Pants构建系统将hdrhistogram纳入默认依赖以增强统计功能

Pants构建系统近期对其统计功能进行了重要优化，将原本作为可选依赖的hdrhistogram库纳入了默认依赖集合。这一变更显著改善了系统的性能监控能力，同时简化了用户配置流程。

在构建系统的运行过程中，性能指标的收集和分析对于优化构建效率至关重要。Pants通过其内置的统计子系统能够跟踪各类关键指标，如本地存储读取操作的大小分布等。这些指标以直方图形式呈现，能够展示最小值、最大值、平均值、标准差等统计信息，以及各种百分位数（如p50、p90、p99等）。

此前，这一功能的完整使用需要用户手动安装hdrhistogram库。当用户启用统计日志功能但未安装该库时，系统会显示警告信息，指导用户如何添加这一依赖。这种设计虽然灵活，但也带来了几个问题：首先，增加了用户的配置负担；其次，可能导致不一致的用户体验；最重要的是，它鼓励了直接从PyPI安装未固定版本依赖的做法，这在安全性和可重复性方面存在隐患。

技术实现上，hdrhistogram是一个高效的直方图库，专门为高动态范围场景设计。它能够精确记录和统计大范围数值分布，非常适合构建系统这类需要监控各种规模操作（从几字节到数兆字节）的场景。该库的加入为Pants提供了专业的统计计算能力，包括精确的分位数计算等高级功能。

将hdrhistogram纳入默认依赖后，Pants现在能够无条件地提供完整的统计信息展示，无需用户额外配置。这一变更虽然引入了约1MB的额外存储空间（包含hdrhistogram及其依赖pbr），但考虑到现代构建环境的存储容量和Pants现有的依赖规模，这一增加是可接受的。

从架构角度看，这一优化体现了Pants项目对用户体验和系统健壮性的持续关注。它消除了一个潜在的配置陷阱，使统计功能更加可靠。同时，这也是Pants项目依赖管理策略的一个典型案例，展示了如何在功能完整性和依赖精简之间取得平衡。

未来，Pants项目可能会考虑将这部分统计功能重构为原生实现（可能使用Rust），以进一步优化性能和减少依赖。但就目前而言，采用成熟的hdrhistogram库是一个合理的折中方案，能够快速可靠地满足用户需求。