Nolang与Rust全方位对比评测
Nolang采用静态编译直接生成LLVMIR,以最小运行时开销获得接近原生代码的效率。在AppleM1上运行fib(40)千万次基准测试,与C、Rust、Go对比,其性能表现优异,接近C语言水平,优于Go和Rust。
在编程语言领域,每当有新兴语言宣称“性能媲美 C 语言”时,开发者往往抱持审慎态度。Nolang 恰是这样一门语言——它采用静态编译方案,直接生成 LLVM 中间表示(LLVM IR),核心目标是以极小的运行时(runtime)开销换取接近原生代码的执行效率。本文将 Nolang 与 C、Rust 以及 Go 放到同一个 Fibonacci 基准测试中进行对比,以下呈现完整的实测数据与分析。
Nolang 对决 Rust

测试环境
| 项目 | 值 |
|---|---|
| CPU | Apple M1 (ARM64, 3.2GHz) |
| RAM | 16 GB |
| OS | macOS 15.x |
| C 编译器 | zig cc 0.16.0(-O2 -target aarch64-macos) |
| Rust 编译器 | rustc 1.91.0(-O) |
| Go 编译器 | go 1.22.x(go build -ldflags="-s -w") |
| Nolang | nolang-build --target llvm → zig cc -O2 |
测试代码
四种语言采用完全相同的逻辑结构:通过引用传值输出参数,计算 fib(40) × 10,000,000 次。
Nolang (test/bench/fib.no)
fib(n i64, o i64) {a = 0b = 1i = 2for i <= n {c = a ba = bb = ci = i 1}o = b}for iter = 0; iter < 10000000; iter {result = 0fib(40, result)println-i64(result)}
C (test/bench/fib.c)
#include
Rust (test/bench/fib.rs)
fn fib(n: i64, o: &mut i64) { let mut a = 0;let mut b = 1;let mut i = 2;while i <= n { let c = a b;a = b;b = c;i = 1;}*o = b;}fn main() { for _ in 0..10000000 { let mut result: i64 = 0;fib(40, &mut result);println!("{}", result);}}
Go (test/bench/fib.go)
package mainimport "fmt"func fib(n int64, o *int64) { var a, b, c int64 = 0, 1, 0var i int64 = 2for i <= n { c = a ba = bb = ci }*o = b}func main() { for iter := 0; iter < 10000000; iter { var result int64 = 0fib(40, &result)fmt.Println(result)}}
测量工具
macOS /usr/bin/time -l,记录以下指标:
real— 真实执行时间user— 用户态 CPU 时间sys— 系统态 CPU 时间instructions retired— 硬件计数器中的退休指令数peak memory footprint— 峰值内存占用
测试结果
可执行文件体积
| 语言 | 编译器 | 大小 | 相对 C |
|---|---|---|---|
| C | zig cc -O2 | 49K | 1.0× |
| Nolang | zig cc -O2 | 49K | 1.0× |
| Rust | rustc -O | 456K | 9.3× |
| Go | go build -s -w | 1.5M | 31× |
执行效能
fib(40) × 10,000,000 次,包含输出 I/O:
| 语言 | real | user | sys | 指令数 | 峰值 RSS |
|---|---|---|---|---|---|
| C (zig cc) | 4.88s | 0.62s | 0.04s | 11.0B | 935KB |
| Nolang (zig cc) | 5.38s | 0.61s | 0.04s | 11.1B | 935KB |
| Rust (rustc -O) | 5.44s | 1.61s | 3.78s | 54.6B | 935KB |
| Go (go build) | 6.25s | 2.52s | 3.72s | 60.9B | 8.8MB |
指令数对比
C : 11.0B████Nolang: 11.1B████ ← 仅多 1%Rust: 54.6B████████████████████Go: 60.9B██████████████████████
关于静态链接的说明
macOS 限制
在 macOS 平台上,所有程序都必须动态链接 /usr/lib/libSystem.B.dylib(核心系统库)。这并非语言选择,而是操作系统层面的限制——macOS 不提供静态版本的 libSystem。
