rust-performance

用途

本技能面向 Rust 性能优化、性能剖析与高性能系统开发。核心目标是做出有证据支撑的优化，避免过早优化。适用于需要降低延迟、提升吞吐、减少内存占用或改善缓存局部性的 Rust 项目。

核心原则

正确性优先于速度：任何优化前先用测试证明正确性。
先测量：没有剖析数据就不优化。
算法优先：更好的算法胜过微优化。
面向数据的设计：缓存友好的数据布局很重要。
基于证据：每次优化都必须有可复现基准证明可测量的改进。

关键规则：如果优化改变了解析、I/O 或浮点格式化，必须在基准测试之前添加或扩展回归测试。

优化工作流

BASELINE：用测试建立当前行为基线
TEST：为将要修改的代码添加回归测试
OPTIMIZE：实施改动
VERIFY：运行测试证明正确性未变
BENCHMARK：此时才测量改进

实践中：

cargo test                     # 1-2. 验证基线并添加回归测试
# ... 实施优化 ...
cargo test                     # 4. 验证正确性未变
cargo bench                    # 5. 测量改进

主要能力

性能剖析

使用 perf、samply 或 Instruments 进行 CPU 剖析
使用 heaptrack 或 valgrind 进行内存剖析
识别热点路径与瓶颈
分析缓存行为

常用命令：

# CPU 剖析（samply）
cargo build --release
samply record ./target/release/my-app

# 内存剖析（heaptrack）
heaptrack ./target/release/my-app
heaptrack_gui heaptrack.my-app.*.gz

# 缓存分析（cachegrind）
valgrind --tool=cachegrind ./target/release/my-app

# 火焰图
cargo flamegraph -- <args>

基准测试

编写 Criterion 基准
建立性能基线
对比不同实现
在 CI 中检测性能回退

构建配置示例（参考 ripgrep 做法）：

[profile.release]
opt-level = 3
lto = "thin"
codegen-units = 1

[profile.release-lto]
inherits = "release"
lto = "fat"

[profile.bench]
inherits = "release"
debug = true  # 启用剖析符号

重要：基准报告中必须注明所用的构建配置。

优化技术

减少分配（复用缓冲区、SmallVec）
面向数据的设计（AoS 改为 SoA 以改善缓存局部性）
零拷贝解析（使用 Cow 借用输入）
SIMD 优化（portable-simd 或显式 intrinsics）
字符串优化（字符串驻留、CompactString）

并发模式

使用 crossbeam 的无锁数据结构（epoch 回收、ArrayQueue）
使用 Rayon 的数据并行（par_iter、par_chunks、自定义线程池）
原子操作与内存序（Relaxed/Acquire/Release/AcqRel/SeqCst 的适用场景）
避免伪共享（用 #[repr(align(64))] 填充到独立缓存行）

并发纪律：研究阶段用 Amdahl 定律剖析串行瓶颈；设计阶段为每个原子操作说明内存序理由；验证阶段对无锁代码强制使用 loom 和 ThreadSanitizer。

构建优化与分发

体积优化配置（opt-level = "z"、strip、panic = "abort"）
符号剥离策略（none/debuginfo/symbols 的适用场景）
特性门控（feature gates）条件编译
使用 cross 交叉编译
自定义分配器（jemalloc、bumpalo arena 分配）

编译器提示与内存布局

#[cold]、#[inline(always)]、#[inline(never)]、#[target_feature]
用 size_of/align_of 检查结构体大小与对齐，优化字段顺序减少填充

使用方式

按优化工作流执行：先建立基线并添加回归测试，再实施优化，验证正确性后运行基准。性能相关 PR 需包含：回归测试、基准脚本（Criterion 或 hyperfine）、同机器前后对比数据、明确注明的构建配置；若改进超过 50%，需附火焰图/perf 证据；若涉及 unsafe 代码，需记录不变量并附证明测试。

适用场景

Rust 库或应用的性能调优
高吞吐/低延迟系统开发
内存占用优化
并发与并行代码优化
构建体积与分发优化

限制与约束

绝不在没有正确性测试的情况下优化
绝不在未注明构建配置的情况下做基准
记录优化原因，冷路径保持可读代码
在代表性数据上测量，充分测试优化代码（含边界情况）
权衡维护成本与性能收益

成功指标：优化前后正确性测试均通过、可测量的性能改进（重大改动 >10%）、无正确性回退、为优化路径添加基准、记录构建配置与机器规格、记录内存使用、注释中说明优化理由、前后数据可被他人复现。