主要观点：

• 多数 C++和 Rust 线程池库性能不佳，常比 OpenMP 慢 10 倍，作者起草了 300 行的 Fork Union 库，性能接近 OpenMP 且无其他依赖。
• OpenMP 虽在粗粒度并行方面常用，但在细粒度并行、可移植性和元编程方面存在不足，作者寻找 C++和 Rust 的现成线程池后发现多数实现异步任务队列，引入性能问题。
• 介绍了 Fork Union 的基准测试，与 OpenMP、Taskflow、Rayon 等比较，显示 Fork Union 性能较好，证明选择合适工具的重要性。
• 阐述了性能的“四骑士”：锁和互斥体（可能导致系统调用和上下文切换）、内存分配（可能导致异常和性能不可预测）、原子操作和 CAS（代价高应避免）、对齐（避免伪共享）。
• 比较了 Fork Union、Rayon、Taskflow 的 API，Fork Union 接口简单，Rayon 数据并行性好，Taskflow 常用于简单静态并行。
• 结论是瘦的 300 行 fork-join 池可接近 OpenMP 性能，Rust 稳定工具链中存在缺失的分配器支持等问题，等待 Rust 特性以在 HPC/大数据环境中更好应用。

关键信息：

• AWS Graviton 4 金属机上的测试结果，Fork Union 在 C++和 Rust 版本下的性能数据。
• 性能“四骑士”的原理和影响。
• Fork Union、Rayon、Taskflow 的 API 特点和示例代码。

重要细节：

• 硬件为单 NUMA 节点的 96×Arm v9 核心，测试 workload 为“ParallelReductionsBenchmark”。
• C++中 Fork Union 的 4 个核心接口及使用方法，Rust 中类似的方法和变体。
• Rayon 的默认.par_iter()API 及在“Parallel Reductions Benchmark”中的使用方式。
• Taskflow 的常见示例及在“Parallel Reductions Benchmark”中的包装方式。
• 对 Rust 稳定工具链中缺失分配器支持等问题的讨论。