Rust パフォーマンスチューニングの基本

Rust は高速ですが、不適切な実装ではパフォーマンスが低下します。効果的なチューニング方法を学びましょう。

1. リリースビルド使用時のパフォーマンス差

# デバッグビルド（遅い）
cargo build

# リリースビルド（最適化済み）
cargo build --release

2. ベンチマーク測定

Cargo.toml:

[[bench]]
name = "benchmarks"
harness = false

benches/benchmarks.rs:

use criterion::{black_box, criterion_group, criterion_main, Criterion};

fn fibonacci(n: u32) -> u32 {
    match n {
        0 | 1 => n,
        _ => fibonacci(n - 1) + fibonacci(n - 2),
    }
}

fn fibonacci_benchmark(c: &mut Criterion) {
    c.bench_function("fib 20", |b| b.iter(|| fibonacci(black_box(20))));
}

criterion_group!(benches, fibonacci_benchmark);
criterion_main!(benches);

実行：

cargo bench

3. メモリ効率

メモリ確保（allocation）を減らす

// 遅い：毎回新しいVecを作成
fn slow_filter(items: &[i32]) -> Vec<i32> {
    items.iter().filter(|x| x % 2 == 0).collect()
}

// 速い：既存のVecを再利用
fn fast_filter(items: &[i32], result: &mut Vec<i32>) {
    result.clear();
    for item in items {
        if item % 2 == 0 {
            result.push(*item);
        }
    }
}

イテレータの遅延評価

イテレータは遅延評価のため、中間結果が蓄積されません。本当に必要な時だけ計算されます。

4. アルゴリズム選択

大切な法則¹：適切なアルゴリズムを選ぶことが、言語やコンパイラの最適化より重要です。

5. SIMD 最適化

Rust はコンパイラが自動的に SIMD を活用します：

fn vector_multiply(a: &[f32], b: &[f32]) -> Vec<f32> {
    a.iter().zip(b.iter()).map(|(x, y)| x * y).collect()
}

このような単純な操作は、コンパイラが自動的に SIMD 命令に変換することがあります。

6. プロファイリングツール

# Flamegraph による可視化（macOS/Linux）
cargo install flamegraph
cargo flamegraph --release

まとめ

効果的なチューニング手順：

1. リリースビルドで実行
2. ベンチマークで現状を測定
3. プロファイリングで問題箇所を特定
4. アルゴリズム改善またはコード最適化
5. ベンチマークで改善を確認

繰り返し測定・改善することで、最適なコードが生まれます。

Footnotes

1. Donald Knuth の “Premature optimization is the root of all evil” より ↩