dash-em

dash-em は、UTF-8 エンコードされたテキストから em ダッシュ (U+2014) を削除するという、単一で揺るぎなく、意図的にばかげた目的のために設計された文字列操作ライブラリです。このプロジェクトは「エンタープライズグレード」で「プロダクションレディ」と自称していますが、これは過剰設計の風刺的な探求であることを明示しています。ミーム的な地位にもかかわらず、コードベースは本物のエンジニアリングの厳密さで書かれており、高度な CPU ベクトライゼーション技術を活用して、このタスクにはまったく必要のないパフォーマンス特性を実現しています。 dash-em のコアは、外部依存関係のない純粋な C 実装です。ホスト CPU の機能を自動的に検出し、利用可能な最も最適化された SIMD 命令セットにディスパッチします。サポートされているパスには、AVX-512F (1 回の反復で 64 バイト)、AVX2 (32 バイト)、SSE4.2 (16 バイト)、ARM NEON (16 バイト) が含まれ、古いハードウェア用のスカラーフォールバックもあります。このライブラリには、ループのアンローリング、キャッシュのプリフェッチ、ビットマスクのマッチング、および小さな文字列に対する高速パスなどのマイクロ最適化が含まれており、オーバーヘッドを最小限に抑えています。 パフォーマンスベンチマークは、複数のアーキテクチャ (Intel および Apple Silicon 上の Linux、Windows、macOS) にわたって提供されています。コア C ライブラリは、入力の em ダッシュの密度と特定の CPU アーキテクチャに応じて、1.27 GB/s から 42 GB/s を超えるスループット速度を示しています。言語バインディングは、それぞれのエコシステムにおけるネイティブのバイトレベルの反復に対して大幅な高速化を示しています。たとえば、Python バインディングは純粋な Python バイト操作よりも最大 766 倍高速であり、JavaScript バインディングは Buffer 操作よりも最大 40 倍高速です。 このプロジェクトは、JavaScript/TypeScript (Node.js)、Python、Go、Rust、Java、C#/.NET、PHP、Ruby、Swift、Kotlin、R、Dart、Scala、Perl、Lua、Haskell、Elixir、Zig、Objective-C を含む、広範な言語バインディングをサポートしています。さらに、ブラウザやサーバーレス環境向けに WebAssembly (wasm32 および WASI) にコンパイルされます。API は単純で、通常は文字列またはバッファーを受け取り、クリーンな出力を返す `remove()` 関数を公開します。JavaScript バインディングは、ゼロコピーまたはインプレース操作のために `removeBuffer()` と `removeBufferInPlace()` も提供します。 インストールは、ほとんどの言語に対して標準のパッケージマネージャー (例: `npm install dash-em`、`pip install dash-em`) を通じて、またはコア C ライブラリに対して CMake を通じて提供されます。このプロジェクトには、すべてのサポートされているプラットフォームとバインディングにわたって正しさやパフォーマンスを検証する、包括的なテストスイートと継続的インテグレーションパイプラインが含まれています。このような専門的なライブラリの有用性は疑問視されるかもしれませんが、これは、非常に面白い文脈における SIMD 最適化技術とクロス言語バインディングアーキテクチャのデモンストレーションとして機能します。