COM简介

这两天看了一篇讲COM（Component Object Model）的文章。讲COM的前世今生，一路的演变，由浅入深，非常值得一读！

相比于COM的具体实现，作者Markus Horstmann将更多的重点和细节，放在了COM为什么会被设计成现在这个样子。

文章写于1995年，和COM一样古老。尽管后来COM并没有成为真正的工业界标准，其使用场景也基本被限制在Windows内，但其设计的理念，颇值得参考。

总的来说，很多时候技术本身，并没有绝对的优劣。历史不能重演，在上个世纪末，那个年代，COM提供的可重用、互操作和可扩展的解决方案，是足够优雅的。相比于在网上人云亦云的说“COM已死”，更重要的是深刻理解一种技术的产生背景，应用场景，具体的优劣势。好的技术，往往都是因为站在了巨人的肩膀上。

1. 背景

按照维基百科的说法，组件对象模型，也就是COM，是微软提出的一套用于开发软件组件的二进制接口标准。其理论基础来自两篇文章，一个是1988年Anthony Williams提出的“Object Architecture: Dealing with the Unknown or Type Safety in a Dynamically Extensible Class”和1990年的“On Inheritance: What It Means and How To Use it”。

不得不说，当初的设计还是很有野心的。因为是基于组件的开发，所以使得对象的复用成为可能（可重用）；另外由于是二进制标准，所以COM与实现的语言、编译器和操作系统无关，因此其使用可以跨越不同的开发环境，甚至不同的机器（互操作）；最后，这是一套接口的标准，接口与实现分离，因此调用方无需了解被调用方内部实现，从而实现功能的透明升级（可扩展）。

因为有上述种种优势，COM也的的确确通过大大小小的组件，最终从底层构建出Windows的大厦。当然，仅仅只是Windows。

既然COM设计这么良好，为什么没有最终一统江湖，这个和很多因素有关。比如，自身学习曲线陡峭，跨平台迁移成本很高，新技术的出现（Java, .NET等），BS架构的兴起等。

从后往前看COM发展的历史，伴随商业和用户需求的变化，就能很明显的感受到，软件工程没有万金油的解决方案，任何一种技术都有其擅长的场景。脱离场景评判技术的好坏，都是耍流氓。

2. 简介

好的技术都是演变出来的，不是设计出来的。

文章借助几个不同的例子来阐述，COM如何为对象之间安全（safe）且稳健（robust）的交互提供基础。

尽管COM是一套标准，不同的语言都能实现，但最直观的，还是C++。至少我在刚开始学习COM的时候，就觉得这俩东西实在太像了。

3.1 C++ Object直接被C++ Client使用

我有一个现成的C++ Object，可以负责操作Database。

typedef long HRESULT;
class CDB {
   // Interfaces
   public:
   // Interface for data access
   HRESULT Read(short nTable, short nRow, LPTSTR lpszData);
   HRESULT Write(short nTable, short nRow, LPCTSTR lpszData);

   // Interface for database management
   HRESULT Create(short &nTable, LPCTSTR lpszName);
   HRESULT Delete(short nTable);

   // Interface for database information
   HRESULT GetNumTables(short &nNumTables);
   HRESULT GetTableName(short nTable, LPTSTR lpszName);
   HRESULT GetNumRows(short nTable, short &nRows);

   // Implementation
   private:
   CPtrArray m_arrTables;// Array of pointers to CStringArray (the "database")
   CStringArray m_arrNames; // Array of table names
   public:
   ~CDB();
};

我需要一个Database Client来管理，需要有下面四个功能：

• Create
• Write
• Read
• Delete

最简单的方法，就是复用现有的Database Object。如果有源码的话，直接编译即可。

3.2 C++ Object在DLL里，被C++ Client使用

存在问题：上一种方式需要暴露源码。

但并非所有情况下，C++ Object的开发者都愿意将自己的实现细节暴露出去，比如商业环境下。

如何在不暴露底层细节的前提下，提供别人复用的能力？Windows提供了一种打包方式，将实现打包成DLL，配合着头文件一起分发。

此时需要考虑三个问题：

• 导出函数
• 内存分配是在DLL还是在EXE
• Unicode/ASCII互操作

3.2.1 导出函数

最简单的导出函数的方式是使用__declspec(dllexport)。但对对于C++而言，因为编译器需要解决函数重载的问题，因此存在一个叫做name mangling的机制，通俗来说，相同的函数名字在编译器视角下，会被添加一些额外信息，例如参数数量和类型用于区分不同的重载，这就导致在后面，在动态加载的时候，使用GetProcAddress的时候变得极其复杂：我们需要知道mangling后的函数名字。

