检查序列化声明的顺序和成员定义的顺序
DataIO_is_realdump用来推断一个对象是否可以直接通过dump内存来完成序列化，如果可以，在load/save时会有极大的性能提高。 继续阅读
febird.dataio vs boost.serialization 运行性能对比
代码表示的是数据格式，DATA_IO_LOAD_SAVE 在 <febird/io/DataIO.h> 中定义
对于 boost.serialization， DATA_IO_LOAD_SAVE 的定义相当于： 继续阅读
febird.DataIO 和 boost.serialization 编译性能对比
C++ 程序的性能，重要的不光是运行性能，还有编译性能。运行性能就不多说了，编译性能往往被大家忽略，但是，想一下，如果编译一次要花一小时，那每天能编译几次？
和 boost.serialization 相比，febird.DataIO 的运行性能和编译性能都压倒性地胜出： 继续阅读
febird.dataio 优化技术
优化技术主要有两点：
1. 优化的inline
a) 频繁调用的函数都使用inline，但是值得注意的是，在inline的时候，只inline最频繁的分支，很少走到的分支使用非inline函数，例如：
最便捷、最强大、速度最快的C++序列化框架【二】
目前该框架（DataIO）仅支持二进制。想起序列化支持只需要两个宏 DATA_IO_LOAD_SAVE / DATA_IO_LOAD_SAVE_V，对象成员基本上用“&”连接起来，这样，可以写一个简单的语法分析器，在序列化宏中将成员序列化表达转化成字符串， 继续阅读
使用C++模板实现不需要IDL的RPC【二】
严格讲，是不需要专用的 IDL 语言，传统 RPC 的 IDL 语言 相应的部分 在这里全部是 C++ 语言本身，也可以把它称作 IDL，是由几个宏实现的： 继续阅读
持久化的多键映射，使用BerkeleyDB
如前介绍，相当于 std::map<Key1,std::map<Key2,Data> >，但接口也不完全相同，这里只贴代码： 继续阅读
持久化的 map ，使用 BerkeleyDB
使用前面介绍的序列化框架，可以非常简单地将Bekeley DB作为存储层，实现一个易于使用的，强类型的，持久化的map。
这个设计的的基本原则就是：模板作为一个薄的、类型安全的包装层，实现层的代码可以多个模板实例来公用，这样不但加快了编译时间，也减小了生成的代码尺寸。 继续阅读
最便捷、最强大、速度最快的C++序列化框架
迄今为止，我还没找到更优雅、更高效的 C++ 序列化方案，包括但不限于 boost.serialization。如果你发现了更快的，或者更易用的C++原生序列化，请告诉我…… 继续阅读
用C++的高级模版特性实现一个不需要IDL的RPC
当然，首要的是为了有用，其次是挑战自己驾驭 C++ 的能力，目前已经全部完成，并且取得了非常好的效果。使用该 RPC 的简短示例代码： 继续阅读