今年六月，Springer useR系列新出了一本，Seamless R and C++ Integration with Rcpp，这可能是唯一的一本Rcpp完整教程。Rcpp几乎可以认为是R语言的一个里程碑，而其最大的特点就是那本书标题里的那个词“Seamless”。R本身自带了C语言接口，但并不是那么好用，尤其是涉及内存管理的时候，而Rcpp成功的解决了这个问题，实现了“无缝链接”。

Rcpp作者们

既然说了Rcpp是R语言的一个里程碑，我们先看看Rcpp的作者们，这几乎是现有最强大的一个package团队。下面按照Rcpp网站上的顺序依次介绍。

Dirk Eddelbuettel

Rcpp现在的主要维护者之一，就是Springer那本书的作者，Ketchum Trading公司高级量化分析师，资深quant。Dirk是Debian/Ubuntu下R的维护者，R/Finance会议发起人之一，其个人博客上有历次会议上报告的slide，R社区重要技术网站之一。

Romain Francois

Rcpp现在的主要维护者之一，独立的R开发者和咨询师，自我认定是“Professional R Enthusiast”，其博客也是圈内重要技术博客之一。

Douglas Bates

Rcpp作者之一，Wisconsin-Madison大学统计系荣休教授，bioconductor创始人。

John Chambers

S语言的创造者，现为Stanford大学顾问教授，美国统计学会院士，R语言核心团队成员之一。Chambers于1998因S语言获得ACM Software System Award，这是软件界最高奖项之一，1999年授予Apache Group，1995年授予World Wide Web。

JJ Allaire

RStudio创始人，著名的ColdFusion工具和Windows Live Writer也是其作品之一。

Rcpp大事记

2005年，Rcpp作为RQuantlib的一部分出现，作者为Dominick Samperi；

2006年，Rcpp在CRAN上发布，后更名为RcppTemplate；

2008年，Dirk决定重写Rcpp，并陆续发布新版本，老版本API作为RcppClassic继续开发维护；

2009年，RcppTemplate正式放弃维护，进入CRAN存档；

2009年，Dirk和Franois重新设计Rcpp，并发布新版本；

2013年，CRAN中基于Rcpp开发的package已超过100个。

Rcpp实例

这里用的是Dirk书中的一个很简单的例子：Fibonacci数列。这玩意太简单了，我们直接看代码就好了。

如果用R写，很简单的一个实现如下：

fibR<-function(n){ 
    first <- 0
    second <- 1
    third <- 0
    for(i in seq_len(n)){ 
        third <- first + second
        first <- second
        second <- third
    }
    return(first)
}

C++的实现如下，其实和普通的C++相比，只是多了一个类型转换而已。其中SEXP是pointer to S expression type，这个是指向R各种类型的一个指针。我不知道各位对“指针”什么感情，反正听到这两个字，如果再涉及内存管理，我就有一个生理性的恐惧，而 Rcpp的伟大之处就在于解决了这个问题，这个后面会提到。

#include
int fib(const int x){
    int first = 0;
    int second = 1;
    int third = 0;
    for(int i = 1; i <= x; i++){
        third = first + second;
        first = second;
        second = third;
    }
    return first;
}
extern "C" SEXP fibWrapper(SEXP xs){
    int x = Rcpp::as(xs);
    int result = fib(x);
    return (Rcpp::wrap(result));
}

编译C++文件从而能够让R调用的方法一般有两种，如果在linux环境下，设置环境变量，命令如下：

$ export PKG_LIBS=`Rscript -e "Rcpp:::LdFlags()"`
$ export PKG_CXXFLAGS=`Rscript -e "Rcpp:::CxxFlags()"`
$ R CMD SHLIB myfile.cpp

还有一种跨平台的方法，windows下只要设置好环境变量也没问题的玩法：

$ Rscript -e "Rcpp:::SHLIB('myfile.cpp')"

