最近在写一个bam的过滤代码，觉得速度有点慢，于是打算用rust写。然而由于水平太差，就让GPT-4帮我改写，结果GPT-4也对Rust的rust-htslib库不熟悉，就各种出错，更让人难受的是，把错误给了GPT-4，它也就只会认错，然后给了你另一段不一定成功的代码。（再次深刻的理解到，现阶段的大语言模型，只能作为助手，真正下决策的还得是专业人士）。
首先，用samtools来提供一个基准速度，测试的文件是4G，用时大概是168秒，平均写出速度是23.8mb/s。
$ time samtools view -b input.bam -o out.bam
159.91s user 3.84s system 96% cpu 2:48.91 total
接下来，让GPT-4写一段类似功能的Rust代码，由于逻辑一点都不复杂，因此这个任务还是能做好的
use rust_htslib::{bam, bam::Read};
fn copy_bam(input_path: &str, output_path: &str) -> Result<(), Box<dyn std::error::Error>> {
let mut input = bam::Reader::from_path(input_path)?;
let header = bam::Header::from_template(input.header());
// 注意这里的更正：`bam::Format::Bam`
let mut output = bam::Writer::from_path(output_path, &header, bam::Format::Bam)?;
for result in input.records() {
let record = result?;
output.write(&record)?;
}
Ok(())
}
fn main() -> Result<(), Box<dyn std::error::Error>> {
copy_bam("input.bam", "out.bam")?;
Ok(())
}
用时大约202秒，平均写出速度是19.1 mb/s
$ time bamrw/target/release/bamrw
bamrw/target/release/bamrw 202.93s user 4.10s system 98% cpu 3:29.28 total
然后是用pysam进行读写
import pysam
def copy_bam(input_path: str, output_path: str):
# 打开输入的 BAM 文件
with pysam.AlignmentFile(input_path, "rb") as input_file:
# 创建输出的 BAM 文件
with pysam.AlignmentFile(output_path, "wb", template=input_file) as output_file:
for read in input_file:
# 将每个 read 写入输出文件
output_file.write(read)
if __name__ == "__main__":
copy_bam("input.bam", "out.bam")
用时大概423秒，读写速度是9.5mb/s
$ time bamrw.py
python bamrw.py 418.31s user 3.68s system 99% cpu 7:03.98 total
因此在读写上面，rust确实比python快了两倍，不过依旧比C慢一点点。
不过需要明确的是，我之前的代码速度慢，是因为其中一步是计算时间比较久，导致大部分时间都是在等待计算完成，而不是IO瓶颈。当我通过多进程并行后，速度有了明显的提升。我并不确定，用Rust改写那个函数，在单线程的情况下，是否会提高效率，等我学一段时间的Rust，再试试看吧。
