Rust DST 布局折叠与 GPU 浮点原子加法

本期检索说明

先读取 content/collections/deep-radar 截至 2026-10-18 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，Rust 出现两项能同时提供实测、源码或汇编证据、原理推导与工程迁移价值的一手材料：一项重写 size_of_val、align_of_val 与 DST 字段投影的后端生成逻辑；另一项以 RX 9070 XT 上的 LLM 推理和原生 AMDGPU 指令证明浮点原子加法的价值。两者均未在既往报告出现。

Java/JVM 当天只有 socket、JDI 参数与 Unsafe intrinsic 等正确性/测试修复；Kotlin 的新提交以构建、测试和正确性为主；Zig 没有新 PR；Linux 也没有新的材料同时满足三项证据红线。因此本期只收录 2 篇 Rust 一手材料。第二篇仍是开放的 API 提案，不把实验结果写成已经进入 Rust 标准库的能力。

01 · rustc DST：把递归布局计算压缩成常数次 IR

原文与日期： Josh Liebow-Feeser，2026-10-18 09:57（中原标准时间）；Rust PR #164492、最新源码 diff 和 rustc-perf 对比。PR 明确披露由 AI agent 代表作者生成，当前仍是 Draft，适合审阅思路与证据，不应视为已合并结论。

为什么值得读： 旧的 size_and_align_of_dst 每穿过一层 struct/tuple 都同时递归求 size 与 align，即使调用者只需要其中一个；Layout::for_value_raw 连续查询二者时还会重复加载 vtable 并重复舍入。新方案不是简单缓存，而是先用布局代数在编译期压缩整个 wrapper chain，再针对 slice/str 尾部与 dyn Trait 尾部分别生成最短 IR。这是“把领域不变量编码进代码生成器”的高密度案例。

核心技术结论： 补丁拆出 size_of_dst、align_of_dst 与 dst_field_offset，并同时实现于 LLVM 和 Cranelift 后端。slice-tailed DST 被折叠为 outer_offset + align_to(base + offset, align)：运行时至多保留一次乘法、一次掩码前加法、一次 and，只有外层 packed 布局确实需要时才追加一次掩码后加法。dyn Trait 路径跳过 offset == 0 && align == 1 的 ManuallyDrop、UnsafeCell 等空操作 wrapper，合并相邻兼容步骤，并只在必要时加载 vtable.align。MIR InstSimplify 还把 str、单字段 wrapper 及一元 tuple 的 align_of_val 折叠为静态元素对齐。

// 嵌套 slice DST 的目标形态：一次 add + 一次 mask
let unaligned = len + 21;
let size = unaligned & -8;

// dyn Trait wrapper：从最内层向外流式折叠
if cur.offset == 0 && cur.align == 1 {
    continue;
}

最有价值的实验、源码与 benchmark 细节： codegen 测试把四层 Level3(u64, Level2(...[u8])) 的结果固定为 add nuw i64 %len, 21 后接 and ..., -8，而 ManuallyDrop<dyn Trait> 的 size_of_val 只剩一次 vtable size load。作者的定向 -O3 基准中，零偏移、align(1) 的 dyn Trait wrapper 加速 2.18 倍，Layout::for_value::<Path> 加速 1.50 倍。官方 rustc-perf 的可靠指令数指标只有 1 个 primary 样本改善 0.4%，无指令回退；secondary 最大 RSS 两个样本平均改善 4.2%，bootstrap 489.750 → 488.876 秒（-0.18%）。负向结果不能省略：cycles 有 1 个 primary 样本回退 2.5%，2 个 secondary 样本平均回退 5.5%（+2.2% 至 +8.7%）；linked binary 中也有 1 个样本增大 0.6%。评审还发现早期 nuw nsw 可能让 LLVM 生成很大的 and immediate，最新版本改为掩码前只保留 nuw，以维持 x86-64 的紧凑 andq $-8 编码。

适合的工程师背景： 熟悉 Rust DST/vtable、LLVM IR、布局与对齐规则，或正在维护编译器后端、allocator/deallocation 热路径的工程师。

预计阅读收益： 约 60–90 分钟；能学会将递归布局公式化简为常数次运行时运算、区分静态与动态对齐，并理解 nuw/nsw 元数据如何反过来影响指令选择。

02 · GPU 浮点原子：CAS 回退为什么会输给原生 atomic fadd

原文与日期： yunz-qiao，2026-10-18 10:25（中原标准时间）；Rust issue #164493、LLVM atomicrmw fadd 语义 与 issue 中可直接复现的 Rust、AMDGPU inline asm、LLVM intrinsic、HIP C++ 对照代码。

