Lib.rs

可以在 此处 找到替代方案的列表。如果您找到好的替代方案，请将其添加到列表中并提交 PR。

如果您计划在项目中使用 ppar，请让我们知道。

目标

• 类型 T 参数化的 Vector。
• 不可变/持久化 Vector 集合。
• CRUD操作，包括get()、set()、delete()、insert()，都是持久的。
• 将Vec转换为ppar::Vector。
• 将ppar::Vector转换为Vec。
• 线程安全的操作。
• 类似于std::vec::Vec的可变API。
• 集合迭代，包括逐项、分块、反向。
• 去重。
• 成员资格。
• 连接集合，拆分集合。
• 部分集合。
• 扩展集合。
• 队列操作，如pop()、push()。
• 函数操作，如filter、map、reduce。
• 排序和搜索操作。
• 特质实现。
  • 克隆
  • Eq, PartialEq, Ord, PartialOrd
  • 扩展
  • From, FromIterator, IntoIterator
  • 散列
  • 索引，索引可变
  • 写入
• 使用rayon进行并行迭代。
• 模糊测试。

基本算法相当紧凑。欢迎贡献以使ppar::Vector类型像std::vec::Vec和im::Vector一样丰富。

性能指标

在2008年core2-duo机器上，具有8GB RAM。使用以下命令进行测量，所有数字都是操作Vs延迟。

cargo run --release --bin perf --features=perf -- --load 100000 --ops 10000

^{数字越低越好 数字越低越好}

我们使用初始数据集100_000 u64数字加载数组。然后在一个紧密的循环中应用每个操作，测量整个循环的耗时，最后计算每个操作的延迟。对于迭代，我们计算迭代每个元素的耗时。

• 使用对数刻度表示性能的量级差异。
• 在ppar的arc和rc变体之间，性能差异不大。尽管它可能对缓存优化的算法有影响。
• 对于insert、remove、load、split、append、clone操作，ppar在vec和im上提高了量级的改进。
• 在update、get、iter操作上落后。但值得注意的是，它仍然在日志刻度的较低端，即差异在100ns以内。

值得注意的是，操作的数据集的最大大小小于2MB，这意味着整个数组占位符可以保留在CPU缓存中。根据我的理解，当我们增加数组的大小，性能差异将更加明显，即快速操作可能看起来更快，而慢速操作可能看起来更慢。

有用的链接

• im包含一个替代数组实现，以及其他内容。
• rpds，另一个使用RRB-Tree的替代实现。
• 此包使用的rope数据结构。

贡献

• 简单工作流程。分支 - 修改 - 提交请求。
• 在创建PR之前，
  • 运行 make build 确认所有构建版本均通过，且警告和错误均为0。
  • 运行 check.sh，无警告、无错误且所有测试用例通过。
  • 运行 perf.sh，无警告、无错误且所有测试用例通过。
  • 安装 并运行 cargo spellcheck 以移除常见的拼写错误。
• 首选开发者来源证书。