# Наблюдения и ограничения ## Что уже установлено На Ryzen 9 5900X / MSVC 19.51 quick-tuning дал разные оптимумы, поэтому фиксированный `leaf=512` отвергнут как итоговая стратегия. Для baseline `uint32_t` наблюдалась следующая картина: | Workload | N=10k | N=100k | N=1M | |---|---:|---:|---:| | uniform edit | 64 | 256 | 1024 | | localized edit | 64 | 128 | 256 | | mixed 80% read | 128 | 512 | 1024 | Это calibration-наблюдение, а не универсальная таблица. Оно привело к динамической модели `leaf` и отдельному `tiered→tiered` переходу. Кандидатная геометрия учитывает `sizeof(T)`: дорогие перемещения естественно уменьшают выбираемый leaf. Эта таблица относится к исходному bulk layout, где свежие листья заполнялись до 100%. Checkpoint `20260810-bulk-slack-smoke-v13` оставляет 1/8 leaf свободной после bulk-конверсии: иначе первый случайный insert почти гарантированно платил за split и rebuild каталога. В baseline-only smoke после изменения ranking стал таким: forced leaf 64 — 0.39608, leaf 128 — 0.36662, adaptive deferred — 0.34673, reserved vector — 0.29797. Это не межзапусковой speedup и не финальное доказательство, а сигнал, что старую таблицу leaf нужно заново проверить на одинаковом quick holdout с тремя профилями. ## Hysteresis и итоговый quick-checkpoint После v13 выполнены три контрольные серии: - `20260811-hysteresis-smoke-v14` — baseline smoke завершённого hysteresis. После согласования правила двухфазной трассы validator проходит на 58 compare и 14 adapt ячейках. - `20260811-policy-quick-v15-hysteresis` — baseline quick, adapt-only. Среди адаптивных policy лучший aggregate score показал `moderate deferred` (`0.224689`), но лучший fixed leaf128 остался значительно выше (`0.819729`). Серия снабжена source/binary manifests. - [`20260811-213422-quick`](../results/benchmarks/20260811-213422-quick/README.md) — итоговый engineering quick-checkpoint итерации: tune, adapt, compare и index для `scalar`, `baseline`, `avx2`. Профили финальной серии запускались последовательно в фиксированном порядке `scalar -> baseline -> avx2`; внутри каждого профиля порядок suites был `tune -> adapt -> compare -> index`. Каждый кандидат внутри повтора получал один и тот же материализованный trace, а стартовый кандидат циклически сдвигался между повторами. Это снижает простое преимущество первого кандидата, но не заменяет полную рандомизацию запусков. Aggregate score нормирован по лучшему фиксированному baseline в каждой ячейке; выше — лучше. Для compare по всем трём профилям получена такая картина: | Кандидат | Aggregate score | |---|---:| | forced tiered, leaf64 | 0.395052 | | forced tiered, leaf128 | 0.391598 | | adaptive deferred | 0.347315 | | adaptive eager | 0.326839 | | reserved vector | 0.146329 | | external deque | 0.080267 | | external list-index | 0.012763 | `adaptive deferred` выше reserved vector в этой конкретной quick-матрице, но уступает лучшим fixed leaf-конфигурациям. Следовательно, данные не доказывают победу над лучшим oracle или универсальное превосходство. По парному агрегированию времени adaptive быстрее vector примерно в 2.37 раза, но медленнее leaf64 на 13.74% и leaf128 на 12.75%; leaf256 он опережает на 1.07%. Основной regret теперь создаёт не churn, а поздний первый переход. Для blob64 и non-trivial при N=100k adaptive делает один switch без rebuild, но до него платит за дорогие vector edits; относительно leaf64 проигрыш составляет примерно 2.45x и 4.03x. В `read_99`, N=1M наблюдается другая ошибка: доля edits ниже 5% entry threshold, хотя их абсолютная стоимость уже оправдывает tiered. Это аргумент за накопленный cost/regret в следующей policy, а не только порог доли операций. В adapt-наборе сильнейшими также остались fixed leaf128 (`0.817859`) и leaf256 (`0.788496`). Лучший адаптивный policy, `moderate deferred`, получил `0.216999`. В tuning leaf128 оказался сильнейшим quick-кандидатом во всех трёх профилях: scalar `0.878968`, baseline `0.873461`, avx2 `0.887906`. Это локальный результат данной матрицы, а не универсальная константа. Лучший единый межпрофильный компромисс — `128/64/3`; `128/64/4` отстаёт от него всего на 0.276%, поэтому depth пока находится в пределах измерительного шума. Выбор leaf устойчивее: профили совпали в 14 из 15 логических tuning-ячеек. Random access выбирал 1024, большинство edit/mixed-ячеек — 64, localized edit при N=1M — 128. Итоговый validator pass охватывает 282 compare и 48 adapt ячеек. Первоначальный лимит одной leaf-rebuild для phase trace был ошибкой спецификации валидатора: трасса содержит две разные edit-фазы, и по одному устойчивому выбору формы на каждую фазу не является churn. Только для явно двухфазного сценария лимит был исправлен до двух; измерительные CSV не менялись. После исправления полный quick-набор прошёл проверку. Validator работает по медианам. В raw compare один repeat двухфазной трассы при N=1M имеет три leaf-rebuilds, тогда как медиана равна двум; будущая проверка должна применять ограничения также к каждому repeat, не только к median-cell. `std::deque` и `std::list` в этих таблицах — только внешние фиксированные baselines, не режимы `AdaptiveSequence`. Для дорогих индексных ячеек harness применяет `skipped_cost_guard`; поэтому у них меньше eligible cells, и пропуски нельзя интерпретировать как нулевое время или победу