最近，阅读了 rust-under-the-hood一书，从生成的汇编代码来理解 Rust 语言，颇有一些收获：
- Rust 语言编译后的汇编代码，在很多方面的优化，是令人惊讶的。例如，对于 vector 的函数式操作，与 for 循环等相比，生成的代码是等效的，这 既享受了语法上的优雅简洁（如Scala），又享受了性能的优势（而这是 scala 等望尘莫及的）
- SIMD 指令集的使用，让应用代码可以更好的利用 CPU 的并行计算能力。
加之，最近在阅读 DuckDB 的源代码，也对向量计算非常的感兴趣，写这个系列，是想进一步的实践、研究 向量相关的编译优化技术，为后续的一些性能 优化工作做些筹备。
- 哪些场景 适合于 compiler vectorization？
- 使用 portable simd 库来编写处理向量的代码？是否会有更好的性能提升？
tips
- 查看 HIR 代码：
cargo rustc --release -- -Zunpretty=hir - 查看 MIR 代码：
cargo rustc --release -- -Zunpretty=mir - 查看 LLVM IR 代码：
cargo rustc --release -- --emit llvm-ir，生成的文件在target/release/deps/目录下。 - 查看 ASM 代码：
cargo rustc --release -- --emit asm -C llvm-args=-x86-asm-syntax=intel，生成 intel 风格的汇编代码 (move dest src) - 编译选项：
-C target-cpu=native，生成针对当前 CPU 的优化代码。 - 编译选项：
-C target-feature=+avx2，生成针对 AVX2 指令集的优化代码。 - 编译选项：
-C target-feature=+avx512f,+popcnt，生成针对 AVX512 + popcnt 指令集的优化代码。 - 交叉编译
--target x86_64-apple-darwin在 M1 下编译生成 x86_64 的代码。 - 对有的 cargo 命令，如 cargo bench，可以使用 RUSTFLAGS 环境变量传递