Fury项目Rust代码优化:使用contains替代iter().any()
2025-06-25 04:06:33作者:霍妲思
在Fury项目的Rust代码中,开发团队发现了一个值得优化的性能问题。这个问题出现在类型检查的逻辑中,涉及集合元素的查找操作。
问题背景
在Fury核心模块的类型处理代码中,原本使用了一种较为低效的方式来检查某个类型是否属于基础类型集合。代码使用了iter().any()方法遍历整个集合,并对每个元素进行相等性比较。虽然功能上没有问题,但从性能角度来看这并不是最优的实现方式。
优化方案
Rust的标准库为集合类型提供了专门的contains方法,这个方法在内部实现上通常比iter().any()更加高效。contains方法可以利用集合的内部结构特性进行优化,而iter().any()则必须进行完整的线性遍历。
优化前的代码:
let is_basic_type = BASIC_TYPES.iter().any(|x| *x == *ty);
优化后的代码:
let is_basic_type = BASIC_TYPES.contains(ty);
性能差异
- 可读性:
contains方法语义更加明确,直接表达了"集合是否包含某元素"的意图 - 性能:对于某些集合类型,
contains可以利用哈希或二分查找等优化策略 - 习惯用法:使用
contains是Rust社区推荐的惯用写法
项目影响
这个优化虽然看似微小,但在Fury这样的高性能序列化框架中,每一个小的性能提升都可能被放大。类型检查是序列化过程中的基础操作,频繁执行时,即使是微小的优化也能带来可观的性能收益。
最佳实践
在Rust开发中,当需要检查集合中是否存在某个元素时,应该优先考虑使用contains方法,而不是手动使用迭代器和谓词组合。这不仅使代码更加简洁,也往往能带来更好的运行时性能。
这个优化案例也提醒我们,在性能敏感的项目中,即使是基础API的选择也需要仔细考量,同时要充分利用编译器的lint工具来发现这类优化机会。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220