作者参加了 2024 年的 Advent of Code 活动，主要用 Rust 语言解决其中的编程难题。

• 算法与问题描述：问题描述了一个由数据块组成的虚拟存储磁盘，每个块要么为空，要么包含文件数据，文件有基于其在磁盘上出现顺序分配的 ID。目标是对磁盘进行基本的碎片整理操作，将文件打包在一起以最大化连续空闲空间，最后计算磁盘的校验和作为问题的解决方案。
• 初始朴素解决方案：作者最初为尽快在排行榜上获得高分而快速编写了解决方案，使用嵌套循环和数组操作，在 7950x CPU 上运行需 139 毫秒，主要步骤为解析输入并构建相关变量，然后进行文件移动和校验和计算。
• 基于树的解决方案：为提高代码性能，作者改为直接跟踪磁盘中填充和空闲空间的跨度，避免构建整个磁盘布局，使用自定义的混合树数据结构来支持高效插入，但这种结构可能并非最优，运行时间降至 25.2 毫秒，提高了约 81.9%。
• 开始跨度索引计数：在调试基于树的解决方案时，作者意识到文件移动的特性，通过添加数组来跟踪每个文件大小的最小有效起始索引，使运行时间大幅减少至 224 微秒，提高了约 99.1%。
• 扁平化跨度解决方案：为避免基于树的解决方案中的间接性，作者将跨度以“扁平”方式存储，使用smallvec crate 存储文件，处理文件删除时避免动态添加/删除跨度，运行时间减少超过 50%，降至 85.3 微秒。
• 跨度 SoA（Struct of Arrays）：将数据表示从数组结构切换为结构数组，虽结果导致性能略有下降，但作者决定坚持该优化，运行时间约为 92.3 微秒。
• MiniVec：作者注意到SmallVec检查导致访问内部数据效率低下，创建了自定义的MiniVec结构，将跨度内联存储，避免边界检查，性能提升 25%，运行时间降至 70 微秒。
• 常量时间校验和：优化校验和计算，利用查找表将校验和计算变为常量时间，性能提升 7.6%，运行时间降至 64.7 微秒。
• 更好的输入解析：优化输入解析部分，预分配向量并使用不安全代码初始化部分向量，性能提升 9.3%，运行时间降至 58.7 微秒。
• SIMD 输入解析：使用 Rust 的标准库中的便携式 SIMD 进行输入解析，一次可解析 32 个数字，通过deinterleave等操作处理数据，性能提升 36.3%，运行时间降至 37.4 微秒。
• SIMD 空闲空间扫描：尝试使用 SIMD 查找左最空闲空间，但性能略有下降，变为 39.1 微秒。
• 最大未移动源 ID 计数：跟踪第一个未移动扇区的索引，提前停止校验和计算，性能提升 12.6%，运行时间降至 34.17 微秒。
• 完成数字计数记账：跟踪文件移动的条件，提前退出外部循环，性能提升 3.7%，运行时间降至 32.92 微秒。
• 更快的 MiniVec 初始化：优化MiniVec的初始化，减少存储需求，使用 SIMD 加速初始化，性能提升 23.6%，运行时间降至 25.14 微秒。
• 优化的 MiniVec::pop_front()：通过将文件 ID 设为特定值来模拟删除文件，优化pop_front()操作，性能提升 1.8%，运行时间降至 24.7 微秒。
• 微调：进行一些微调，如使用更小的向量大小进行空闲空间查找，将数组访问改为get_unchecked()，重新排序控制流等，最终运行时间降至 23.28 微秒，比初始状态快 3 个数量级，大部分改进来自少数简单变化，但作者认为自己的解决方案可能并非最优。
• 总结与收获：Rust 的便携式 SIMD 很成熟且易用，良好的算法和数据结构比优化实现更重要，Advent of Code 是学习高性能 Rust 的好方式，现代 CPU 性能复杂且难以预测，需实际测试和基准测试来确定性能变化。作者还写了其他优化回顾帖子，可通过 RSS 或各种平台订阅获取后续内容。