Matt Keeter测出6.5倍性能差距

一个Rust写的字节码虚拟机，用尾调用（tail-calling）风格实现，居然比手写汇编还快。Matt Keeter在自己的博客上发了这组数据，结论是：WebAssembly的尾调用支持有问题，V8、SpiderMonkey、Wasmtime都栽了。

但有人不服。Wastrel的作者重跑了一遍实验，数据把故事整个翻过来了。

1.5倍 vs 6.5倍：同一套代码，不同引擎差出4倍

Matt的测试对象叫Raven，一个教学用的字节码虚拟机。他写了三个版本：Rust写的switch-based解释器、Rust写的尾调用解释器、以及手写汇编版本。在原生编译环境下，尾调用版本比switch-based快1.5倍，几乎追平手写汇编。

问题出在WebAssembly。Matt把同样的Rust代码编译成Wasm，分别用V8、SpiderMonkey、Wasmtime跑。结果尾调用解释器比手写汇编慢了6.5倍，switch-based也慢了4.3倍。他得出一个结论：Wasm的栈机器模型和尾调用模式八字不合。

Wastrel的作者在AMD Ryzen Threadripper PRO 5955WX上复现了这个实验，但加了一组数据——用Wastrel引擎跑同样的Wasm二进制文件。尾调用解释器的开销从6.5倍骤降到2.3倍，switch-based也从4.3倍降到2.4倍。

差距从"不能用"变成了"能用，但还有油水可挤"。

寄存器里的秘密：为什么其他引擎慢了3倍

Wastrel作者看了眼自己生成的机器码，发现了一个可优化的点：主内存地址的struct被反复从内存加载，没能驻留在寄存器里。这是个实现细节问题，不是Wasm指令集的问题。

换句话说，V8、SpiderMonkey、Wasmtime的尾调用性能差，是具体实现的 accident（意外），不是Wasm抽象层的缺陷。尾调用解释器生成的汇编模式本身没问题，映射到Wasm栈机器上也理应高效。

Matt的原始测试其实埋了一个伏笔：他在AArch64平台上测过，尾调用解释器甚至超过了手写汇编。这说明架构差异会放大或缩小引擎的实现瑕疵，但核心模式是站得住脚的。

性能预言家的价值：当基准测试说谎时

这件事的吊诡之处在于：Matt的测试完全可复现，数据也真实，但结论被推翻了。问题出在哪？

他把"Wasmtime的表现"等同于"WebAssembly的能力"。这是最常见的基准测试陷阱——测量的是特定实现，却归因于抽象规范。Wastrel用2.3倍的数据证明，同样的Wasm字节码可以跑得更快，瓶颈在引擎而非指令集。

这对开发者有实际意义。如果你在Wasm里写解释器，不必因为V8的当前表现而放弃尾调用风格。模式是对的，只是要等实现跟上。或者，选一个实现更好的引擎。

Matt的实验设计其实相当严谨：控制变量、多平台验证、代码开源。但再严谨的实验也受限于测量工具的盲区。他测了三家主流引擎，恰好漏掉了Wastrel这个异类——而Wastrel的存在，把"Wasm不行"变成了"主流引擎还没做好"。

2.4倍开销从哪来：32位指针省下的内存访问

Wastrel作者还注意到一个反直觉的点：Wasm版本理论上应该更快，因为Wasm用32位指针，原生代码用64位。内存访问更窄，缓存更友好，这部分收益抵消了一部分虚拟化开销。

但2.4倍的开销依然存在。作者推测主内存地址struct的寄存器分配是主因——每次访问内存都要重新解引用这个struct，而原生编译器能把地址直接内联到代码里。这是Wasm沙箱模型的代价，也是Wastrel下一步要啃的硬骨头。

对比数据：Wasmtime的4.3倍和6.5倍，说明它在switch-based和尾调用两条路径上都有额外的低效。可能是间接调用实现的问题，也可能是尾调用到循环的转换没做好。具体根因需要看它们的机器码生成，但现象很明确——同样的Wasm文件，不同引擎能差出近3倍。

尾调用解释器为什么快：分支预测器的甜蜜点

回到原生环境，尾调用解释器凭什么比switch-based快1.5倍，甚至追上汇编？

核心机制是间接分支消除。switch-based解释器每次取指令都要做一次大的switch跳转，分支预测器很难猜对。尾调用风格把每个指令实现成独立函数，用尾调用串联，编译器能生成更线性的代码流。

现代CPU的分支预测器对这种模式很友好。Matt的手写汇编用了直接线程化（direct threading），本质上也是把指令地址直接编码在流里，减少预测失败。Rust编译器生成的尾调用代码，恰好撞上了类似的优化路径。

在AArch64上反超汇编，说明编译器在某些架构上比人更会利用指令级并行。手写汇编的优化假设可能和具体微架构错配，而编译器的保守策略反而更稳健。

Wastrel的2.3倍是终点还是起点

作者自己说，2.3倍还有下降空间。主内存地址struct的寄存器分配是个已知问题，修掉之后可能逼近2倍。再往下，就要看Wasm的内存模型和原生模型的本质差异了。

这个案例给性能优化者的启示是：先怀疑测量工具，再怀疑自己的代码。Matt花了时间优化Raven的实现，但没怀疑过Wasm引擎的成熟度。Wastrel的数据把优化责任从"你的算法"转移到了"我的引擎"。

对于在浏览器里跑复杂计算的人，这意味着不必过早妥协。尾调用解释器在理论上是好设计，实践上只需要挑对引擎，或者给主流引擎一点进化时间。

Matt Keeter在博客评论区会怎么回应这个2.3倍？他会不会也跑一遍Wastrel验证？数据对决的下一步，可能比原始实验更有趣。