无聊 + 新电脑 如何让 Rust 中的素数筛选器快了 64 倍（“Dopamine 优化”故事）

Source: Dev.to

起源故事：它始于“一件新玩具”

大约六个月前，我坐在桌前，遭遇了严重的程序员创作瓶颈。我不想再去处理已有的 bug；我需要一次成功的快感——一次多巴胺的冲击。

恰好我正盯着一台对我而言全新的怪兽工作站：4.3 GHz i7、64 GB RAM、Quadro GPU。它是只野兽，我意识到我从未真正让它发挥过潜力。我想看到金属的光辉，想让风扇呼呼转动。

于是我给自己立了个挑战：用 C++ 写出绝对最快、最考验 CPU 的代码。数学运算量大，我于是选择了素数生成。找到了关于埃拉托斯特尼筛优化的论文，深入研究 SIMD 内在函数（AVX2/512），在一个疯狂的周末里纠结于缓存行和周期计数。最终我击败了标准库实现，看到 CPU 使用率飙到 100 %……但随即，多巴胺的快感也消散了。

“酷，下一步。”

我把代码搁置，忘记了它。

回忆闪回

快进到三天前。我在编译一个 Rust 项目，看到依赖一个接一个地滚动：

Compiling rand...
Compiling primes...

那一刻像砖头一样砸在我脑袋上。我手里有一整套高度优化、经受过实战考验的素数生成逻辑，静静地躺在一个尘封的 C++ 仓库里。我已经解决了最难的部分——位运算、缓存局部性、内存布局。

为什么我没有在 Rust 中使用它？

疯狂：移植到 Rust

害怕在实现之前把想法忘掉的冲动袭来。我进入了一个 12 小时的编码狂热状态。

目标不仅仅是移植，而是重新构想。在 C++ 中我直接玩指针；在 Rust 中我想要同样的性能，却拥有安全性和更好的易用性。

最终我得到了 Primer——一个 crate，具备以下特性：

• 位压缩：每个奇数使用 1 bit（相当于每个数 0.5 bit）。
• 仅奇数：硬编码 2，完全忽略偶数。
• 内在函数驱动：使用 trailing_zeros（在 x86 上编译为 tzcnt）即时扫描筛子。
• Kernighan 迭代：在硬件层面跳过零位。

结果：快 64 倍，体积小 95 倍

我没指望 Rust 编译器会这么配合，但结果让我大吃一惊。

基准测试 (n = 50,000,000)

• 标准 Vec 实现：约 47 MB RAM
• Primer（分段缓冲区）：约 32 KB RAM
• 速度：在批量生成时比 primes crate 快 64 倍。

为什么这很重要（超越速度）

这个项目并不是因为需要素数而诞生的。它源于无聊和想看电脑“动起来”的欲望。

有时候最好的代码并不是来自工单或需求文档，而是来自凌晨 2 点盯着闪烁光标时的自言自语：“我能让它更快吗…”，随后不经意间就造出了房间里最快的东西。

在 GitHub 上查看代码（以及基准测试）：

👉

（另外，如果你是嵌入式 Rust 开发者——ESP32 / Raspberry Pi——这 32 KB 的占用正是为你准备的。尽情玩吧。）