微软WIL库中实现纯C++/WinRT的进程外COM服务器
在Windows开发中,组件对象模型(COM)是一种重要的技术,它允许不同语言编写的组件相互通信。传统上,使用C++实现COM服务器需要依赖Windows Runtime Library(WRL),但现代C++开发者更倾向于使用更现代的C++/WinRT库。
背景与挑战
C++/WinRT是一个完全基于标准C++的Windows运行时(Windows Runtime)语言投影,它提供了更简洁、更符合现代C++习惯的编程模型。然而,在实现进程外(Out-of-Proc)COM服务器时,开发者通常仍需要依赖WRL来完成一些基础工作,如对象注册和生命周期管理。
这种混合使用WRL和C++/WinRT的方式增加了代码复杂性,也违背了C++/WinRT旨在提供纯现代C++体验的初衷。开发者需要一个纯C++/WinRT的解决方案来实现进程外COM服务器。
解决方案设计
核心需求分析
- 简单对象注册:提供简洁的API来注册COM类工厂
- 自动对象引用计数:自动管理COM对象的生命周期
- 同步COM关闭:在所有对象断开连接时通知主线程
其中,C++/WinRT已经内置支持自动对象引用计数,因此解决方案主要关注对象注册和同步关闭机制。
关键技术实现
可通知模块锁(Notifiable Module Lock)
C++/WinRT提供了WINRT_CUSTOM_MODULE_LOCK宏,允许开发者自定义模块锁机制。我们可以利用这一点实现一个可通知的模块锁:
namespace wil {
template <typename Func>
struct notifiable_module_lock {
static void set_notifier(Func& func) {
notifier = func;
}
private:
static inline Func notifier;
};
}
这个自定义模块锁会在引用计数归零时调用预设的通知函数,从而实现同步关闭机制。
对象注册辅助类
为了简化COM类工厂的注册过程,设计了一个辅助类:
namespace wil {
struct com_server_revoker {
std::vector<DWORD> registrations;
~com_server_revoker() {
for (auto&& registration : registrations) {
winrt::check_hresult(CoRevokeClassObject(registration));
}
}
};
template <typename T, typename... Rest>
[[nodiscard]] com_server_revoker register_com_server();
}
这个辅助类提供了RAII(资源获取即初始化)风格的COM服务器注册管理,确保在作用域结束时自动撤销注册。
实际应用示例
以下是使用这些辅助类实现纯C++/WinRT进程外COM服务器的典型代码结构:
// 预编译头文件中配置模块锁
#define WINRT_CUSTOM_MODULE_LOCK
namespace winrt {
inline auto& get_module_lock() {
static wil::notifiable_module_lock<void(*)()> lock;
return lock;
}
}
// 主程序中实现COM服务器
int main() {
wil::unique_event comExitEvent;
comExitEvent.create();
// 设置模块锁通知器
wil::notifiable_module_lock<void(*)()>::set_notifier([] {
comExitEvent.SetEvent();
});
// 初始化COM
winrt::init_apartment();
// 注册COM类
auto revoker = wil::register_com_server<MyComClass>();
// 等待所有COM对象释放
comExitEvent.wait();
return 0;
}
设计考量与最佳实践
-
模块锁与注册辅助的分离:建议将模块锁实现和对象注册辅助放在不同的头文件中,因为模块锁需要在包含winrt/base.h之前定义,而注册辅助需要winrt::implements等定义。
-
默认实现:可以考虑提供默认的模块锁配置,简化常见用例的使用。
-
线程安全:在实际实现中需要考虑多线程环境下的安全性,确保引用计数操作的原子性。
-
错误处理:应完善错误处理机制,特别是在COM对象注册和撤销过程中。
总结
通过WIL库提供的这些辅助工具,开发者现在可以完全摆脱对WRL的依赖,使用纯C++/WinRT实现进程外COM服务器。这不仅简化了代码结构,还提高了代码的可维护性和现代性。这种解决方案特别适合那些希望完全采用现代C++实践的项目,同时也为未来的Windows开发提供了更清晰的路径。
随着C++生态系统的演进,这种纯C++/WinRT的实现方式将成为Windows组件开发的新标准,为开发者带来更一致、更高效的开发体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00