主要观点：作者在开发应用时进行纳米级基准测试，用二进制向量嵌入构建 Scour 服务，比较 Rust 中不同的汉明距离实现，发现hamming-bitwise-fast在多数基准测试中最快，simsimd紧随其后，同时探讨了自动向量化的优势及代码实现方式。
关键信息：

• 测试使用criterion，在 3 种机器上测试向量长度为 512、768、1024 和 2048 位的距离计算，机器包括 2023 MacBook Pro M2 Max、Linode 专用 CPU 机器、Fly.io 性能节点。
• 各实现在不同机器上的测试结果：hamming-bitwise-fast在多数情况下最快，simsimd接近，朴素实现在 MacBook 上表现良好等。
• 自动向量化是编译器分析代码并利用单指令多数据（SIMD）优化的能力，hamming-bitwise-fast的实现遵循相关结论。
  重要细节：
• 比较的 crate 不包括计算字符串汉明距离的，代码可在这里找到。
• 在 MacBook 上尝试 16 字节块和 u128 时，在 512 和 768 位向量上快 30%，但在其他基准测试中较慢。
• 感谢 Alex Kesling 提供原始灵感及反馈等。可在 Lobsters、Reddit、Hacker News 或 Bluesky 上讨论。有#embeddings、#rust、#scour 标签。