C2 FP16 单指令广播与 VecDeque 克隆复用

本期检索说明

先读取 content/collections/deep-radar 截至 2026-09-18 的全部原文链接，并按 URL、标题与实现机制去重。最近 24 小时内，OpenJDK x86 C2 的 FP16 广播补丁给出了明确的旧、新指令序列和带误差的 JMH 结果；Rust VecDeque 克隆补丁同时给出通用类型的资源复用、TrivialClone 特化、环形缓冲区源码实现和 8 组主 benchmark。两项均满足实测数据、源码/指令级证据、原理剖析与工程迁移价值四项要求。

Kotlin 当日候选主要是正确性修复或 IR API 重构，没有性能实测；Zig 公开仓库迁移后没有形成三项证据闭环的新材料；Linux 新提交也没有找到同时提供可复现实测与源码级机制说明的候选，因此不凑数。两篇入选补丁截至截稿均仍处于开放评审状态，结果来自单一硬件，正文保留这一限制。

01 · HotSpot：让 FP16 广播直接从 XMM 进入向量寄存器

原文与日期： Jatin Bhateja，2026-09-18 12:29（中原标准时间）；OpenJDK PR #32938 与 JDK-8392548。截稿时补丁修改 3 个文件，增加 95 行、删除 7 行，仍在等待 HotSpot reviewer。

为什么值得读： 这不是“换一条更快的指令”这么简单，而是一个典型的 C2 指令选择问题：Java Vector API 的 FP16 replicate 已经把源值放在 XMM 寄存器，旧 AD 规则却先用 evmovw 把 16 位值搬到通用寄存器，再调用整数源版本的 evpbroadcastw。在支持 AVX512-FP16 的机器上，这次跨寄存器文件搬运约有 3 周期延迟，而且还占用一个临时 GPR。

核心技术结论： AVX512BW 的 vpbroadcastw 可以直接接受 XMM 源操作数。补丁因此从 ReplHF_reg 删除 rRegI rtmp 与 TEMP effect，让 matcher 生成一条 XMM→向量广播；assembler 的能力断言也细化为：512 位向量要求 AVX512BW，较短向量沿用 AVX2。

// 旧路径
__ evmovw($rtmp$$Register, $src$$XMMRegister);
__ evpbroadcastw($dst$$XMMRegister, $rtmp$$Register, vlen_enc);

// 新路径
__ vpbroadcastw($dst$$XMMRegister, $src$$XMMRegister, vlen_enc);

这类改动的迁移价值在于：机器描述规则不应只验证“指令可用”，还要核对源操作数已经位于哪个寄存器文件。若 ISA 有直接的 reg-reg 形式，额外 move 同时增加延迟、寄存器压力和调度依赖；删除临时 operand 也会给全局寄存器分配留下更多空间。

最有价值的实验、源码、benchmark 与指令细节： 随补丁新增的 ReplHFRegBenchmark.manyBroadcasts 每轮处理 512 组数据，每个内层元素执行 16 次 FP16 加法，强制产生大量 replicate。JMH 采用吞吐模式、5 次测量：

2.36% 与作者概括的 2–3% 一致，而且误差区间没有重叠。源码证据也闭环：x86.ad 删除 XMM→GPR 的 evmovw，assembler_x86.cpp 放宽 XMM 源 vpbroadcastw 的 AVX512BW 断言，JMH 则专门构造高密度广播。边界同样明确：收益只适用于支持 AVX512-FP16 与 AVX512BW 的 x86 目标；benchmark 是人为放大 broadcast 密度的微基准，不能外推为任意 Java 工作负载都快 2.36%。PR 尚未给出具体 CPU 型号、反汇编全文或应用级结果。

适合的工程师背景： 熟悉 C2 Ideal/ADLC、Vector API、x86 EVEX 编码或寄存器分配，希望理解一条机器描述规则如何把 Java FP16 操作映射到实际指令的 JVM 工程师。

预计阅读收益： 约 35–55 分钟；可以掌握从 matcher operand、temporary effect、assembler feature gate 到 JMH 的完整排查链，并学会优先寻找不必要的跨寄存器文件搬运。

02 · Rust：VecDeque 克隆不再丢掉可复用的元素分配

原文与日期： François Bernier，2026-09-19 06:00（中原标准时间）；rust-lang/rust PR #162991。补丁修改 4 个文件，增加 479 行、删除 10 行；主要新增量是环形布局、panic、ZST 与 drop 语义测试，截稿时仍在等待 libs team 评审。

为什么值得读： VecDeque::clone_from 文档承诺尽量避免重新分配容器缓冲区，但 2022 年一次重写后，当前实现先 clear()，再对源元素逐个 clone()。这会把目标端已有 String、Vec 等元素的内部 allocation 全部丢掉，错过 T::clone_from 本来提供的资源复用。与此同时，对 u64 这类按位复制即可完成克隆的类型，迭代器逐元素路径又比直接拷贝两个底层 slice 更重。

