# 性能 (/zh/features/performance)

高效运行量化任务，从编译后的数组运算到投资组合模拟。VBT PRO 将 Numba、可选 Rust 内核及自定义 NumPy 实现，与分块、缓存和并行执行结合起来。您可以加速 Python
研究工作流中的计算，将独立回测分配给多个工作进程，或构建原生 Rust 策略。

观看 VBT 如何处理数百万次回测、用 Rust 运行有状态策略，并将研究任务分配到多个 CPU 核心。示例和交互式基准测试直接展示速度与内存占用。

## 找到合适的起点 \[#find-the-right-starting-point]

| 您需要什么                      | 查看                                                                                       |
| -------------------------- | ---------------------------------------------------------------------------------------- |
| 从 Python 更快地计算指标、收益度量或运行模拟 | [计算后端](/zh/features/performance/compute-backends/)比较 Numba、Rust、并行内核和自定义实现。              |
| 预编译计算，或直接用 Rust 编写策略       | [Rust 引擎](/zh/features/performance/native-rust/)介绍 Python 加速、原生回调和流式模拟。                  |
| 更大规模的参数搜索，并控制内存及已完成任务      | [并行执行与缓存](/zh/features/performance/parallel-execution-and-caching/)介绍分块、线程、进程、Ray 和结果复用。 |
| 不同模拟器和任务的实测速率              | [基准测试](/zh/features/performance/benchmarks/)比较模拟器，并展示如何测量自己的代码。                          |

*   [计算后端](/zh/features/performance/compute-backends): 使用 Numba、并行 Numba、Rust 或 NumPy 运行内核，并逐次选择后端
*   [Rust 引擎](/zh/features/performance/native-rust): 在原生 Rust 引擎上模拟，并用 Rust 编写策略回调
*   [并行执行与缓存](/zh/features/performance/parallel-execution-and-caching): 通过线程、进程或 Ray 分块运行、缓存结果，并限制内存占用
*   [基准测试](/zh/features/performance/benchmarks): 用相同订单比较模拟器，并在自己的机器上测量各后端

## 保留 Python 工作流 \[#keep-your-python-workflow]

您可以继续使用高层 pandas 和投资组合 API，同时让受支持的数值计算在编译代码中运行。Numba 处理自定义数值回调，可选 Rust 扩展则能加速受支持的内置调用，无须编写
Rust。后端选择和并行工作进程分别控制计算如何执行，以及独立任务如何分配。

对于大型[策略搜索](/zh/features/optimization/strategy-optimization/)，可以结合两者：通过适合的后端计算，以可管理的分块处理参数组合，并保留所需的度量指标。若想用
Rust 编写策略，原生模拟器也支持有状态回调，以及新 K 线到达时的增量处理。

## 从这里开始 \[#start-here]

先查看[基准测试比较](/zh/features/performance/benchmarks/)中的实测示例，或按照[从 Python 到 Rust](/zh/tutorials/from-python-to-rust/)，探索同一策略在不同执行层级的实现。

原生后端详见 [Rust 文档](/zh/documentation/rust/)，性能实测示例详见[基准测试](/zh/documentation/benchmarks/)。