用 mmap 替代 fread 实现零拷贝随机访问，需分段映射防缺页风暴；子串查找用 memmem 或 std::search 避免 \0 截断；多线程须划分不重叠区间；正则搜索应先 memmem 过滤再局部处理。
用 mmap 替代 fread 避免拷贝开销
普通 fread 逐块读取大文件时，数据要从内核缓冲区复制到用户内存，IO 和内存拷贝双开销。Linux/macOS 下直接用 mmap 把文件映射成内存地址，搜索时 CPU 直接访问页表，零拷贝、随机访问快。
关键点：
-
mmap失败不等于文件不存在——常见原因是文件过大超出size_t范围（尤其 32 位进程），或权限不足（PROT_READ必须） - 不要对整个几十 GB 文件一次性
mmap——内核只建立虚拟映射，但首次访问缺页中断会触发实际加载；建议按需分段映射（如每次 128MB） - Windows 对应是
CreateFileMapping+MapViewOfFile，接口不同但原理一致
int fd = open("big.log", O_RDONLY);
struct stat sb;
fstat(fd, &sb);
void* addr = mmap(nullptr, sb.st_size, PROT_READ, MAP_PRIVATE, fd, 0);
// 后续用指针遍历，如 memmem(addr, sb.st_size, "ERROR", 5)
用 memmem 或 std::search 做内存内子串查找
映射后文件就是一块连续内存，别再用 strstr——它假设字符串以 \0 结尾，而二进制文件里可能含 \0，导致提前截断。
正确做法：
- Linux：用
memmem（GNU 扩展），传入起始地址、长度、目标字节序列和其长度 - C++17 起：用
std::search配合std::boyer_moore_searcher，对长模式串加速明显（比如搜日志中的固定 JSON 片段） - 避免
std::string::find——它内部仍会找\0，且构造临时std::string触发内存分配
const char* pattern = "404 NOT FOUND"; const void* found = memmem(addr, file_size, pattern, strlen(pattern));
多线程分块搜索时注意内存映射的共享与同步
多个线程共用同一块 mmap 区域是安全的（只读），但必须确保每个线程处理互不重叠的地址区间，否则结果不可靠。
典型错误：
- 线程 A 搜索
[0, 100MB)，线程 B 搜索[99MB, 200MB)——重叠区域可能被重复计数或漏掉跨边界匹配（如模式串横跨 99.5MB） - 没对齐页面边界：
mmap起始偏移必须是页大小（通常 4KB）整数倍，否则mmap失败 - 线程间共享结果用无锁队列比
std::mutex更高效，尤其匹配频繁时
正则搜索大文件？先过滤再 std::regex
直接对 GB 级内存跑 std::regex 是灾难——回溯爆炸、内存暴涨、无法中断。真实场景应分层处理：
- 第一层：用
memmem快速筛出含关键词的“候选块”（如先找"ERROR"，再在附近 1KB 内做正则） - 第二层：对候选小块调用
std::regex_search，并设置std::regex_constants::optimize编译选项 - 避免
std::regex处理二进制数据——某些实现对非 UTF-8 字节序列行为未定义，优先用re2或hyperscan库
真正卡住性能的往往不是算法本身，而是没意识到 mmap 的页故障延迟、正则引擎的隐式状态分配，以及跨页匹配这种边界细节。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
