性能基准¶

性能结果必须同时记录代码版本、依赖、硬件、数据规模、参数和测量方法。此前缺少完整运行环境的结果不再作为 0.0.24 正式性能结论展示。

复现命令¶

python benchmarks/benchmark_binning_speed.py native \
  --rows 200000 --features 3000 --repeats 1

python benchmarks/benchmark_binning_speed.py optimal \
  --rows 50000 --features 1000 --repeats 3

python benchmarks/benchmark_rule_mining.py \
  --engine mars --rows 100000 --features 1000 --max-candidates 5000 \
  --output-json benchmarks/results/mars-rule.json

python benchmarks/benchmark_rule_mining.py \
  --engine deimos --rows 100000 --features 1000 --max-candidates 5000 \
  --output-json benchmarks/results/deimos-rule.json \
  --baseline-root ../deimos-rule

python benchmarks/benchmark_rule_mining.py \
  --engine gate \
  --mars-result benchmarks/results/mars-rule.json \
  --deimos-result benchmarks/results/deimos-rule.json

python benchmarks/benchmark_rule_stages.py \
  --stage all --rows 10000 --rules 100 --repeats 3 \
  --output-json benchmarks/results/rule-stages-current.json

python benchmarks/benchmark_rule_stages.py \
  --stage all --rows 10000 --rules 100 --repeats 3 \
  --baseline-json benchmarks/results/rule-stages-before.json

Native 对比需要额外安装 toad；Optimal 对比使用基础依赖中的 optbinning。规则发布门禁要求相同机器、环境和数据上，对比 deimos-rule e6714c5e795054e44f0c58ad7097668b4117b4a2 的组合生成与评估：MARS 总耗时不得退化超过 15%，进程峰值 RSS 不得退化超过 20%。普通 CI 只运行 2k×20 smoke；100k×1000 对比在发布前手工运行。子阶段 benchmark 分别覆盖 evaluator、压缩位图 IoU、命中矩阵 analysis 和 cascade；同机预热后隔离运行 3 次取中位数，发布门禁要求 evaluator、IoU、analysis 相对改造前各至少提速 30%，峰值 RSS 不得退化超过 10%。rule-stages-before.json 必须来自相同 commit 依赖环境和工作负载。由于该来源提交调用的是旧版 MarsStatsSelector(target=..., features=...) 构造签名，benchmark 仅在 harness 中把这一调用适配为当前 fit(..., target=..., features=...)，预筛参数和排序口径不变。

0.0.28 规则门禁结果¶

2026-08-12 在同一 Windows 机器和 mars Conda 环境分别启动隔离进程测量。Mars 与 deimos 均使用已验证的 √预算单规则池和二阶 AND/OR 候选口径；完整精度切点与稳定排序差异使两者最终候选数相差 30 条（0.7%）。

项目	Mars 0.0.28	deimos `e6714c5`	比值 / 门槛
组合生成＋评估耗时	12.094 s	10.888 s	1.1108 / ≤ 1.15
进程峰值 RSS	2806.6 MB	2756.8 MB	1.0181 / ≤ 1.20
候选规则数	4240	4270	仅作工作量校验

同一环境的 10,000×100 分阶段 workload 预热后独立运行 3 次取中位数；原始结果保存在 benchmarks/results/mars_rule_stages_0_0_28.json：

子阶段	中位耗时	峰值 RSS	校验值
evaluator	0.0282 s	266.8 MB	1800
IoU	0.0068 s	267.2 MB	5
analysis	0.7921 s	323.4 MB	4950
cascade	0.0222 s	302.6 MB	1

客户指标由逐规则对 Python 集合改为一次性因子化后，在同一 workload 上 analysis 从 5.3525 s 降至 0.7921 s（85.2%），峰值 RSS 从 312.9 MB 增至 323.4 MB（3.4%）。

环境：Python 3.10.19、Polars 1.37.1、NumPy 2.2.6、scikit-learn 1.7.2、Windows 10.0.26200、Intel Core i7-14650HX（24 逻辑核）、63.7 GiB 内存。工作负载为 100,000 行、 1,000 个 float32 特征、n_bins=10、max_candidates=5000、batch_size=100、随机种子 42。

测量口径¶

分箱计时范围：数据生成、fit、WOE transform 和本轮清理。
规则计时范围：预先构造同一宽表，计入特征预筛、候选生成和长表评估，不计数据生成。
内存口径：主进程及子进程 RSS 的采样峰值和结束增量。
MARS 与竞品分别构造对应 DataFrame，结果包含各自数据构造成本。
Python、Polars、竞品版本和线程设置都会影响结果，不能跨环境直接比较绝对数值。

0.0.24 结果发布清单¶

正式填写结果表前必须记录：

项目	必填内容
MARS	`0.0.24` 和 commit SHA
Runtime	Python、Polars、NumPy、竞品版本
Hardware	CPU 型号、逻辑核心数、内存容量
System	操作系统和架构
Workload	行数、特征数、分箱数、重复次数、随机种子
Result	每轮耗时、平均耗时、峰值 RSS、校验值
Date	基准执行日期

在完整记录生成前，README 和首页不使用“快数倍”“更省内存”等无条件性能宣传。