От Python к C++: почему разрыв кажется таким большим

Каждый программист на Python, который впервые касается C++, реагирует одинаково: почему вывод "hello world" требует столько церемоний? Скачок — это не просто синтаксис. Это смена в том, как от вас ожидается думать о памяти, типах и том, что компьютер на самом деле делает, пока работает ваша программа.

Что Python скрывал от вас

Python работает поверх интерпретатора (CPython в большинстве случаев), который обрабатывает выделение памяти, сборку мусора и проверку типов за кулисами. Когда вы пишете x = 5, а затем x = "hello", Python просто пожимает плечами и переименовывает значение. Никаких жалоб, никакой очистки с вашей стороны не требуется.

C++ не делает ничего этого за вас. Когда вы пишете int x = 5;, вы зарезервировали фиксированный кусок памяти размером под целое число. Вы не сможете позже втиснуть в него строку. И когда вы выделяете память динамически через new, вы несёте ответственность за её освобождение через delete — забудете, и у вас утечка памяти. Забудете проверить, является ли указатель null перед его разыменованием, и получите segfault. Python жертвует производительностью ради подстраховки. C++ даёт вам ножницы и надеется, что вы не будете бегать с ними.

Статическая типизация меняет то, как вы пишете код, а не только как вы объявляете переменные

В Python сигнатуры функций — это рекомендации. В C++ это контракты, проверяемые на этапе компиляции:

int add(int a, int b) {
    return a + b;
}

Вызовите add(3, "four") и компилятор вас остановит до того, как программа вообще запустится. Python с удовольствием позволит вам написать def add(a, b): return a + b, а потом упадёт во время выполнения в момент, когда кто-то передаст в неё несовместимые типы. Это не мелкое неудобство — это разная философия о том, когда ошибки должны появляться. C++ хочет, чтобы вы ловили ошибки на этапе компиляции. Python согласен ловить их в боевой среде, если вы не написали тесты.

Управление памятью — это главный предмет обучения

Самый большой концептуальный скачок — понимание разницы между стеком и кучей. Локальные переменные и параметры функций обычно живут на стеке, и они очищают себя автоматически, когда функция возвращает значение. Всё, созданное через new, живёт на куче, и оно там останется, пока вы его явно не удалите через delete или не обёрнете в умный указатель.

Современный C++ (C++11 и позже) дает вам std::unique_ptr и std::shared_ptr именно для того, чтобы вы не приходилось управлять сырыми указателями вручную так часто:

std::unique_ptr<int> ptr = std::make_unique<int>(42);

Этот объект уничтожает себя, когда выходит из области видимости — никакого ручного delete не нужно. Если вы учите C++ в 2024 году, переходите сразу к умным указателям и паттернам RAII (Resource Acquisition Is Initialization) вместо того, чтобы мучиться с упражнениями на арифметику сырых указателей из учебника 1998 года. Вам всё ещё нужно понимать указатели концептуально, но вам не нужно писать код с malloc/free, чтобы это доказать.

Компиляция — это другой цикл обратной связи

Python даёт вам мгновенную обратную связь: запустите скрипт, посмотрите ошибку, исправьте, запустите снова. C++ вставляет этап компиляции в середину, и этот этап ловит целый класс ошибок, которые Python откладывает до выполнения. Компиляция с g++ -Wall -Wextra program.cpp -o program и внимание к каждому предупреждению сэкономят вам часы запутанной отладки позже. Несовпадения типов, неинициализированные переменные и проблемы сравнения знаковых/беззнаковых значений все появляются здесь вместо загадочного поведения во время выполнения. Компромисс в том, что ваш цикл редактирование-компиляция-запуск медленнее, чем редактирование-запуск в Python, особенно на больших кодовых базах, где полная пересборка может занять минуты. Вот почему инструменты типа ccache и инкрементальные сборки через CMake имеют значение, когда ваши проекты вырастают за пределы нескольких файлов.

Где это действительно имеет значение на практике

Вы не учите C++, чтобы писать те же программы, что писали на Python, только быстрее. Вы учите это, потому что некоторые задачи это требуют: игровые движки со строгими бюджетами кадров, встроенные системы с килобайтами оперативной памяти, системы высокочастотной торговли, где микросекунды стоят денег, или компоненты операционной системы, которые находятся ниже самого интерпретатора Python. Если вы занимаетесь безопасностью, понимание модели памяти C++ также напрямую объясняет, как buffer overflows и use-after-free уязвимости происходят на уровне двоичного кода — знания, которые абстракции Python активно скрывают от вас.

Честный совет: не пытайтесь заставить C++ ощущаться как Python. Пусть это будет некомфортно какое-то время. Дискомфорт — это суть. Он учит вас тому, что ваш интерпретатор Python делал от вас всё это время.

Если этот вид сравнения языка к языку полезен, Korra Studio имеет связанные сегменты по memory safety, основам системного программирования и reverse engineering, которые строятся на этих же концепциях.