所以，使用隐式链接（.lib文件）通常会更好。

另外关于name mangling，还存在兼容性方面的问题，因为这并不是一个标准，因此不同的编译器的生成结果有所差异。

3.2.2 内存分配

DLL和EXE需要独立管理内存。如果DLL需要创建一个实例，这个内存会被放置在DLL的内存空间，此时如果EXE想要释放，Runtime就会检查并报General Protection Fault。因此，DLL和EXE需要独立管理各自的内存。

最直观的方式，DLL只暴露内存分配和释放的接口，实现在内部解决，那么EXE就可以通过简单的接口调用，间接实现内存管理。

我们使用一个全局工厂函数，借助它我们可获取到一个实例的指针，例如：CDBSrvFactory::CreateDB(CDB** ppDB)。这其实也是COM采用的机制。

3.2.3 Unicode/ASCII互操作

关于Unicode/ASCII的互操作，提供两种版本成本显然很高，最好的办法就是直接采用Unicode，因为它是兼容ASCII的。

示例代码如下：

#define DEF_EXPORT _declspec(dllexport) 

class CDB {
// Interfaces
public:
    // Interface for data access
    HRESULT DEF_EXPORT Read(short nTable, short nRow, LPTSTR lpszData);
    HRESULT DEF_EXPORT Write(short nTable, short nRow, LPCTSTR lpszData);

    ULONG DEF_EXPORT Release(); // Need to free an object from within the DLL.
};

class CDBSrvFactory { 
// Interfaces
public:
    HRESULT DEF_EXPORT CreateDB(CDB** ppObject);
    ULONG  DEF_EXPORT Release();
};

HRESULT DEF_EXPORT DllGetClassFactoryObject(CDBSrvFactory ** ppObject); 

HRESULT CDBSrvFactory::CreateDB(CDB** ppObject) {
    *ppObject = new CDB;
    return NO_ERROR;
}

HRESULT DEF_EXPORT DllGetClassFactoryObject(CDBSrvFactory** ppObject) {
    *ppObject = new CDBSrvFactory;
    return NO_ERROR;
}

3.3 C++ Object暴露纯虚基类

存在问题：

1. 上一种实现仍然会暴露细节，尽管那不是必要的，比如某些private成员，在头文件中依然可以看到。这对于以DLL（二进制）形式的分发而言，依然不够完美。
2. 另外还存在接口升级导致兼容性的问题，如果新的Object增加了某些成员，内存布局就会发生，Client就需要重新编译。

因此我们可以暂时得出一个小的结论：细节了解越多，耦合程度就越深。对于软件开发而言，耦合加重意味着兼容性和可维护性变差。

有没有一种办法，我们不了解Object的内存布局，也可以使用它？毕竟对于Client而言，Object长啥样子并不需要关注，只要功能可用就行。

最直观的解决方式，就是在Object里不放置成员对象。但是没有成员变量我们怎么维护状态？通过继承。

简单来说，就是我们持有父类指针，但真实的函数调用发生在子类对象上。

C++提供了一种简单直白的方式，抽象基类（Abstract Base Class）。在COM中，这个东西叫interface。

对于C++而言没有接口（Interface）的概念，抽象基类可以在某种程度上理解成对于接口的抽象。其本身不能被实例化，只能被继承。

同时C++提供了运行时多态的能力，对于虚函数的调用，会自动匹配到合适的函数上。举个例子，两个子类继承同一个抽象基类，对同一个虚函数提供两套实现，此时，通过一个父类指针调用函数，真实的调用取决于父类指针指向的子类对象。

看似魔法的内部，是通过一套朴素的方式实现的：虚函数表。这一块内容完全值得另一篇文章......

下面看看具体实现。

接口定义。

class IDB {
 // Interfaces
 public:
       // Interface for data access
      virtual HRESULT Read(short nTable, short nRow, LPTSTR lpszData) =0;
      virtual HRESULT Write(short nTable, short nRow, LPCTSTR lpszData) =0;
};

继承定义。

HRESULT CreateDB(IDB** ppObj);

class CDB : public IDB {
 // Interfaces
 public:
       // Interface for data access
      HRESULT Read(short nTable, short nRow, LPTSTR lpszData);
};

