Rust与Julia的EMA计算性能差异：为何Rust慢10倍？

作为Rust新手，我实现了计算指数移动平均（EMA）的函数，对比Julia的等价函数处理100,000元素向量的耗时：Julia函数耗时约206微秒，Rust函数耗时约2.27毫秒，性能相差10倍。我原本预期Rust性能优于或持平Julia，因此疑惑为何会出现这样的差异。

Rust实现代码 #

use rand::Rng;
use std::time::Instant;

fn calculate_ema(prices: &[f64], alpha: f64) -> Vec<f64> {
    if prices.is_empty() {
        return vec![];
    }
    let mut ema = Vec::with_capacity(prices.len());
    ema.push(prices[0]); // 第一个EMA值等于第一个价格

    for i in 1..prices.len() {
        let new_ema = alpha * prices[i] + (1.0 - alpha) * ema[i - 1];
        ema.push(new_ema);
    }
    ema
}

fn main() {
    // 生成100,000个10到50之间的随机价格
    let mut rng = rand::thread_rng();
    let prices: Vec<f64> = (0..100000).map(|_| rng.gen_range(10.0..=50.0)).collect();

    // 定义EMA周期
    let period = 10.5;

    // 测量calculate_ema函数耗时
    let start_time = Instant::now();
    let _ema = calculate_ema(&prices, 2.0/(1.0 + period));
    let elapsed_time = start_time.elapsed();

    println!("Time taken to run calculate_ema: {:?}", elapsed_time);
}

Julia实现代码 #

using Random
using BenchmarkTools

function calculate_ema(prices, alpha)
    ema = Vector{Float64}(undef, length(prices))
    ema[1] = prices[1]
    for i in 2:length(prices)
        ema[i] = alpha * prices[i] + (1 - alpha) * ema[i-1]
    end
    return ema
end

prices = rand(10.0:0.1:50.0, 100000)

alpha = 2/(1 + 10.5)

# 测量calculate_ema函数耗时
@btime calculate_ema(prices, alpha)

性能差异的核心原因 #

1. 编译优化等级差异 #

Rust默认使用debug模式编译（优化等级-O0），该模式关闭大部分优化以保留调试信息，运行速度远慢于优化版本。而Julia的@btime会触发JIT编译器的最高等级优化，生成接近原生编译的高效机器码。

解决方法：使用cargo run --release编译运行Rust代码，该模式启用-O3优化等级，会大幅提升性能。

2. 基准测试方法不严谨 #

• Julia的@btime会自动执行多次函数调用，预热JIT编译器，排除首次执行开销，并取多次运行的最优值，测量结果更准确。
• Rust代码仅执行一次函数调用，测量结果可能包含内存分配、操作系统调度等额外干扰，无法反映函数真实性能。

解决方法：使用Rust专业基准测试库（如criterion），或手动循环多次运行函数取平均耗时，示例如下：

// 修改main函数中的测量逻辑
let start_time = Instant::now();
// 循环运行100次，取平均耗时
for _ in 0..100 {
    let _ema = calculate_ema(&prices, 2.0/(1.0 + period));
}
let elapsed_time = start_time.elapsed();
println!("Average time per run: {:?}", elapsed_time / 100);

3. 内存操作的细微优化空间 #

Rust代码使用ema.push()追加元素，虽提前用with_capacity预分配空间，但部分编译器优化对直接索引赋值的支持更好。可将代码修改为与Julia逻辑对齐的索引赋值方式：

fn calculate_ema(prices: &[f64], alpha: f64) -> Vec<f64> {
    if prices.is_empty() {
        return vec![];
    }
    let mut ema = vec![0.0; prices.len()];
    ema[0] = prices[0];

    for i in 1..prices.len() {
        ema[i] = alpha * prices[i] + (1.0 - alpha) * ema[i - 1];
    }
    ema
}

优化后的预期结果 #

使用--release模式编译并采用严谨的基准测试方法后，Rust的EMA函数性能会与Julia持平甚至略优，两者差距会缩小到可忽略的范围。

内容的提问来源于stack exchange，提问作者Vishal Sharma