本文总结了Elisp性能优化的六个实战教训，包括：只解析所需数据、避免使用find-file-noselect进行批量操作、用cl-progv隔离全局状态、让数据形状决定行为、先进行性能分析再优化，以及用哈希表替代线性扫描。这些技巧能显著提升处理大量文件的效率，适用于Emacs用户。

本文探讨了多种排序算法及其在实际工程中的应用，包括TimSort、pdqsort、基数排序和外部排序。同时涉及哈希表的设计与优化、字符串处理的SIMD加速，以及持久化数据结构的原理与实现，旨在将算法与实际应用结合，提供实用的工程指导。

Google 的 Swiss Table 是一种高效的哈希表实现，利用 SIMD 指令实现 16 路并行探测，性能比传统的 std::unordered_map 快 2 倍以上。它通过控制字节优化内存访问，减少缓存未命中率，提升查找效率，并采用开放寻址策略，解决了链式哈希的内存开销和性能瓶颈问题。

Postgres 19引入了优化的连接估算方法，解决了传统O(N^2)复杂度的问题。通过构建哈希表，复杂数据的估算性能显著提升，复杂度降至O(N)，使查询规划速度更快，适应现代数据需求。

Libevent 的高效源于其优化的数据结构，包括尾队列、哈希表和最小堆。尾队列通过宏定义嵌入结构体，避免内存分配；哈希表采用链地址法解决冲突并支持自动扩容；最小堆高效管理定时器。整体设计体现了 C 语言的工程哲学，确保了 Libevent 的高性能。

哈希表是计算机科学中常用的数据结构，主要有链式哈希和开放寻址两种冲突解决策略。链式哈希简单可靠，但缓存不友好；开放寻址更高效，特别是线性探测和Robin Hood哈希。Robin Hood通过交换位置优化探测长度，减少最坏情况的性能下降。不同策略在负载因子下表现各异，Swiss Table在性能上表现最佳。

Cuckoo Hashing 是一种高效的哈希表设计，能够在最坏情况下实现 O(1) 查找。其插入机制类似布谷鸟，若位置已被占用，则踢出现有元素。通过使用多个哈希函数，负载因子可突破 50%。Cuckoo Filter 是基于此设计的概率数据结构，支持删除且空间效率更高，适合读多写少的场景，如网络交换机的精确匹配表。

在动态扩展时，切片和哈希表频繁调整大小会影响性能。预分配可以减少内存分配和复制的压力，从而提高速度。对于数据量已知的场景，使用预分配的切片和哈希表能显著提升吞吐量。

上周我参加了马尔默PUG会议，讨论了IN查询性能问题。元素数量限制了性能，线性搜索和哈希表的选择阈值不够灵活。建议在运行时收集成本数据，以动态调整策略，从而提高查询效率，但需解决测量成本的准确性和平台支持问题。