garbage-code-hunter 0.2.2

A humorous Rust code quality detector that roasts your garbage code
Documentation 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144

# Garbage Code Hunter — 基准性能报告

**报告时间**: 2026-05-18  
**测试版本**: v0.2.3+  
**平台**: macOS (Darwin 24.6.0)  
**Rust**: stable  
**CPU**: Apple Silicon (M系列)  

---

## 测试概况

| 指标 | 值 |
|------|-----|
| 基准测试总数 | 15（含 8 个分组） |
| 单元测试总数 | 796+ |
| 支持语言 | 11 种 (Rust/Python/JS/TS/Go/Java/C/C++/Ruby/Swift/Zig) |

---

## 基准测试套件结构

```
benches/performance_tests.rs  ← 完全自包含，无需外部下载
├── Fixture generators         ← 4 种 + 2 种项目管理器
│   ├── create_large_garbage_file()     — Rust 100函数巨型垃圾文件
│   ├── create_clean_file()             — Rust 高质量代码文件
│   ├── create_python_garbage_file()    — Python 50函数垃圾文件
│   ├── create_js_garbage_file()        — JavaScript 50函数垃圾文件
│   ├── create_go_garbage_file()        — Go 50函数垃圾文件
│   ├── create_multi_file_project(N)    — N文件的Rust项目 (garbage/clean模式)
│   └── create_cross_file_project()     — 5个高度相似文件
└── 8个基准测试组
```

---

## 完整测试结果

### 创建开销

| 基准测试 | Mean (ns) | Median (ns) | StdDev (ns) |
|----------|-----------|-------------|-------------|
| `create_analyzer/default` | 708,739 | 708,739 | 24,023 |
| `create_analyzer/with_exclusions` | 1,302,141 | 1,302,141 | 3,333 |

### 单文件分析

| 基准测试 | Mean (ms) | Median (ms) |
|----------|-----------|-------------|
| `analyze_file/clean_rust` | 1.38 | 1.38 |
| `analyze_file/example_func_rs` | 2.00 | 2.00 |
| `analyze_file/example_ultimate_garbage` | 0.74 | 0.74 |
| `analyze_file/large_garbage_rust` (100 functions) | **62.66** | **62.66** |
| `analyze_file/single_large_file` | 65.90 | 65.90 |

### 管道对比（同一大文件）

| 基准测试 | Mean (ms) | Median (ms) | 相对 analyze_file |
|----------|-----------|-------------|-------------------|
| `analyze_file/single_large_file` | 65.90 | 65.90 | 1.0× (基线) |
| `analyze_to_findings/single_large_file` | 72.52 | 72.52 | 1.10× |
| `analyze_full/single_large_file` | 106.29 | 106.29 | 1.61× |

`analyze_full` 比 `analyze_file` 慢 61%，因为它做了更多聚合和后期处理。

### 全目录分析

| 基准测试 | Mean (ms) | Median (ms) |
|----------|-----------|-------------|
| `analyze_path/dir_10_garbage_files` (10 files) | 7.67 | 7.67 |
| `analyze_path/example_directory` (2 files) | 3.91 | 3.91 |
| `analyze_path/mixed_4_languages` (4 files) | **107.88** | **107.88** |
| `analyze_path/cross_file_5_similar` (5 files) | 3.16 | 3.16 |

> 混合语言项目（4文件×4语言）耗时最长（107ms）因为需要为每种语言初始化和解析。

### 多语言解析对比

| 基准测试 | Mean (ms) | Median (ms) |
|----------|-----------|-------------|
| `parse_file/rust_large` / 100 functions | 64.53 | 64.53 |
| `parse_file/python` / 50 functions | 9.41 | 9.41 |
| `parse_file/javascript` / 50 functions | 10.56 | 10.56 |
| `parse_file/go` / 50 functions | 10.42 | 10.42 |
| `parse_file/rust_clean` / well-written | 2.11 | 2.11 |

Rust 解析器生成的文件大（100函数），所以耗时最长。其他语言50函数都在 ~10ms 左右。

### 可扩展性（文件数量）

| 文件数 | Mean (ms) | 归一化 (per-file) | 比例 |
|--------|-----------|-------------------|------|
| 1 | 0.81 | 0.81 | 1.0× |
| 5 | 3.87 | 0.77 | 4.8× |
| 20 | 15.88 | 0.79 | 19.7× |
| 50 | **39.79** | 0.80 | **49.3×** |

**结论：近线性扩展**。每个文件的平均开销稳定在 ~0.79ms，表明代码分析是可扩展的。50个文件时总时间 ~40ms。

### 垃圾代码 vs 干净代码

| 场景 | 文件数 | Mean (ms) | 垃圾/干净 比例 |
|------|--------|-----------|----------------|
| `garbage/10` | 10 | 8.05 | 1.63× |
| `clean/10` | 10 | 4.95 | — |
| `garbage/50` | 50 | 38.87 | 1.64× |
| `clean/50` | 50 | 23.67 | — |
| `project/garbage/20` | 20 | 15.46 | 1.65× |
| `project/clean/20` | 20 | 9.39 | — |

**结论**：垃圾代码检测大约比干净代码慢 1.6×。这个比例在不同文件数量下高度一致，验证了基准测试的可靠性。

---

## 性能特性总结

1. **分析器创建** ~0.7ms（无排除）/ ~1.3ms（有排除）
2. **单文件分析** — 小文件 ~1-2ms，大文件（100函数）~63-65ms
3. **管道开销** — `analyze_full` 比 `analyze_file` 慢 61%
4. **可扩展性** — 近乎完美的线性缩放（每个文件 ~0.79ms 恒定开销）
5. **垃圾 vs 干净** — 垃圾代码分析比干净代码慢 ~1.6×，比例稳定
6. **跨语言** — 混合语言项目需要额外初始化开销，但解析速度相近

---

## 运行方式

```bash
# 完整运行（约 5 分钟）
cargo bench --bench performance_tests

# 快速模式（仅达到置信水平就停止）
cargo bench --bench performance_tests -- --quick

# 保存基线
cargo bench --bench performance_tests -- --save-baseline my_baseline

# 对比基线
cargo bench --bench performance_tests -- --baseline my_baseline

# 列出所有基准测试
cargo bench --bench performance_tests -- --list
```