← 2026-10-05 の一覧へ戻るホーム
メタデータを早期に生成することで、Rust のビルド時間と検証時間が最大 2 倍に短縮されます

2026/10/04 15:26

メタデータを早期に生成することで、Rust のビルド時間と検証時間が最大 2 倍に短縮されます

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

Japanese Translation:

Headstart は、依存関係のインターフェースが準備ができ次第に早期に型チェックを実行し、完全な完了前に初期メタデータを生成することで、Rust のコンパイルを加速します。このアプローチは、6 つの rustc パッチ（

-Zearly-metadata
）と 3 つの cargo パッチ（
-Zheadstart
）による実装であり、16 コアのマシンにおいて 
cargo check
で最大 54% の速度向上、
cargo build
では 42% の速度向上を実現します。より小さなシステムでは同様の比例した恩恵が得られ（例：4 コアでチェックは約 24% 高速化、ビルドは約 13–15% 高速化）、並列フロントエンド実行（
-Zthreads=8
）によってアイドル中のコアを活用することでさらに約 25% の追加速度向上が可能になります。依存関係の本体にエラーが含まれていても、標準的なビルドと同じ診断情報と終了ステータスでビルドは失敗します。cargo はすべての依存関係が正常に完了するまで出力を報告せず、失敗したクリートのメッセージを抑制してノイズを低減します。同時実行による負荷によりメモリ使用量が増加しますが、これは下流の作業を早期に計算するためであり、後で破棄される可能性があるというトレードオフを反映しています。開発者は 
scripts/setup.sh
を使用して Headstart を導入し、ベンチマークスイート（
scripts/bench.sh
、
scripts/real-projects.sh
、
scripts/bench-suite.sh
）を使用してパフォーマンスを検証できます。設計、測定、準備状況、および結果に関するさらなる詳細は 
docs
ディレクトリにあります。

本文

Headstart: Rust コンパイルの高速化技術

概要

依存関係の型チェックが完了する前に、それらを参照するクレイ（ライブラリなど）のコンパイルを早期に開始する仕組みです。従来の「各クレイが自身の開始までに全ての依存クレイが完全にチェックされ、関数の本体も含まれるまで待機する」スタイルと異なり、以下の点で革新を遂げています。

  • メタデータの活用: 自身を型チェックするために相手の本体全体を読む必要はありません。
  • 初期化の早さ: 依存先のインタフェース（
    .rmeta
    ファイル内のメタデータ）を対象にコンパイルを行います。
  • 並列処理の促進: ヘッドスタートにより、rustc がインタフェースチェック直後に初期化されたメタデータを出力し、cargo がそれに基づいて依存クレイの処理を即座に開始します。
  • 結果: 各クレイの本体は、すでに下流のクレイがコンパイルを行っている最中にチェックされます。

動作特性

コマンド別の挙動

コマンド動作内容
cargo check
依存クレイは初期メタデータを対象に完走します。
cargo build
  • 依存クレイは初期メタデータに対して全分析を行います。
  • その後、コード生成のために依存先の完全なメタデータの読み込みを待ちます。
  • 待機中はジョブスロットを他のタスクに解放します。

エラー処理とコスト

本体中にエラーが存在する場合でもビルドは失敗し、診断情報や終了ステータスは通常通りとなります。主な変化点は以下の通りです。

  • 出力順序: プログレスラインおよびクレイ間での JSON メッセージの順序が異なります。
  • レポートタイミング: cargo は依存関係が全ての正常に完了した後のみ、クレイの出力を報告します（エラー発生時の出力は破棄されます）。
  • コスト増大:
    • 下流で捨てられる作業量が増加します。
    • エラー報告が遅れます。
    • 同時に使用されるメモリ容量が増えます。

構成要素とパッチ詳細

この仕組みを実現するためのアップストリームへのプルリクエスト（一連のコミット）は以下の 2 つのコンポーネントで構成されています。

rustc (
-Zearly-metadata
)