其实只要看一下输出结果，就明白了，其实自己手动写完整的命令也不是不行

$ Rscript -e "Rcpp:::SHLIB('fibWrapper.cpp')"
$ g++ -I/usr/share/R/include -DNDEBUG -I/home/kouqiang/R/x86_64-pc-linux-gnu-library/3.0/Rcpp/include     -fpic  -O3 -pipe  -g  -c fibWrapper.cpp -o fibWrapper.o
$ g++ -shared -o fibWrapper.so fibWrapper.o -L/home/kouqiang/R/x86_64-pc-linux-gnu-library/3.0/Rcpp/lib -lRcpp -Wl,-rpath,/home/kouqiang/R/x86_64-pc-linux-gnu-library/3.0/Rcpp/lib -L/usr/lib/R/lib -lR

R里调用还是老办法：

dyn.load("fibWrapper.so")
.Call("fibWrapper",10)
## [1] 55

Rcpp的优势

Rcpp可以被成为“无缝链接”的原因，我个人认为就两个，一个是省去了内存管理的麻烦，一个是inline方法。

内存管理

当初最早看到Rcpp的时候，Dirk也是用的这个例子。从这点来看，他真的不会忽悠。这个例子完全没有突出Rcpp的优势，因为用R自带的C语言API，写出来也基本就这个样子。

从我个人角度来看，Rcpp最大的创举在于解决了内存管理问题。如果各位自己用C写过R package，或者看过一些package甚至R语言的源代码，PROTECTED和UNPROTECTED两个宏应该会经常见到的。由于R系统对内存的管理，如果分配的内存不被保护起来，很有可能会被回收掉。R和C直接进行数据传输，必须使用指针，无论是SEXP还是直接声明的指针。在进行计算时，如果自己分配了内存空间，也必须进行保护。下面贴了个对比的例子，大家看看就明白了。

//R自带的C API版本，注意PROTECTED和UNPROTECTED
#include 
#include 
extern "C"SEXP vectorfoo(SEXP a, SEXP b){
    int i, n;
    double *xa, *xb, *xab; SEXP ab;
    PROTECT(a = AS_NUMERIC(a));
    PROTECT(b = AS_NUMERIC(b));
    n = LENGTH(a);
    PROTECT(ab = NEW_NUMERIC(n));
    xa=NUMERIC_POINTER(a); xb=NUMERIC_POINTER(b);
    xab = NUMERIC_POINTER(ab);
    double x = 0.0, y = 0.0 ;
    for (i=0; i<n; code="" <="" }="" return(ab);="" unprotect(3);="" -(y*y);="" x*x="" ?="" y)="" res[i]="(x" y="xb[i];" x="xa[i];" {="" i++)="" i
//Rcpp版本 #include SEXP foo( SEXP xs, SEXP ys ){ Rcpp::NumericVector xx(xs), yy(ys) ; int n = xx.size() ; Rcpp::NumericVector res( n ) ; double x = 0.0, y = 0.0 ; for (int i=0; i<n; res="" code="" <="" }="" -(y*y);="" x*x="" ?="" y)="" res[i]="(x" y="yy[i];" x="xx[i];" {="" i++)="" ;="" return="" style="word-wrap: break-word;">

这多少是个有点繁琐的事情，而Rcpp自动完成了这一步，也就是说，使用了Rcpp，用户不需要再考虑内存的问题，只要通过Rcpp进行数据转换就足够了。可以说，现有的C++代码，不需要进行多少修改，就可以被R调用，这也是我认为Rcpp是个里程碑级别成就的主要原因。

inline

虽然说，Rcpp已经足够方便了，但还是要写一个C++文件，编译之后再进行调用，而面对比较简短的C++代码时，这多少有点小题大作了，所以就有了inline。这里的inline和C里面的“内联函数”很类似，还是看Fibonacci数列的例子。

library(inline)
fib <- cxxfunction(signature(xs="int"),
           plugin="Rcpp",
           body='
 int n = Rcpp::as(xs);
 int first = 0;
 int second = 1;
 int third = 0;
 for(){ 
 third = first + second;
 first = second;
 second = third;
 }
 return first;
')