因為寫R擴展的需要，我用Rcpp其實有一陣子了。我一直在強調，把方便和豐富的R環境與系統級語言如C/C++等結合才是適合我現時計算的王道。但R自帶的C/C++的API接口實在是太難用，很是限制人的使用欲望。我試圖把它們用最簡單的方式敘述過，比如可以看這里和這里。但實際應用中無法因繁就簡，還是避免不了寫一大堆重復代碼，記一大堆生僻的API。于是Rcpp成了我的救星，特別是前兩天升級后，我意外地發現了很多新的特性，雖然還沒真正使用，但估計會使得我的工作更有效率。把這個包的幾篇文檔拿來研究了一番，做了些筆記。

　　Rcpp的終極目標，是通過C++面向對象與模板編程的機制，把幾乎所有R API與數據對象都封裝成類以及類的方法。這樣，寫C++擴展的人只需要了解這些類以及這些類的調用即可，而把接口定義、垃圾回收（gc）、異常捕獲、數據類型的轉換等等對于R/C++交互都是必須的工作都隱藏了起來。新版的Rcpp在效率上更是花了大功夫，一個突出的特點是減少了數據對象的拷貝轉換，直接對原來的R對象進行操作，這樣無論是時間上還是空間上，都獲得了很大的好處（這些額外的耗費我在使用舊版Rcpp時深有體會，新版我還沒深入使用，不知道會提升多少）。這里的論述都是針對新版（目前是0.9.1）Rcpp的，相比而言，舊版的接口真是浮云。

　　一個例子： Rcpp與基本的R API在寫擴展時的對比

　　見下圖的兩段代碼:

　　（a）里的幾個你不熟悉的數據類型與函數都是R API定義的類型與函數，其中包括了R對象的創建、數據類型的轉換、內存對象的保護（預防gc），看起來很別扭，光這些API不知又得耗費你多少的腦容量。（b）就很簡單了，整個就一正常的c++代碼，只是引入了一個Rcpp名空間下的NumericVector類而已。事實上，Rcpp利用類的繼承機制，為幾乎所有的R基本數據類型都建立了一個類來管理，比如這里的NumericVector類就是管理數值型向量數據類型的。

　　Rcpp的類層次結構

　　Rcpp管理R對象的基類叫RObject，正如前面所述，可以傳遞一個R對象以構造這個類的實例，舊版的處理會把對象拷貝成一個C++的STL對象，新版則只是簡單地保存了一個對它的引用，類僅充當一個代理的角色，把所有的操作都在內部通過R API來完成。RObject還提供了一些對象通用的方法，如對象屬性查詢方法：isNULL、isObject、isS4；對象屬性管理方法：attributeNames, hasAttribute, attr；slots的管理方法：hasSlot, slot。這些方法對于R用戶來說應該都很熟悉，就不用去查那晦澀難懂的R API函數了。由這個基類派生出來的子類則負責具體對象的特定的處理，如Vector、Matrix、Character、Environment、Function等對象的子類。不同的數據對象可能有不同的數據類型，所以又有不同的類來處理，比如Vector就有IntegerVector, NumericVector, RawVector, LogicalVector, CharacterVector, GenericVector（List）, ExpressionVector。

　　R與C++間的數據類型轉換

　　雖說Rcpp只保存R對象的一個引用，但兩種不同數據格式間的轉換肯定也是必須的，所以有了Rcpp::wrap與Rcpp::as函數，前者用于把C++對象轉換成R對象，后者則相反。這兩個函數都是用C++的模板元編程技術實現的。這些轉換有時候是隱式調用的，如賦值時兩邊的類型不匹配，就會作出自動轉換。

　　異常捕獲

　　由于R與C++使用不同的異常捕獲模型，所以要加以處理，才能在R環境中捕獲到來自C++的異常消息。所以，Rcpp提供了BEGIN_RCPP與END_RCPP這一對宏，只要把有可能出現C++異常的代碼放到這對宏里，就可以在R環境中接收到C++的異常。

　　性能比較

　　Rcpp重新設計的一個重要思路就是使得對象的拷貝盡量地少，同時其設計也借鑒了STL的設計原理，比如對iterator的使用。雖然作者對取值operator[]作了多方的優化，但性能卻是不如iterator好。下面的表格是對一個卷積計算多次的計算時間比較。

　　R API是原生的支持，這里用作參照。可以看到的是舊版的Rcpp實現（最后一行）的性能比原生支持差得甚遠，這是因為有過多的對象拷貝與轉換的緣故。使用了operator[]的實現性能有了很大的提升，但還是比不上原生的支持。但使用了　iterator實現的版本，已經跟原生支持的效率差不多了。更神奇的是，第二行名為Rcpp sugar的實現比原生支持更快。這是一個仍在開發完善中的模塊，但目前已經擁有很多的功能了。這個模塊的目的在于在C++里也能充分地利用R的向量化計算的特性，不但代碼寫起來感覺跟R的思路很類似，效率上也得到了很大的提升。

　　正在進行中的開發

　　上面已經提到，Rcpp sugar是一個正在開發完善中的模塊，擁有它之后，你可以在C++層面調用更多的R的函數，使用更多的R的特性。另一個重要的模塊是Rcpp modules，它啟發自Boost.Python模塊，通過這個模塊，要把C++函數導入到R變得更為簡單，只要通過Rcpp的宏RCPP_MODULE把一般的C++函數包裝一下，就可以直接在R環境中導入并使用，完全不需要額外的轉換工作。

Rcpp的作者還在開發一個名為RcppArmadillo的包，Armadillo是一個模板化的C++線性代數包，試圖在效率與易用性上尋求個平衡點，而RcppArmadillo就是一個接口，使得在R中也能使用Armadillo。