为什么值得读： 这不是抽象的 API 偏好，而是从 std::offload 的 LLM attention reduction 出发，把“用整数原子位模式做 CAS 循环即可”的常见回答放到真实 GPU contention 下检验。材料同时覆盖端到端 token/s、微型高争用 kernel、LLVM intrinsic 与硬件指令，足以把 API 缺口和性能后果连接起来。

核心技术结论： AtomicU32::compare_exchange_weak 能在语义上实现浮点加法，但每次失败都必须重新读取、把 bit pattern 转回 f32、相加并重试；线程越多、热点越集中，失败重试越严重。原生路径直接发出 AMDGPU global_atomic_add_f32，或调用 llvm.amdgcn.flat.atomic.fadd.f32.p0；HIP 对照则使用 atomicAdd(p, 1.0f)。因此工程问题不是“能否表达”，而是 Rust 是否能稳定、跨后端地暴露与 LLVM atomicrmw fadd 对应的能力，并清楚定义 IEEE 浮点、NaN 与内存序语义。

while let Err(seen) = a.compare_exchange_weak(
    cur,
    (f32::from_bits(cur) + x).to_bits(),
    Relaxed,
    Relaxed,
) {
    cur = seen;
}

core::arch::asm!(
    "global_atomic_add_f32 {off}, {v}, {base} scope:SCOPE_DEV",
    off = in(vgpr32) 0u32,
    v = in(vgpr32) x,
    base = in(sgpr64) p as u64,
);

最有价值的实验、源码与 benchmark 细节： 在 RX 9070 XT（gfx1201）上，GPT-2 在 context 1,023 的 decode 吞吐从未拆分 attention 的 171 token/s 提升到原生浮点原子路径的 245 token/s，提升 43.27%；CAS-loop 路径为 233 token/s，原生指令相对它再高 5.15%。更能揭示机制的是高 contention 数据：没有 inline asm 时，Rust 在 context 1,024 的 attention kernel 约慢 3.8 倍；对单个共享 float 的争用超过 300 倍；调优后的 vocabulary softmax sum 慢 3–5 倍；一线程一元素的 launch 最差达到 400 倍。issue 给出完整 no_std kernel、-Ctarget-cpu=gfx1201 构建命令与 HIP -O3 --offload-arch=gfx1201 对照，避免只凭端到端数字猜原因。

适合的工程师背景： 熟悉 Rust atomics、LLVM/AMDGPU、GPU reduction，或正在用 Rust 实现 attention、softmax、图计算等高争用归约 kernel 的工程师。

预计阅读收益： 约 35–50 分钟；能掌握 CAS-loop 在 GPU 上的失败放大机制、如何设计原生指令/LLVM intrinsic/HIP 三方对照实验，以及评审浮点原子 API 时必须追问的数值与内存模型边界。

中国大陆 ToC 硬件价格观察

数据口径

窗口为 2026-09-20 至 2026-10-19，单位人民币，六类硬件固定同一 SKU。今天通过公开比价页实时渲染结果复核 CPU、主板、HDD 与 SSD 四类报价；GPU 与 DRAM 页面均显示“暂无报价”，因此不新增点。重复价格作为真实采样保留，用来区分“已复核横盘”和“未取得数据”。SSD 只记录固定 2TB 规格全网比价 ¥1,699，不采用跨容量 819 元起；主板继续采用当前规格全网比价 ¥1,298，不采用系列 1,169 元起。

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、主板与 HDD 今日均与昨日同口径报价一致。Ti600 2TB 从 ¥1,799 回落到 ¥1,699，页面顶部 ¥819 仍是跨容量系列起价，不能作为 2TB 行情；GPU 页面从昨日的可见报价转为“暂无报价”，走势图不复制旧点。HDD 固定 8TB SKU 连续四日为 ¥3,550，仍只说明原 ¥1,849 低价渠道退出后的可见报价变化。DRAM 固定 SKU 继续缺价。本期没有加入未经核实的新品或原厂产能消息。

其它你可能关心的

• OpenJDK：为 Unsafe Acquire/Release intrinsic 增加测试覆盖
• rustc：围绕 macro parsing 的小型优化

本期结论

两项材料都把“抽象等价”与“机器成本”分开验证：DST 优化利用布局代数把 O(n) wrapper 处理压成常数次 IR，却仍需面对 cycles 噪声与指令选择细节；浮点 CAS 在语义上可用，但热点争用下与原生原子指令存在 5% 到数百倍不等的差距。可迁移的方法是先从不变量推导最短表示，再用定向微基准、端到端工作负载和负向指标共同约束结论。