实现的细节都在继承类里，但是暴露出去的是接口的定义。

借助这样一种方式，不仅可以正常提供功能，而且不暴露底层细节。当然，这里多少会有些性能损耗，毕竟存在一次间接的函数调用（查虚函数表）。

3.4 C++ Object在DLL中暴露纯虚基类

上面的方式同样可以用在DLL打包中。

3.2的方式存在name mangling的问题，而且需要export所有的函数。

对于虚基类继承而言，这俩问题都不存在：纯虚基类没有数据成员，只有一个函数表的入口，而且函数调用是运行时动态查找，因此我们并不需要显示export成员函数。

一句话概括就是，3.2是静态绑定，所以需要export，3.4是动态绑定，所以不需要。

还是看具体代码。

接口定义。

class IDB {
 // Interfaces
 public:
       // Interface for data access.
      virtual HRESULT Read(short nTable, short nRow, LPWSTR lpszData) =0;
};

class IDBSrvFactory {
   // Interface
   public:
      virtual HRESULT CreateDB(IDB** ppObject) =0;
      virtual ULONG  Release() =0;
};
HRESULT DEF_EXPORT DllGetClassFactoryObject(IDBSrvFactory** ppObject);

跟3.3基本类似，除了export了一个Factory方法，方便后续DLL调用。

继承实现。

class CDB : public IDB {
 // Interfaces
 public:
       // Interface for data access.
      HRESULT Read(short nTable, short nRow, LPWSTR lpszData);
};

class CDBSrvFactory : public IDBSrvFactory {
   // Interface
   public:
      HRESULT CreateDB(IDB** ppObject);
      ULONG  Release();
};

HRESULT CDBSrvFactory::CreateDB(IDB** ppvDBObject) {
    *ppvDBObject = (IDB*)new CDB;
    return NO_ERROR;
}

HRESULT DEF_EXPORT DllGetClassFactoryObject(IDBSrvFactory** ppObject) {
    *ppObject = (IDBSrvFactory*)new CDBSrvFactory;
    return NO_ERROR;
}

对于C++ Client而言，只需要通过LoadLibrary/GetProcAddress就可以使用直接C++ Object，而它只需要知道接口定义个继承实现的DLL接口。没有name mangling，成员函数也不需要显示导出。

3.5 COM：C++ Object在DLL中，使用COM加载

上一个例子提供了一个非常灵活的机制用于对象打包：只需要在DLL中声明一个加载点（entry point）即可，其他的操作都是借助指向纯抽象基类的指针实现。

如果你想将多个对象打包到一个DLL中，你有两个选项：

• 每个class提供一个导出函数
• 提供一个标准导出函数，通过不同的传参得到不同结果

对于通用的组件模型而言，第二个选择无疑更加合适，这也是COM采取的方案：提供一个DllGetClassObject导出函数。

STDAPI DllGetClassObject(REFCLSID rclsid, REFIID riid, LPVOID * ppObject);

这个函数接收一个类型为CLSID（16字节，而且是独一无二，可理解为某种GUID）的参数，来指定调用者想要访问的class。DLL检查这个数字，如果存在就返回指向实际实现对象的指针。

借助这样一个全局导出函数，COM库就可以将我们的DLL按照对象来管理。接下来我们就需要，将具体的CLSID和我们需要的对象所在DLL绑定在一起。约定的接口是CoGetClassObject。

HRESULT CoGetClassObject(
   REFCLSID rclsid, 
   DWORD dwClsContext, LPVOID pvReserved   REFIID riid, LPVOID * ppv);

剩下的问题是，该函数怎么发现给定CLSID的DLL？

这就需要一个标准的注册（Registration）机制。

对于COM库而言，所有对象相关的信息都会放在注册表HKEY_CLASSES_ROOT\CLSID的路径下。InprocServer32将DLL的路径信息存储在这个地方。

至此，使用COM方式加载DLL，进而获取到C++ Object的全部工作就完成了。

使用CoGetClassObject来加载对应DLL（LoadLibrary，提前注册好路径），进而获取到入口点：DllGetClassObject （GetProcAddress），调用就可以得到对应的object。

对于object的操作和上面的例子基本一致，COM提供的，只是定位和加载对象的服务（it just provides the service of locating and loading the object）。

3.6 COM Object在DLL中，加载使用COM（2.0）

上一个例子只是展示了COM基础设施中最简单的，创建一个实例的部分，为了让我们的对象更像一个真实COM对象，还需要做这些事：

• 对于暴露接口使用引用技术
• 允许一个对象暴露多个接口
• 使用标准IClassFactory接口
• 使用_stdcall调用约定
• 允许动态卸载（unload）DLL
• 运行对象自注册（self-registration）

3.6.1 引用计数

如果多个clients同时使用一个object，会存在内存管理的问题。如果其中一个client调用了Release方法，就会导致object析构，其他client的访问就会出问题。

解决的办法，简单而经典，使用引用计数：每个COIM对象持有一个一个计数器，表示多少个对象引用，当对象Release的时候，计数器减一，当计数器为零的时候就可以放心的销毁了。

为了实现计数器的增减，需要有两个成员函数：

ULONG AddRef();
ULONG Release();

