性能分析
在优化程序时，你需要判断你的程序哪些部分是“热点”（执行得足够频繁，足以影响运行时间），值得修改。 可以使用性能分析器判断。
性能分析器（Profilers）
有许多不同的性能分析器，每一个都有其优势和劣势。 下面是一个不完整的清单，其中包括已经成功用于 Rust 程序的性能分析器。
- perf 是一个通用的性能分析器，它使用 hardware performance counters (HPC)。 Hotspot 和 Firefox Profiler 是查看 perf 记录的数据的好工具。它在 Linux 上工作。
- Instruments 是一个通用的性能分析器，在 macOS 的 Xcode 中自带。
- AMD μProf 是一个通用的性能分析器，在 Windows 和 Linux 上工作。
- flamegraph 是一个 Cargo 命令，它使用 perf/DTrace 对你的代码进行分析，然后以火焰图的形式显示结果。 它适用于 Linux 和所有支持 DTrace 的平台（macOS、FreeBSD、NetBSD，可能还有 Windows）。
- Cachegrind 和 Callgrind 提供了全局的、每个函数的和每行源码的指令计数（instruction counts） 以及模拟的缓存（simulated cache）和分支预测数据（branch prediction data）。 它们可以在 Linux 和其他一些 Unix 系统上运行。
- DHAT 可帮你找到代码中哪些部分导致了大量的分配，并了解内存使用峰值。它还可以识别对 memcpy 的热调用（hot calls）。 dhat-rs 是一个实验性的替代品，功能稍差，需要对你的 Rust 程序做一些小的改动，但它支持任何平台。
- heaptrack 和 bytehound 是堆分析工具。它们在 Linux 上工作
counts支持 ad-hoc 分析，它结合使用eprintln!语句和基于频率的后处理，这对获得你的代码部分的领域特定（domain-specific）的亮点很有好处。它适用于所有平台。- Coz 执行 causal profiling 以衡量优化潜力，并通过 coz-rs 支持 Rust。它在 Linux 上工作。
调试信息（Debug Info）
为了有效地分析 release 的构建产物，你可能需要启用源码行的调试信息。 要做到这一点，请在你的 Cargo.toml 文件中添加以下几行。
[profile.release]
debug = 1
debug 设置详见Cargo 文档。
然而，即使做了上述步骤，你也无法得到标准库的详细性能分析信息。
这是因为 Rust 标准库发布版本不携带调试信息。你可以用这里的方法自己编译一份标准库与编译器，并将如下行添加到 config.toml：
[rust]
debuginfo-level = 1
这有些麻烦，但有时值得这么做。
符号Demangling
Rust 使用一种mangle机制，对生成的代码中的符号名进行编码。
如果性能分析器不支持这种机制，它的输出可能包含以 _ZN 或 _R 开头的符号名称，
例如 _ZN3foo3barE 或 _ZN28_$u7b$$u7b$closure$u7d$$u7d$E 或 _RMCsno73SFvQKx_1cINtB0_3StrKRe616263_E
这种符号名可以用rustfilt手动demangle。