个 self._sampler_iter 迭代器提供的。查找 self._sampler_iter 的定义，我们发现其在构造函数中。

       仔细观察，我们可以在倒数第 4 行发现 self._sampler_iter = iter(self._index_sampler)，这个迭代器就是这里的 self._index_sampler 提供的，而 self._index_sampler 来自 loader._index_sampler。这个 loader 就是最外层的 DataLoader。因此我们回到 DataLoader 类中查看这个 _index_sampler 是如何得到的。

       我们可以发现 _index_sampler 是一个由 @property 装饰得到的属性，会根据 self._auto_collation 来返回 self.batch_sampler 或者 self.sampler。再次整理已知信息，我们可以得到：

       因此，只要知道 batch_sampler 和 sampler 如何返回 index，就能了解整个流程。

       首先发现这两个属性来自 DataLoader 的构造函数，因此下面先分析构造函数。

       由于构造函数代码量较大，因此这里只关注与 Sampler 相关的部分，代码如下：

       在这里我们只关注以下部分：

       代码首先检查了参数的合法性，然后进行了一轮初始化属性，接着判断了 dataset 的类型，处理完特殊情况。接下来，函数对参数冲突进行了判断，共判断了 3 种参数冲突：

       检查完参数冲突后，函数开始创建 sampler 和 batch_sampler，如下图所示：

       注意，仅当未指定 sampler 时才会创建 sampler；同理，仅在未指定 batch_sampler 且存在 batch_size 时才会创建 batch_sampler。

       在 DataLoader 的构造函数中，如果不指定参数 batch_sampler，则默认创建 BatchSampler 对象。该对象需要一个 Sampler 对象作为参数参与构造。这也是在构造函数中，batch_sampler 与 sampler 冲突的原因之一。因为传入一个 batch_sampler 时，说明 sampler 已经作为参数完成了 batch_sampler 的构造，若再将 sampler 传入 DataLoader 是多余的。

       以第一节中的简单代码为例，此时并未指定 Sampler 和 batch_sampler，也未指定 batch_size，默认为 1，因此在 DataLoader 构造时，创建了一个 SequencialSampler，并传入了 BatchSampler 进行构建。继续第一节中的断点，可以发现：

       具体使用 sampler 还是 batch_sampler 来生成 index，取决于 _auto_collation，而从上面的代码发现，只要存在 self.batch_sampler 就永远使用 batch_sampler 来生成。batch_sampler 与 sampler 冲突的原因之二：若不设置冲突，那么使用者试图同时指定 batch_sampler 与 sampler 后，尤其是在使用者继承了新的 Sampler 子类后， sampler 在获取数据的时候完全没有被使用，这对开发者来说是一个困惑的现象，容易引起不易察觉的 BUG。

       继续断点发现程序进入了 BatchSampler 的 __iter__() 方法，代码如下：

       从代码中可以发现，程序不停地从 self.sampler 中获取 idx 加入列表，直到填满一个 batch 的量，并将这一整个 batch 的 index 返回到迭代器的 _next_data()。

       此处由 self._dataset_fetcher.fetch(index) 来获取真正的数据，进入函数后看到：

       这里依然根据 self.auto_collation（来自 DataLoader._auto_collation）进行分别处理，但是总体逻辑都是通过 self.dataset[] 来调用 Dataset 对象的 __getitem__() 方法。

       此处的 Dataset 是来自 torchvision 的 DatasetFolder 对象，这里读取文件路径中的后，经过转换变为 Tensor 对象，与标签 target 一起返回。参数中的 index 是由迭代器的 self._dataset_fetcher.fetch() 传入。

       整个获取数据的流程可以用以下流程图简略表示：

       注意：

       另附：

       对于一条循环语句，在执行过程中发生了以下事件：

Iterator与Iterable剖析

       Iterable（java.lang）：可迭代的；可重复的；因此实现了这个接口的集合对象支持迭代，是可迭代（able）的。

       Iterator（java.util）：iterator就是迭代者（tor），我们一般叫迭代器，它就是提供迭代机制的对象，具体如何迭代，都是Iterator接口规范的。

       Iterable：一个集合对象要表明自己支持迭代，能有使用for each语句的特权，就必须实现Iterable接口，且必须实现其中的iterator()方法，生成一个迭代器。

       注意！！！实现了java.lang.Iterable接口的东西可以用for-each去遍历，但是能用for-each去遍历的不一定实现了该接口，比如数组就是。

       这个迭代器是用接口定义的 iterator方法提供的。也就是iterator方法需要返回一个Iterator对象。

       Iterable源码：由源码图可以看出，Iterable有三个方法，分别是1 Iterator iterator();2 default void forEach(Consumer action){ }; JDK 1.8后新增的默认方法；3 default Spliterator spliterator(){ }; JDK 1.8后新增的默认方法。

       Iterator：被称之为顺序遍历迭代器，jdk中默认对集合框架中数据结构做了实现。Iterator在实际应用中有一个比较好的点就是，可以一边遍历一边删除元素。

       Iterator源码：由源码图Iterator接口中定义了四个方法，分别是1 boolean hasNext()：如果被迭代遍历的集合还没有被遍历完，返回True；2 Object next()：返回集合里面的下一个元素；3 remove()：删除集合里面上一次next()方法返回的元素；4 void forEachRemaining(Consumer action)：JDK 1.8后新增默认方法 使用Lambda表达式来遍历集合元素。

       forEachRemaining()与forEach()方法之间的区别？通过源码，我们可以看出他们之间的区别与联系。相同点：都可以遍历集合；都是接口的默认方法；都是1.8版本引入的。区别：forEachRemaining()方法内部是通过使用迭代器Iterator的所有元素，forEach()方法内部使用的是增强for循环。

       iterator示例：迭代出来的元素都是原来集合元素的拷贝，Java集合中保存的元素实质是对象的引用(可以理解为C中的指针)，而非对象本身。迭代出的元素也就都是引用的拷贝，结果还是引用。

       如果集合中保存的元素是可变类型的，我们就可以通过迭代出的元素修改原集合中的对象。而对于不可变类型，如String、基本元素的包装类型Integer都是则不会反应到原集合中。而for each遍历元素的本质就是通过迭代器遍历元素，所以for each循环能否改变元素的值基本类型数组，不可改变；引用类型数组（除String类型），可以改变。