对于client而言，并不需要关注具体的引用计数，只需要在引用的时候增加计数，不用的时候减少技术，object自己会通过引用计数管理自己。这对client使用而言，负担很小。

3.6.2 多接口

让我们假设一个场景：一个object想要为多个不同client返回不同接口。

client当然需要一些方式来获取某个object的特定接口。对于object而言，可以借助传入不同的IID给DllGetClassObject轻松实现，有点类似ClassFactory。

但是如何区分，如果一个object里存在多个接口？

这就需要提供一个新的成员函数。

HRESULT QueryInterface(RIID riid, void** ppObj);

object首先会检查接口ID，并返回一个实现了给定功能的虚表指针（COM对象都是实现多个接口，也就是虚抽象基类）。

QueryInterface还提供了良好的后向兼容性，在调用前先检查，对于新接口而言，老的DLL并没有实现，会返回空，调用者可以替代请求一个老的接口，或者提供其他选择。

3.6.3 同时支持引用计数和多接口：IUnknown

COM需要所有对象都实现上述三个函数，因此就需要一个“合同”（contract）。COM于是定义了一个标准接口 ，IUnknown。

class IUnknown {
   public:
      virtual HRESULT QueryInterface(RIID riid, void** ppObj) =0;
      virtual ULONG   AddRef() =0;
      virtual ULONG   Release() =0;
};

所有的COM对象都需要继承这个虚抽象基类并实现三个给定函数。

这样就保证了接口的一致性。

3.6.4 标准类工厂接口：IClassFactory

类工厂需要检查IID并且实例化合适的object，同时可以调用QueryInterface查询特定接口。

在这里，区分类ID (CLSID)和接口ID（IID）很重要，类ID引用的是实现了特定接口的object，接口ID是用于与object交流的特定vtable（可以简单理解为object会实现多个接口，多个接口指向不同的vtable）。

也有个标准接口可以做这件事。

class IClassFactory : public IUnknown {
   virtual HRESULT CreateInstance(IUnknown *pUnkOuter, 
         REFIID riid, void**  ppvObject) = 0;
   virtual HRESULT LockServer(BOOL fLock) = 0;
};

不是所有情况下引用计数都有用，比如在EXE中，这时LockServer就可以取到类似的效果。

3.6.5 动态卸载

使用隐式链接的时候，用COM加载我们的DLL没有办法主动卸载，因为LoadLibrary/FreeLibrary无法使用。

COM于是提供了一个替代的导出函数DllCanUnloadNow做这件事。

我们可以使用一个全局的引用计数来实现它，当引用计数为0的时候就可以安全的卸载DLL。

3.6.6 自注册

如果object可以自己实现注册，那无疑会很方便。

DllRegisterServer/DllUnregisterServer可以轻松做到这件事。

3.7 COM对象在独立进程

现在，我们基本了解了COM提供的机制，以及要解决的问题。

那么让我们走得更远一点，看看多进程环境下，COM是如何被使用的。

• 如何在多个进程间共享COM对象
• 基于安全和可靠性的原因不想加载其他对象到内存空间
• 如何跨机器共享对象

COM提供了一个简单的方案，与vtable类似，也是提供一个间接层。

调用者（proxy）将参数按需写入（marshal）内存，然后发送给其他进程，其他进程的被调用者（stub）从内存中取出（unmarshal）相应参数，然后调用具体函数，对于返回值以相同的方式发送给调用者。看起来就是一个经典的RPC场景。

调用参数和返回值的marshal/unmarshal需要知道接口信息，这个都是定义在IDL文件中，有点类似protobuf。

IDL的处理有标准的工具，MIDL，proxy/stub会自动生成。

4. 总结

利用COM可以：

• 以统一的方式打包对象，无论是EXE还是DLL
• 将应用拆解为可复用的组件，每个都可以独立分发，降低耦合性并提高可维护性
• 允许将组件分发到不同的机器上，甚至可以实现高效的跨平台、跨语言的互操作

当你尝试开发新的组件的时候需要考虑：

• 是否能复用已有的接口，避免重复开发
• 尽可能让你的接口通用

5. 个人思考

技术，可以从技和术两个方面理解。

技是具体的，术是抽象的。

技指向的是解决问题，术指向的是思考问题。

COM技术的核心，按照我的理解有这么几点：

• 可复用（解耦）
• 兼容性（间接层）
• 互操作（标准接口）

都是软件工程里典型的问题。

COM提供了一个优雅的解决策略，无论在工作中你是否真正使用它，其思路和理念，都值得参考。

（完）

参考

1. From CPP to COM
2. 维基百科-组件对象模型
3. 怎么通俗的解释COM组件？