别用Rust重写,只优化那5%的慢代码

Fast-Anything 主张先 profiling 定位 5% 热点再定向优化,而非全量 Rust 重写。
Fast-Anything 是一个在 Hacker News 引发讨论的开源项目,核心主张是不要为了性能把整个项目重写成 Rust,而应先找出真正拖慢速度的约 5% 热点代码。文章指出性能瓶颈具有长尾特征,局部优化的改动面、回归风险和验证成本都远低于整体重写。社区讨论呈现分歧:支持方认为全量重写是用语言迁移掩盖对系统理解不足,反对方则指出 GC 停顿、并发模型等运行时级问题难以靠局部改写解决,且混合技术栈会带来长期维护成本。两种观点的共同前提是重写决策应由 profiling 和基准测试数据驱动,而非技术偏好。

一个名为 Fast-Anything 的开源项目在技术社区引发讨论,核心主张只有一句:不要为了性能把整个项目用 Rust 重写,先找出真正拖慢速度的那 5%。项目在 Hacker News 上获得 171 点积分和 136 条评论,说明“要不要重写”这个话题戳中了不少开发者的真实痛点。
Rust 重写热的另一面
过去几年,“用 Rust 重写”几乎成了一种性能叙事的标准答案。从命令行工具到基础设施组件,社区里不断出现重写案例,语言本身的内存安全与零成本抽象也确实有吸引力。
但 Fast-Anything 提出的视角更务实:大多数项目的性能瓶颈并不是均匀分布在整个代码库里。真正消耗时间的热点路径往往只占代码量的一小部分,其余绝大部分逻辑对整体性能的影响微乎其微。把这些代码一并重写,换来的可能只是更高的维护成本和更长的交付周期。
这个判断并不新鲜,性能优化领域一直有“先测量再优化”的共识。Fast-Anything 的价值在于把它落成了一个可操作的项目形态,而不是停留在原则层面。
5% 的思路为什么成立
性能问题天然具有长尾特征。一次请求的处理链条里,可能 95% 的时间花在少数几个函数、几次序列化、几处内存分配上,而大量业务逻辑、边界处理、配置解析只占极小的比例。
针对这部分热点做定向优化,收益结构与整体重写完全不同:改动面小,回归风险可控,验证成本也低。开发者可以用 profiling 工具定位热点,再决定是用更高效的数据结构、减少拷贝、引入缓存,还是只把这一小块用 Rust 或其他系统级语言重写。
换句话说,Rust 不是被否定,而是被放回了更合适的位置——它是解决特定热点问题的工具,而不是默认的全局方案。
Profiling(性能剖析) 是指通过采样或插桩的方式,收集程序运行期间各函数的调用次数与耗时分布,从而定位真正热点路径的手段。常见工具包括 Linux 上的 perf、Python 的 cProfile、Go 的 pprof 以及跨平台的 VTune。它回答的是“时间到底花在哪”,而不是“哪里看起来慢”。
火焰图(Flame Graph) 是 profiling 数据的可视化形式,由 Brendan Gregg 推广。横轴代表调用栈的宽度(即耗时占比),纵轴代表调用深度,越宽的帧说明该函数占用时间越多。火焰图的价值在于一眼看出长尾分布:通常少数几个宽帧就吃掉了大部分时间,这与“5% 热点”的判断高度吻合。开发者据此决定优化对象,可以避免凭直觉改代码。
社区讨论的分歧
Hacker News 的 136 条评论显示,这个主张并非一边倒被接受。支持方认为,全量重写常常是工程决策上的偷懒,用语言迁移掩盖了对系统行为缺乏理解的事实;先做 profiling 再动手,才是对自己代码负责的做法。
反对方则指出,现实中的性能问题有时来自语言运行时的整体特性,比如垃圾回收停顿、并发模型限制,这类问题很难靠局部改写解决,整体迁移反而更干净。另一种常见顾虑是混合技术栈带来的长期成本:两种语言、两套工具链、两类人才,维护负担会随时间累积。
两种观点其实指向同一个前提——重写决策应该由测量数据驱动,而不是由技术偏好驱动。分歧只在于测量结果指向局部优化还是整体迁移。
讨论中提到的“运行时整体特性”值得展开。垃圾回收停顿(GC pause) 指托管语言在回收内存时暂停应用线程,对延迟敏感的服务(如交易、实时通信)可能造成尾延迟毛刺,这类开销分散在全局,很难靠改写某个函数消除。并发模型限制 则指语言内建的线程/协程模型对吞吐和扩展性的约束,例如 GIL 使某些计算密集型负载无法利用多核。两者都属于“架构级”成本,正是反对方主张整体迁移的主要理由。
与之相对的是混合技术栈成本:当项目同时使用两种语言时,需要维护两套依赖管理、构建流程、调试与监控体系,并承担 FFI(外部函数接口)边界的数据转换开销与安全隐患。这部分成本不会立刻显现,却会随团队规模和时间线性累积,因此需要在重写决策中被显式估算。
对工程实践的启示
Fast-Anything 更像一个方法论提醒:在讨论语言选型之前,先回答“慢在哪里”。profiling、基准测试、火焰图这些基础手段,往往比换语言更快给出答案。
对个人项目和小团队而言,这个思路能显著降低优化门槛;对大型系统而言,它意味着重写可以被拆解成更小、更可验证的步骤。至于那 5% 该用什么语言重写,取决于热点本身的性质,而不是社区风向。
相关推荐

前罪犯揭秘监狱心理变态比例:每880人约200个
前罪犯Larry Lawton在Lex Fridman播客中分享监狱观察:880名终身监禁犯中约200人是心理变态,比例高达23%。他探讨了善恶界限、监狱中的社交与情感,以及黑暗经历带来的智慧。

本地AI入门:Inkling、Qwen与Unsloth实战指南
面向初学者的本地AI实践指南,解析Inkling、Qwen与Unsloth在本地大模型部署与微调中的角色,涵盖模型选型、量化推理、轻量微调流程,以及本地与云端方案的取舍建议。

开放社交网络联盟成立:去中心化社交的新起点
Open Social Web Alliance 开放社交网络联盟亮相,引发 Hacker News 热议。本文梳理联盟的定位、社区讨论中的核心分歧,以及开放社交网络在互操作、内容治理和身份迁移上面临的现实挑战。