这是关于 Elixir 中各种向量数学库的粗略基准测试报告，主要内容如下：

• 目的：比较不同 Elixir 向量数学库在 Erlang VM 上进行游戏开发类型数值计算的速度，以及 BEAM VM 的 JIT 进展对其的影响
• 实现方法：各种向量数学库采用不同的实现方式，如使用原生数据类型、用 NIF 包装 BLAS 原语、用 NIF 包装高级 C 或 Rust 代码等
• 测试工具及环境：使用 Benchee 作为测试工具，在 Linux 系统（AMD Ryzen 5 7640U）上，Elixir 版本 1.15.4，Erlang 版本 26.0.2 下进行测试
• 测试配置：时间为 5s，并行度为 1，预热时间为 2s

• 详细结果：

  • vec3 相关操作：graphmath 在 vec3_add、vec3_cross、vec3_dot 等操作上性能较好，nx 和 exla 在这些操作上性能较差，内存使用方面 nx 和 exla 占用较大
  • quat_rotations 操作：graphmath 在 quat_rotations 操作上性能远好于 matrex
  • mat4 相关操作：matrex 在 mat4_add、mat4_mul 等操作上性能较好，nx 和 exla 在这些操作上性能较差，内存使用方面 nx 和 exla 占用较大
  • vec4_mat4_mul 操作：matrex 在 vec4_mat4_mul 操作上性能较好，nx 和 exla 在这些操作上性能较差，内存使用方面 nx 和 exla 占用较大
  • mat4_transpose 操作：graphmath 在 mat4_transpose 操作上性能远好于其他库，exla 在这些操作上性能最差
• 结论：Graphmath 是唯一包含图形和物理相关所有操作的库，在大多数情况下性能较好；对于一些原生代码库在矩阵乘法等操作上表现较好，可进一步研究优化；同时提到用 Rust 和glam crate 进行的一些尝试，其在某些操作上速度非常快
• 可能的混杂因素：测试是对 1000 个值的列表应用给定操作，实际系统中使用更密集的数据结构可能有收益；未检查库的正确性；未对矩阵的创建和销毁进行基准测试

总的来说，该报告对 Elixir 中不同向量数学库的性能进行了初步比较，为后续的优化和研究提供了参考。