  • 新しいクエリ: 
    analysis_interfaces
    を使用し、分析を「アイテムのインタフェース」と「関数の本体」に分割します。
  • ファイル出力: ドライバがこれら 2 つの処理の間などに 
    .early-rmeta
     ファイルを書き出します。
  • モジュール動作: クレイ読み込みモジュールは初期メタデータを受け入れ、コード生成時に完全なメタデータで置換し、書き込みまでプロデューサが保持するロックを待機します。

cargo (
-Zheadstart
)

  • フラグ付与: コンパイルごとに 
    -Zearly-metadata
    フラグを渡します。
  • 即時開始: チェックもビルドも問わず、初期メタデータの通知を受け取ると直ちに依存クレイの処理を開始します。
  • リソース管理: 一時停止したコンパイルのジョブスロットを他の作業に割り当てます。
  • 成功のみレポート: クレイの出力を報告するのは、その依存関係が成功した場合に限ります。

パフォーマンス向上とリスク

  • デフォルトフロントエンドでの成果: 
    • cargo check
      で最大 54% の速度向上（例：rust-analyzer, zed, bevy など）。
    • cargo build
      で最大 42% の速度向上。
    • どのプロジェクトもパフォーマンス劣化はありません。
  • 並列フロントエンド (
    -Zthreads=8
    )    :
    • ビルド時に通常はアイドル状態となるコアを有効活用できるため、さらに最大 25% の向上が見られます。
    • マシンサイズが小さいほど効果は小さくなります（例：4 コアマシンでは rust-analyzer のチェックが 24% 高速化）。

視覚的な違い

以下の図は、時間軸を横に、依存関係の深さを縦にした表示です（詳細は 

docs/results.md
を参照）。

  • Headstart を使用しない場合: ワークスペースのクレイは長い階段状の構造を形成します。
  • Headstart を使用する場合: オーバーラップして並行処理が進みます。

試してみる

セットアップと実行

まず、rustc と cargo のチェックアウトとパッチ適用、両者のビルドを行います。

./scripts/setup.sh

その後、任意の Rust プロジェクトで以下のように実行します。

環境変数設定方法:

RUSTC=/path/to/headstart/rustc/build/host/stage1/bin/rustc \
  /path/to/headstart/cargo/target/release/cargo check -Zheadstart   # または build


.cargo/config.toml
の設定方法:

[unstable]
headstart = true

このオプションがなければ、パッチ済み cargo はアップストリームと同様の挙動を示すため、公平な基準線を得ることができます。

テストスクリプトと検証

  • 視覚化テスト (

    tests/smoke
    ):

    • 2 クレイからなるワークスペースで効果を可視化します。
    • 「チェックに数秒かかる」とされる遅いライブラリ（
      slow
      ）の大半は関数の本体にあります。
    • Headstart を有効にすると、
      slow
      の完了を待たずに 
      app
      が約 0.2 秒後に開始します。

  • エラー検証 (

    scripts/check-errors.sh
    ):

    • テスト 
      tests/errors
      でエラーに関する主張を検証します。
    • シナリオ：クリーンビルド、依存クレイでのエラー、バイナリでのエラーの 3 つ。
    • Headstart 無効・有効両方で実行し、人間可读な出力、JSON 出力、終了ステータス、ビルドされたバイナリの内容を比較します。

  • インクリメンタル検証 (

    scripts/check-incremental.sh
    ):

    • 依存呼び出しに対する 
      impl Fn
      の追加やインタフェースの破損・修復などの一連の変更をまたいでチェックを行います。
    • 最終状態をクリーンビルドと比較します。

  • 最適化レベル検証 (

    scripts/check-swap.sh
    ):

    • ライブラリが依存先の初期メタデータを起点とし、一時停止中に完全なメタデータで置換されるプロセスを検証します。
    • すべての最適化レベルで、出力が完全なメタデータからビルドしたものと同じであることを確認します。

  • ベンチマークスキャン (

    scripts/sweep.sh
    ):

    • Headstart 無効・有効の両方で（
      -Zearly-metadata-verify
      フラグ付き）、rustc-perf の全ての 53 つのコンパイルベンチマークをビルドします。
    • オプション 
      -c build
      で cargo build スキャン、
      -r
      でリリースプロファイル、
      -t
      で並列フロントエンド対応可能です。

