Float16 向量重排与 Rust Iterator 内联边界

本期检索说明

先读取 content/collections/deep-radar 截至 2026-10-05 的全部原文链接，并按 URL、标题与实现机制去重。最近 24 小时找到两项同时满足实测、源码证据和原理剖析的一手工程材料：HotSpot Vector API 让 Float16Vector.rearrange 复用 16-bit vector permute；Rust 标准库为 Chain、Map 的 fold / try_fold 补上内联边界。Kotlin、Zig 与 Linux 的新候选没有同时达到三条证据红线，本期不凑数。

两项改动截稿时都仍在开放评审。OpenJDK 数据只有单台 AVX-512 FP16 机器、每组两次计数；Rust 的全局数据同时包含指令数改善、个别样本回退和 RSS 增长。本文评价的是公开 patch、评审和可追溯 benchmark，不把它们写成跨平台或跨 workload 的确定收益。

01 · HotSpot：Float16 重排不做浮点运算，因此可以直接借用 short permute

原文与日期： Jatin Bhateja，2026-10-05 12:53（中原标准时间）；OpenJDK PR #33198、完整源码 patch 与 JDK-8389741。

为什么值得读： Float16Vector 的算术需要半精度语义，但 rearrange 只搬运 lane，从不解释 binary16 的指数和尾数。旧实现仍因 T_FLOAT16 不在普通 lane 类型白名单而回退到 Java 代码。这个补丁最有价值的地方不是新增一套 FP16 shuffle，而是识别出“语义类型”和“物理 lane 宽度”可以在这一步分离：把 Float16 映射成同宽的 T_SHORT，即可复用已有 16-bit permute 后端。

核心技术结论： LibraryCallKit::inline_vector_rearrange 原先先调用 is_supported_lane_type(vltype)，导致 Float16 在进入通用 VectorRearrange IR 之前就被拒绝。patch 删除这层过早检查；后续类型解析已经会把 T_FLOAT16 映射到 T_SHORT，因此 masked 与 unmasked rearrange 都能生成 16-bit lane permutation，而不会改变任何 bit。

// rearrange 只置换 lane；T_FLOAT16 在后续被解析为同宽的 T_SHORT。
if (!arch_supports_vector(Op_VectorRearrange, num_elem, elem_bt, ...)) {
    return false;
}

这里的工程方法很可迁移：intrinsic 入口不应重复维护一份比后端更窄的类型能力表，否则新的表示类型即使物理操作完全兼容，也会在前门被挡回慢路径。

最有价值的实验、源码与 benchmark 细节： 作者在支持 AVX-512 FP16 的目标机上测试 Float16Vector.rearrange。vectorDim=1024 从 217.410 提升到 21,842.915 ops/ms，约 100.47 倍；vectorDim=2057 从 93.602 提升到 4,047.767 ops/ms，约 43.24 倍。这里的大数量级不是“一条 shuffle 快 100 倍”，而是从整段 Java fallback 切回编译器 vector IR 的路径差异；2057 不是整齐倍数，尾部处理也解释了它为何低于 1024 的相对收益。

新增 IR 测试覆盖 64、128、256、512-bit species，以及 masked / unmasked 两条路径，并断言生成 VectorRearrange。输入包含 identity、reverse 和交替 mask，结果通过 Float16 与 raw short bits 的往返比较，验证搬运后 bit pattern 未改变。较小宽度要求 AVX512BW+VL，512-bit 路径要求 AVX512BW；这让“源码允许 intrinsic”与“目标后端确有对应指令能力”分开验证。

证据边界不可省略：JMH 每组只有 Cnt=2，没有误差区间；作者只给出一台目标机，也没有发布最终反汇编。100.47 倍和 43.24 倍足以证明 fallback 是数量级瓶颈，但不足以外推到所有 x86、AArch64 或任意 vector species。

适合的工程师背景： 熟悉 HotSpot C2、Vector API、IR framework 或 SIMD lowering，想理解新数值类型如何复用现有整数后端的 JVM 工程师。

预计阅读收益： 约 30–45 分钟；能学到 intrinsic 入口的 capability 边界、表示类型复用、IR 测试矩阵，以及如何从数量级 benchmark 反推慢路径是否真正被消除。

02 · Rust：给 fold specialization 打开内联窗口，才有机会消掉 adapter 栈

原文与日期： lcnr，2026-10-05 09:58（中原标准时间）；Rust PR #163775、完整源码 patch 与 rustc-perf 指令数对比。

为什么值得读： Rust iterator 的“零成本”不是语法天然保证，而依赖 adapter 的 specialization hook、monomorphization 和 LLVM 能同时看到控制流。Chain、Map 已实现专用 fold / try_fold，但四个方法缺少 #[inline]；跨 crate 边界时，优化器可能只能看到调用，不能把 closure 与两段 iterator 的状态机融合起来。这个 PR 只有四行注解，却把一个抽象成本问题定位到非常具体的可见性边界。