# 所有语言的链接状况完全相同otool -L fib_nolang→ /usr/lib/libSystem.B.dylibotool -L fib_c → /usr/lib/libSystem.B.dylibotool -L fib_rust→ /usr/lib/libSystem.B.dylibotool -L fib_go→ /usr/lib/libSystem.B.dylib
Go 额外链接了 /usr/lib/libresolv.9.dylib,但这同样是系统动态库。
实际静态内容
由于 libSystem.dylib 在运行时由所有程序共享,可执行文件的大小比较实际反映的是语言 runtime 加上标准库带来的额外体积:
| 语言 | 文件大小 | 包含的静态内容 |
|---|---|---|
| C / Nolang | 49K | printf + 启动代码(无 runtime) |
| Rust | 456K | Rust 标准库(格式化、panic处理器、哈希等) |
| Go | 1.5M | Go runtime(GC、goroutine调度器、fmt 反射) |
Linux 静态链接(仅作参考)
若需在 Linux 上进行完全静态比较,可使用 zig cc 的 musl 目标:
# 静态编译(x86_64 Linux + musl libc)zig cc -O2 -target x86_64-linux-musl -static -o fib_c_static fib.c
这种方式生成的二进制完全静态,不依赖任何系统 .so。但性能数据因 OS / libc 不同无法与 macOS 直接对比。
编译链
Nolang: .no → lexer + parser → LLVM IR → zig cc -O2 → 可执行文件C:.c → zig cc -O2 → 可执行文件Rust: .rs → rustc -O → 可执行文件(含 std)Go: .go → go build → 可执行文件(含 runtime)
对比脚本
# 编译zig cc -O2 -target aarch64-macos -o test/bench/fib_c_zig test/bench/fib.czig cc -O2 -target aarch64-macos test/bench/fib_nolang.ll -o test/bench/fib_nolang_zigrustc -O -o test/bench/fib_rust test/bench/fib.rsgo build -ldflags="-s -w" -o test/bench/fib_go test/bench/fib.go# 执行 + 测量/usr/bin/time -l test/bench/fib_c_zig/usr/bin/time -l test/bench/fib_nolang_zig/usr/bin/time -l test/bench/fib_rust/usr/bin/time -l test/bench/fib_go# 或使用自动化脚本bash test/bench/run.sh
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
Claude Code 必知的14个高效工作流,让你的开发效率提升300%
Claude Code 常用工作流 先分享几项核心判断:Claude Code 真正强大的地方,并非仅仅在于它能编写代码——而是它让“编码”这件事本身变得更加高效且可控。你大概率遇到过这类场景:接手一个陌生项目,花了一整天才能理清架构;线上出现报错,翻遍日志也找不到根本原因;想要重构遗留代码,又担心
阿里云通义AIGC平台完全指南:设计师AI生产力革命
一、写在前面:为什么设计师需要关注AIGC? 如果你还在手动一张一张制作海报、反复修改客户口中“感觉不对”的配色方案、为电商详情页准备几十张不同场景的产品图——那么你一定经历过这些痛点: 创意瓶颈:脑海中有画面,但手绘无法呈现 重复劳动:调整尺寸、更换背景、批量生成变体消耗了大量时间精力 成本焦虑:
零基础毕设代码二次开发:3文件定位法及Vue/Java修改对照表
每年一到毕业季,计算机专业的同学总会陷入一个共同的怪圈:从 GitHub 上扒下来一套代码,或者用 AI 生成一个项目,看起来挺完整的,可导师一句“加个筛选条件”或“换个页面颜色”,瞬间就懵了——不敢改,不会改,怕改崩。是不是很熟悉? 一、为什么AI生成的毕设代码你 "不敢改 "? 1 1 毕业生的三大
反向海淘订单系统:状态机与分布式事务实战设计
先分享一个反直觉的结论:反向海淘订单管理的真正挑战,往往不在于业务逻辑本身,而在于状态流转。一个订单的生命周期拉长到跨国运输,中间涉及的环节多、系统多、参与者多,状态稍有错乱就可能引发连锁事故。Taocarts团队在实践中踩了不少坑,最终沉淀下来的这套状态机与分布式事务方案,成功解决了这一复杂难题。
AI并未抢走程序员饭碗而是更新了编程菜单
AI并未大规模替代程序员,而是改变了职业结构。重复性编码岗位需求下降35%至15%,而AIAgent开发等岗位需求激增187%。开发者焦虑从“被替代”转向“跟不上变化”,60%程序员已使用AI辅助编程。人的核心价值转向架构设计、技术决策和审查AI生成代码,AI技能带来16%薪资溢价。
- 热门数据榜
相关攻略
2026-07-09 17:49
2026-07-09 16:48
2026-07-09 16:46
2026-07-09 16:46
2026-07-09 16:46
2026-07-09 16:46
2026-07-09 15:45
2026-07-09 15:45
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程