ベンチマーク

単一プロジェクト測定

Clean 

cargo check
（または 
cargo build
）のビルド時間を測定し、中央値を表示します。Headstart を無効・有効に交互に切り替えます。

scripts/bench.sh -n 5 [-c build] path/to/project ...
  • 引数の付与: プロジェクト名の後続部分に 
    ::
    で cargo 引数を付与できます（例：
    path/to/vaultwarden::--features=sqlite
    ）。

リアルプロジェクトスイート測定

実プロジェクトのクローンと実行

scripts/real-projects.sh
で 13 つの実プロジェクトをクローンし、同形式で表示します。

scripts/bench.sh -n 3 -c build $(scripts/real-projects.sh ~/hs-real)

codex-rs の設定

codex-rs 用の同等の設定を行い、パッチ済みの依存関係と codex のプリビルト V8 を必要とします（詳細はスクリプトを参照）。

scripts/setup-codex.sh <dir>
# 計測前に `<dir>/codex/headstart.env` からソースを読み込みます。

スイート実行

現在のマシンに対して 

docs/results.md
に記載された全スイートを実行します（対象：rust-analyzer, 21 の rustc-perf ベンチマーク、その他実プロジェクトおよび codex-rs）。中断・再開が可能です。

scripts/bench-suite.sh <out-dir>

最後にサマリーテーブルを出力し、まだ測定されていないマシンサイズ（例：8 コア）のデータを取得できます。

その他のベンチマークスクリプト

  • メモリサンプリング (

    scripts/bench-mem.sh
    ):

    • ビルド中のすべての rustc プロセスの合計メモリをサンプリングします。
    • 注意: 対象以外のマシンはアイドル状態にしてください。

  • インクリメンタル再チェック (

    scripts/bench-incremental.sh
    ):

    • 1 つの関数の本体を編集した後の再チェック時間を測定します。

  • スケジュールログ (

    scripts/log-rustc
    ):

    • 各 rustc の実行開始・終了時刻を記録し、スケジュールを確認できます。

同じ日のほかのニュース

一覧に戻る →

2026/10/04 21:51

Qwen3.8Flash Next(125B)を消費者向けハードウェア(RTX4090)上で100T/sで動作させます

## Japanese Translation: Strata は、ISTA-DASLab、UkisAI、Unsloth によって開発されたオープンソースで MIT ライセンス付与のプラットフォームであり、Windows または Linux PC に NVIDIA または AMD GPU（VRAM 12GB 以上）を搭載している場合、完全にオフラインで強力な Qwen3.8-Flash-Next AI モデルを実行することを可能にします。必要最低限のリソースとしては、RAM 32GB と空きディスク領域約 80GB が求められます。このローカル実行は、情報をデバイス外に出さないことによりデータプライバシーを確保します。RTX 5070 でのベンチマークでは、プロンプト読み取り速度が 2,600 トークン/秒を超え（Q2_0 では書き込み速度最大 94 トークン/秒）、モデルサイズや圧縮レベルにより異なります。この効率は、GPU、RAM、CPU にわたってタスクを知的に分配するユニークな「共有メモリー」アーキテクチャによって達成されており、これにより数千個の専用プロセッサを効果的にシミュレートしています。ユーザーは自動インストーラーを通じて Strata をインストールでき、ハードウェアチェックを行い、モデルを選択（Q2_0、IQ2_XS、Coder および Unsloth/OrcaRouter からの実験的バリエーションなど）、約 70GB のダウンロードを行い、特定の GPU に合わせてエンジンを設定します。「Coder」バリエーションはコード生成に最適化されており（SWE-bench Verified スコアの 91% を達成）、プログラミング文脈外の一般的な CJK テキストタスクでは性能が劣ります。画像処理は NVIDIA カードでサポートされており、AMD カードは Linux ではソフトウェアレンダリングを通じて画像処理が可能ですが、Windows ではまだ対応していません。そのため、セットアップ時に画像サポートを「はい」に選択する必要があります。Strata は Cursor、GitHub Copilot、Claude Code などのコーディングアシスタントと統合でき、`http://127.0.0.1:8080/v1` で OpenAI 互換プロバイダーとして動作します。一般的なインストールに関する注意点には、初期のフリーズは正常であり、低速は空き RAM の不足を示す可能性があること、ポート 8080 の競合は他のインスタンスが実行中の場合に起こり得ることが含まれます。本プロジェクトではマルチ GPU セットアップもサポートしており、設定、アップデート、トラブルシューティングについては `docs/TROUBLESHOOTING.md` などのドキュメントリンクを通じて管理できます。