核心技术结论： patch 分别给 Chain::try_fold、Chain::fold、Map::try_fold、Map::fold 加 #[inline]。fold 和 try_fold 是 iterator adapter 避免逐项 next() 调度的关键入口；当实现体随 metadata 暴露给调用方后，LLVM 才能继续内联映射 closure、传播 accumulator，并消掉 Chain 在前后 iterator 之间切换的分支与中间调用。

#[inline]
fn fold<Acc, Fold>(self, init: Acc, fold: Fold) -> Acc
where
    Fold: FnMut(Acc, Self::Item) -> Acc,
{
    // 现有实现不变；变化只是允许调用方跨边界继续优化。
}

这也说明 #[inline] 的真实含义不是强制复制代码，而是让下游优化器获得候选实现体。收益来自“解锁后续简化”，因此必须用真实调用图验证，不能只看 patch 行数。

最有价值的实验、源码与 benchmark 细节： rustc-perf 的 17 个 primary 样本中，15 个指令数改善，均值 -1.8%、范围 -13.3% 至 -0.2%；2 个回退，均值 +1.0%、范围 +0.6% 至 +1.5%。把全部 primary 合并后平均为 -1.5%。secondary 有 36 个改善，平均 -0.5%、最大 -3.2%。这组分布比单个“最高 -13.3%”更有价值：内联确实让多个真实编译 workload 的 adapter 栈被简化，但收益集中度很高，并非整齐普降。

二进制体积的 primary 汇总平均 -0.9%，30 个样本改善约 -1.0%，但仍有一个样本 +3.4%；primary RSS 也出现一个 +1.2% 回退。cycles 的 primary 5 个改善平均 -5.7%，secondary 却有 9 个回退平均 +4.4%，说明低层计数和 wall-clock 仍受噪声影响。bootstrap 490.682 → 490.616 s，仅约 -0.01%，基本持平。评审者据此认可存在“相当可观的收益”，但这些负向尾部仍意味着后续需要关注编译时间、代码布局与单 crate 膨胀。

最值得迁移的验证方式是同时看 instructions、cycles、RSS、binary size 和 bootstrap：内联优化若只降低某个热点的动态指令，却抬高优化器内存或某些产物体积，工程决策就不能只报最好一列。

适合的工程师背景： 熟悉 Rust iterator、monomorphization、LLVM 或 rustc-perf，想理解“零成本抽象”何时会因跨 crate 内联边界失效的编译器与库工程师。

预计阅读收益： 约 25–40 分钟；能掌握 fold specialization 在 adapter fusion 中的位置、#[inline] 的跨 crate 语义，以及如何用多指标分布判断小 patch 的真实代价。

中国大陆 ToC 硬件价格观察

数据口径

窗口为 2026-09-07 至 2026-10-06，单位人民币，六类硬件固定同一 SKU。今天通过公开比价页的实时渲染结果复核到 CPU、GPU、主板、HDD、SSD 五类报价；DRAM 页面仍明确显示“暂无报价”，因此不新增点。重复价格作为真实采样保留，用来区分“已复核横盘”和“未取得数据”。SSD 只采用当前 2TB 规格的全网比价栏，不采用跨容量聚合的“¥819 起”。

价格来源： 9800X3D、MSI RTX 5070 VENTUS 3X、ASUS TUF B850M-PLUS WIFI7、Kingston FURY DDR5-6000 32GB、IronWolf Pro 8TB、ZHITAI Ti600 2TB。

判断依据

CPU 连续三天为 ¥2,699，仍处本窗口高位；相对 9 月 9 日低点 ¥2,449 已反弹 ¥250、约 10.2%，没有形成继续下跌信号。GPU、主板、HDD 与 SSD 只是同一公开渠道再次复核到相同最低价，不能外推为整个中国零售市场稳定。DRAM 固定 SKU 继续缺价，走势图保留真实空白尾段。SSD 页面头部的“¥819 起”是跨容量聚合口径，当前 2TB 规格全网比价仍为 ¥1,799，不能混用。本期购买建议只依据可复核价格序列，不引用未核实的新品或产能传闻。

其它你可能关心的

• Rust：已知 iterator 长度时让 Vec 使用精确 capacity

本期结论

两篇材料都说明抽象能否“零成本”，取决于优化器是否在正确层级看到足够信息。HotSpot 让 Float16 的纯 lane 置换复用 short permute，直接消除 Java fallback，两个样本分别提升约 100.47 倍和 43.24 倍；Rust 仅补四个内联注解，就让 17 个 primary 样本指令数平均下降 1.5%，但个别指令、RSS 与体积指标仍回退。可迁移的方法是先分离语义类型与物理表示，再检查跨模块可见性，最后用完整分布而非最佳样本决定是否接受优化。