кандидата. Index-suite подтверждает полезность специализированного flat hash index для случайного lookup относительно линейного поиска vector, но результат относится только к lookup-подзадаче и сопровождается существенной памятью под индекс. Он не является доказательством общей победы контейнера. Геометрическое среднее потребление памяти составило 9.26x от payload vector, с диапазоном 7.00x–17.49x. При N=1M suite выполнял лишь 50 запросов, построение индекса исключалось из таймера, а свежепостроенный hash был cache-hot; поэтому экстремальные speedup нельзя считать устойчивой production-оценкой. Offline oracle, который в каждой calibration-ячейке задним числом выбирает лучший leaf, был геометрически примерно в **1.318 раза** быстрее фиксированного leaf 512 по срезу `levels=3` quick tuning трёх профилей. По семействам потенциал составил около 1.54x для uniform edit, 1.67x для localized edit и 1.37x для mixed-80. Это показывает ценность смены shape, но завышает достижимый online результат: oracle знает будущее и не платит за переходы. Новый phase benchmark как раз включает эту цену. Deferred read adaptation оставлена default. В раннем smoke-тесте eager-вариант иногда выигрывал несколько процентов на одном bursty trace, но проигрывал в общем из-за проверки на каждом non-const read и создавал неожиданную инвалидацию. Фазовые тесты теперь используют явный `adapt_now()` как безопасную maintenance point. Компактный flat hash после перехода на 32-bit internal IDs занимал примерно 28 bytes/element при низкой cardinality и около 54 bytes/element для уникальных `uint32_t` при N=100k. Это существенно больше 4-byte payload, поэтому индекс остаётся compile-time optional и не входит в storage score. `contains` был порядка 4–18 ns в зависимости от cardinality; логически отсортированный `find_all` на множестве дубликатов ожидаемо дороже `find_all_ids`. AVX2 дал заметный выигрыш главным образом reserved vector; для tiered/adaptive различия малы и смешаны с фиксированным порядком профилей. У adaptive-deferred sequential `uint32` найден устойчивый AVX2 codegen outlier: 1.85–1.98x относительно baseline во всех пяти повторах при верных checksums. Он требует отдельного анализа generated code, а не постфактум объяснения SIMD. ## Large-scale sweep до 100 миллионов элементов Серии [`large v1`](../results/benchmarks/20260811-large-full-12c-v1/README.md) и [`seed-jittered v2`](../results/benchmarks/20260811-large-n100m-512edit-12c-v2/README.md) сравнили reserved vector, fixed tiered leaf 64…1024 и текущий adaptive в 12-worker pool; N=100M ограничивался тремя одновременными процессами. При N=100M и чистом чтении vector оказался примерно в 10.5 раза, а adaptive — в 8.7 раза быстрее лучшего fixed tiered. Уже при 0.01% равномерных middle-правок fixed стал примерно в 7.5 раза быстрее обоих. При 5–100% равномерных правок adaptive переключался в tiered и опережал vector примерно в 1.5–3 раза, но end-to-end оставался в сотни или тысячи раз медленнее fixed oracle: до первого перехода он успевал выполнить сотни O(N)-сдвигов. Каждый переход выбрал leaf1024, хотя лучший fixed leaf менялся от 64 до 1024. Следовательно, текущая главная проблема — позднее накопление evidence и слабый выбор geometry, а не churn, который уже ограничен hysteresis. Эти числа являются co-scheduled throughput, а не изолированной latency: workers делят L3/DRAM, а N>1M имеет один repeat на профиль. Поэтому SIMD-профили сохранены отдельно, но точный AVX2 speedup по этой серии не утверждается. ## Чего пока нельзя утверждать - Не доказано, что adaptive implementation уже имеет geometric mean > 1 против лучшего фиксированного контейнера на независимом full holdout. - Текущий tiered backend имеет ring offsets на leaf и многоуровневый каталог весов, но не реализует offsets/carry на каждом внутреннем узле полноценного implicit tiered vector. - Split/merge может перестраивать каталог и сдвигать дескрипторы leaf за O(number_of_leaves). Именно поэтому uniform edit с маленьким leaf резко ухудшался при N=1M. Policy умеет избегать такой shape, но это не заменяет дальнейшую оптимизацию backend. - Independent blocks реализованы; contiguous/virtual-memory backing пока не реализован и не сравнен. - Delta overlay пока не реализован. Его следует оценивать как отдельную третью структуру, а не добавлять до появления честного выигрыша. - Exception safety bulk conversion для throwing move типов требует отдельной production-доработки. - Финальная серия — quick с пятью повторами, фиксированным последовательным порядком профилей, без process affinity/pinning и с планом питания Balanced. - Scalar использует внутренний для MSVC `/d2Qvec-`: это проверенный на зафиксированной версии компилятора project-novec, но не публичный контракт MSVC и не доказательство отсутствия SIMD внутри CRT или x64 runtime. ## Следующая исследовательская граница Phase-aware hysteresis завершён и прошёл трёхпрофильный quick-validator. Следующий этап — независимый full holdout с несколькими seeds, affinity/pinning и перемешанным порядком профилей/кандидатов, а также сравнение regret policy с лучшим fixed leaf oracle. Следующая архитектурная граница — заменить descriptor rebuild на настоящий multi-level offset/carry backend. Старые CSV сохраняются, чтобы изменение архитектуры нельзя было выдать за улучшение без измерений.