核心技术结论： 新实现通过内部 SpecCloneFrom 分成两条路径。通用 T: Clone 先把目标截断到源长度，再同时遍历源、目标各自最多两个 slice；重叠部分调用 clone_from_slice，剩余源元素才 clone() 追加。T: TrivialClone 则清空目标、一次 reserve，然后对源的 front/back slice 执行两次 ptr::copy_nonoverlapping，最后把 head 归零并设置长度。

self.truncate(source.len());
// 重叠区：复用 String/Vec 等元素自己的 allocation
dst.clone_from_slice(src);
// 只有源的尾部需要新建元素
self.extend(src_front.iter().chain(src_back).cloned());

环形缓冲区的难点不是复制本身，而是源和目标可能在不同位置 wrap。补丁用两个 slice 的小型状态机逐段对齐，避免先 make_contiguous() 搬动数据。TrivialClone 特化则把环形源的两个物理片段压到目标缓冲区起点；unsafe 前置条件由独立 allocation、reserve 后容量、ZST 的零字节 copy 和最终长度更新共同保证。

最有价值的实验、源码与 benchmark 细节： 作者在 AMD Ryzen 9 5950X 上测量 ns/iteration：

负向结果很重要：普通 clone_string_contiguous 从 20,141.18 ns 变成 20,706.59 ns，慢 2.8%，因为全新 clone 没有目标元素可复用，却仍承担新的分派/布局成本。clone_u64_small_wrapped 在整套 benchmark 中看似慢 19.8%，单独运行却是 15.73 → 15.52 ns（快 1.3%）；作者据此判断可能是代码布局或 glibc 干扰。这个反差提醒我们：十几纳秒的小样本必须做隔离复测，不能只看一次套件结果。

测试覆盖比性能数字更有工程价值：补丁验证目标容量复用、源/目标不同 wrap 点、扩容后追加、目标截断、32 字节对齐元素、ZST、自定义 Clone、带 Drop 的 TrivialClone，以及克隆中途 panic 后不泄漏、不 double-drop。限制也很清楚：数据来自单台 5950X，没有 allocator 计数或多平台置信区间，且 TrivialClone 仍是内部不稳定能力；因此最可靠的结论是“资源复用路径显著受益，普通 clone 和小容器仍需继续调优”。

适合的工程师背景： 熟悉 Rust alloc、环形缓冲区、specialization、unsafe 初始化状态或容器异常安全，希望优化集合复制而不破坏 drop/panic 语义的库工程师。

预计阅读收益： 约 60–90 分钟；可以掌握环形布局的分段 clone、元素内部 allocation 复用、平凡复制特化，以及如何为 unsafe 快路径设计覆盖 panic 与析构的测试矩阵。

中国大陆 ToC 硬件价格观察

数据口径

窗口为 2026-08-21 至 2026-09-19，单位人民币，六类硬件继续固定同一 SKU。9 月 19 日重新读取 9800X3D 固定样本页时，页面显示京东最低 ¥2,619，与 9 月 17 日相同，因此新增一个真实横盘点。GPU、主板、DRAM、HDD、SSD 固定页面均未能在本次采集稳定返回可核验报价，不复制旧值冒充今日数据；折线尾部空白表示证据缺失，不代表价格横盘。

价格来源： 9800X3D、MSI RTX 5070 VENTUS 3X、ASUS TUF B850M-PLUS WIFI7、Kingston FURY DDR5-6000 32GB、IronWolf Pro 8TB、ZHITAI Ti600 2TB。

判断依据

CPU 的同渠道最低报价连续三次为 ¥2,619，短期可以称为样本横盘，但它仍比 9 月 9 日的窗口低点高 ¥170；非刚需不必追价。其余五类末点延迟 6–11 天，只作为历史参照。SSD 的 ¥749 继续视为需要核验规格和渠道的异常事件，不能外推为 2TB SSD 全市场价格。

其它你可能关心的

• rustc：优先运行 dropck 而不是 drop-liveness——主样本指令数平均改善 0.2%，但 secondary 最多回退 2.8%、一个主样本 RSS 回退 3.8%，仍在处理性能回归。
• OpenJDK：AVX10.2 恢复两步 FP16→整数转换——源码与 JMH 已更新，但 PR 尚未公开量化结果，本期不入选。
• Kotlin/Native 与 Wasm：修正 roundToInt/Long 精度边界——正确性证据充分，但没有性能实测。

本期结论

两项优化都说明，容器或编译器热路径中的“多余中间态”值得优先消除：C2 删除 XMM→GPR 的寄存器中转，VecDeque 删除“先销毁再重建”的元素生命周期中转。前者减少指令和临时寄存器，后者保留对象内部 allocation，并对可按位复制的类型降为两个 slice copy。真正可迁移的方法不是只追主结果，而是同时检查适用 ISA、环形布局、panic/drop 语义和负向小样本。