python可以自动解决这个问题，但到了c++下要存128以上就要gmp mp boost 这种库，实现逻辑也很简单，速度会比python快很多。
这里放一个java版一个大数乘法的案例
public static Integer[] bigNumberMultiply(int[] arr1, int[] arr2){
ArrayList result = new ArrayList<>(); //中间求和的结果
//arr2 逐位与arr1相乘
for(int i = arr2.length - 1; i >= 0; i--){
int carry = 0;
ArrayList singleList = new ArrayList<>(); //arr2 逐位单次乘法的结果
for(int j = arr1.length - 1; j >= 0; j--){
int r = arr2[i] * arr1[j] + carry;
int digit = r % 10;
carry = r / 10;singleList.add(digit);
}
if(carry != 0){
singleList.add(carry);
}
int resultCarry = 0, count = 0;
int k = 0;
int l = 0;
int offset = arr2.length - 1 - i; //加法的偏移位
ArrayList<Integer> middleResult = new ArrayList<>(); //arr2每位乘法的结果与上一轮的求和结果相加，从右向左做加法并进位
while (k < singleList.size() || l < result.size()) {
int kv = 0, lv = 0;
if (k < singleList.size() && count >= offset) {
kv = singleList.get(k++);
}
if (l < result.size()) {
lv = result.get(l++);
}
int sum = resultCarry + kv + lv;
middleResult.add(sum % 10); //相加结果从右向左（高位到低位）暂时存储，最后需要逆向输出
resultCarry = sum / 10;
count++;
}
if(resultCarry != 0){
middleResult.add(resultCarry);
}
result.clear();
result = middleResult;
}
Collections.reverse(result); //逆向输出结果
return result.toArray(new Integer[result.size()]);
}快速幂算法其实也用到了其中的想法。只是存储在数组，分区块乘法，再数组存储，这是高精度的方法。而快速幂是分开运算由数学公式保证正确性。
快速幂的复杂度是O（logn）大数存储和乘法是O（n^2）
可是这点数字在ipadpro 下来运行还是秒出的。
