性能比较：循环 vs. 迭代器

为了确定是使用循环还是迭代器，你需要知道哪个实现更快：使用显式 for 循环的 search 函数版本还是使用迭代器的版本。

我们运行了一个基准测试，将阿瑟·柯南·道尔爵士的《福尔摩斯冒险记》的全部内容加载到一个 String 中，并在内容中查找单词 the。以下是使用 for 循环的 search 版本和使用迭代器的版本的基准测试结果

test bench_search_for  ... bench:  19,620,300 ns/iter (+/- 915,700)
test bench_search_iter ... bench:  19,234,900 ns/iter (+/- 657,200)

迭代器版本稍微快一点！我们不会在这里解释基准测试代码，因为重点不是证明这两个版本是等价的，而是对这两种实现方式在性能上的比较有一个大致的了解。

为了进行更全面的基准测试，你应该检查使用各种大小的文本作为 contents，不同的单词和不同长度的单词作为 query，以及各种其他的变体。重点是：迭代器，虽然是一个高级抽象，但会被编译成与你自己编写的底层代码大致相同的代码。迭代器是 Rust 的零成本抽象之一，我们指的是使用抽象不会增加额外的运行时开销。这类似于 Bjarne Stroustrup，C++ 的原始设计者和实现者，在《C++ 基础》（2012）中定义零开销的方式

总的来说，C++ 实现遵循零开销原则：不使用的东西，就无需为其付费。更进一步：使用的东西，你不可能手写得更好。

另一个例子，以下代码取自音频解码器。解码算法使用线性预测数学运算来根据先前样本的线性函数估计未来值。这段代码使用迭代器链对作用域内的三个变量进行一些数学运算：数据 buffer 切片、一个包含 12 个 coefficients 的数组，以及 qlp_shift 中数据移动的量。我们在这个例子中声明了变量，但没有给它们任何值；虽然这段代码在其上下文之外没有太多意义，但它仍然是一个简洁的、真实的例子，说明 Rust 如何将高级思想转化为底层代码。

let buffer: &mut [i32];
let coefficients: [i64; 12];
let qlp_shift: i16;

for i in 12..buffer.len() {
    let prediction = coefficients.iter()
                                 .zip(&buffer[i - 12..i])
                                 .map(|(&c, &s)| c * s as i64)
                                 .sum::<i64>() >> qlp_shift;
    let delta = buffer[i];
    buffer[i] = prediction as i32 + delta;
}

为了计算 prediction 的值，这段代码迭代 coefficients 中的 12 个值中的每一个，并使用 zip 方法将系数值与 buffer 中的前 12 个值配对。然后，对于每一对，我们将值相乘，将所有结果求和，并将总和中的位向右移动 qlp_shift 位。

像音频解码器这样的应用程序中的计算通常将性能放在首位。在这里，我们正在创建一个迭代器，使用两个适配器，然后消耗该值。这段 Rust 代码会编译成什么汇编代码？嗯，就目前而言，它会编译成与你手写的汇编代码相同的代码。完全没有与迭代 coefficients 中的值相对应的循环：Rust 知道有 12 次迭代，因此它“展开”了循环。展开是一种优化，它消除了循环控制代码的开销，而是为循环的每次迭代生成重复的代码。

所有系数都存储在寄存器中，这意味着访问值非常快。运行时对数组访问没有边界检查。Rust 能够应用的所有这些优化使生成的代码非常高效。现在你知道了这一点，你可以放心地使用迭代器和闭包了！它们使代码看起来更高级，但不会因此而造成运行时性能损失。

总结

闭包和迭代器是受函数式编程语言思想启发的 Rust 特性。它们有助于 Rust 在底层性能上清晰地表达高级思想的能力。闭包和迭代器的实现方式使得运行时性能不受影响。这是 Rust 努力提供零成本抽象的目标的一部分。

既然我们已经提高了 I/O 项目的表达性，让我们看看 cargo 的更多特性，这些特性将帮助我们将项目与世界分享。