2026/10/05 4:42

macOS 27 で Apple Intelligence をオフにするとディスク容量を取り戻せる

## Japanese Translation: RemoveMacAI の主たる目的は、マクロシステムファイルを変更せず、かつ深い技術的介入を必要とせずに macOS 27（以降）で Apple Intelligence の機能を安全に無効化することにあります。構成プロファイルを適用し、ダウンロードされたモデルを削除することで、このツールは Siri、Writing Tools、Genmoji、Image Playground、および予測機能など特定の AI 機能を効果的に無効化します。ただし、別々の音声モデルを使用する標準的なディクテーション機能は維持されます。さらに重要なのは、システム設定内でユーザーの承認を義務付けることにより、オペレーティングシステムがこれらのモデルを自動的に再ダウンロードすることを防止することです。このプロセスはシステムインテグリティプロテクションを維持し、ネットワークリクエストを生成しないため、Apple Silicon ハードウェア上のユーザーに堅牢なプライバシーとセキュリティを保証します。MIT ライセンスの下で 4evy が開発した本ユーティリティは、macOS のアップデート後も存続する永続的なソリューションを提供します。ストレージ設定では一時的に AI 機能がリスト表示される場合がありますが、マクロシステムにより後から削除されるため、コア機能は引き続き無効化された状態となります。完全な機能を復元したい場合や特定の機能を管理したい場合は、各種コマンド（例：`removemacai off --keep <features>`）を使用でき、必要に応じて Homebrew を経由してツールをアンインストール (`brew uninstall removemacai`) することで変更を元に戻すことも可能です。インストールは、curl スクリプトを直接実行することと、Homebrew を通じての両方がサポートされています。

2026/10/05 4:37

不適切な編集により、Google データセンターの水道・電力使用量が露見した

## Japanese 訳: ネブラスカ州のデータセンターは、ジム・ピレン知事の 7 月 20 日付実行命令に従い、現在、年間にわたる水、電力、インフラの影響について環境水エネルギー省（DWEE）に報告することを義務付けられています。グーグルなどの事業者は当初、その使用量データが州の営業秘密法（§§81-1527; 84-712.05; NAC TITLE 115, CH. 2）で保護されると主張しましたが、DWEE は透明性の確保のため、報告書を公表しています。9 月 30 日までの時点で、6 つの施設が報告書を送付しており、合計約 7.65 億ガロンの水（およそ 1,160 のオリンピックサイズの水泳プール）を使用していたことが明らかになりました。アゲート LLC（グーグルのリノンキャンサイト）は約 1,330 万ガロンを使用し、ピーク需要時に 52.65 メガワットを消費しました。ファイヤーボールグループ LLC（パピリオン）は 2025 サイクルで年間使用量 547.88 メガガロンの最も高い使用量を報告しました。この開示には財政的インセンティブも含まれています：ネブラスカ・アドバンテージ法の下、施設は期待される利用度に基づいて税免除を受け、アゲートは 2025 年に約 5,580 万ドルの還付を予定しており、ファイヤーボールグループは約 3920 万ドル、ウェストウッドソリューションズ（オマハ）は約 2,260 万ドルです。現在まで、「イマジネー・ネブラスカ法」の下で受給された報奨金はあります。報告書は最大規模のアゲート LLC の 288,530 平方フィート（およそ 5 つの足球场分）に及んでいます。使用量報告書は 9 月 30 日まで提出期限があり、DWEE ウェブサイトの「DEQ Program」欄に「DCR」と入力することでアクセスできます。これらの要件を監督しているのは DWEE データセンタータスクフォースであり、これはデータセンターが地域の水道・電力システムに与える環境的圧力を示すように、情報公開から赤文字の秘密性へのシフトを強調しています。