Comparativa de rendimiento entre C y Rust para extensiones de análisis numérico en SQLite

El desarrollador Simon Willison publicó el 8 de noviembre de 2026 un benchmark técnico comparando el rendimiento y la complejidad de crear una extensión personalizada de SQLite en C frente a Rust. El estudio se centró en una función parse_number() diseñada para limpiar datos de cadena desordenados y convertirlos en valores numéricos, revelando que una implementación muy optimizada en C podía superar a las equivalentes en Rust en velocidad bruta, manteniendo al mismo tiempo una huella binaria significativamente menor.

Qué ocurrió

Willison inició el experimento mientras paseaba a su perro, curioso sobre las diferencias prácticas entre escribir una extensión de SQLite en C o en Rust. Utilizó un asistente de IA para generar prototipos iniciales en ambos lenguajes, con el objetivo de crear una función que eliminara símbolos de moneda, comas y signos de porcentaje de cadenas como -$1,234.56 o '12.5%'. La meta era devolver un valor numérico válido para sumas y ordenación, o NULL si la entrada no podía analizarse. La comparación inicial mostró que las extensiones en Rust eran más grandes en tamaño de archivo, pero sorprendentemente más rápidas que la implementación ingenua en C, que dependía de la función strtod de la biblioteca estándar.

Para abordar la brecha de rendimiento, Willison dirigió a la IA para que escribiera una función de análisis personalizada en C con una ruta rápida compacta, evitando las llamadas más lentas de la biblioteca estándar para el manejo de decimales. Esta versión optimizada en C cerró la brecha y finalmente superó a las implementaciones en Rust en velocidad. Los resultados finales demostraron que el nuevo código en C procesaba datos mixtos en 19 nanosegundos por fila, en comparación con los 41-46 nanosegundos de las versiones en Rust. El experimento concluyó con la generación por parte de la IA de un informe completo de investigación formateado para el repositorio público de Willison, documentando el código, las pruebas y las métricas de rendimiento.

Detalles clave

• La extensión en C optimizada logró un tiempo de procesamiento de 16–19 nanosegundos por fila, aproximadamente el doble de rápido que las versiones en Rust.
• El tamaño del archivo difería significativamente: la extensión en C pesaba 14 KB, mientras que las versiones en Rust oscilaban entre 298 KB y 321 KB.
• El código C inicial simple era más lento con los decimales debido a la dependencia de strtod, pero una ruta rápida personalizada resolvió este cuello de botella.
• Las cuatro implementaciones pasaron 8 millones de comprobaciones de fuzzing, garantizando un comportamiento consistente y precisión en casos límite.
• La implementación en Rust usando rusqlite tardó 46 ns para datos mixtos, mientras que sqlite-loadable-rs tardó 41 ns.
• La implementación final en C manejaba enteros en 16 ns y decimales en 18 ns, superando los 32-36 ns y 47-55 ns de Rust respectivamente.

Contexto

SQLite es un motor de base de datos embebido ampliamente utilizado que permite a los desarrolladores extender su funcionalidad mediante funciones personalizadas escritas en lenguajes compilados como C o Rust. Estas extensiones se ejecutan directamente dentro del proceso de la base de datos, lo que las hace ideales para tareas de transformación de datos de alto rendimiento, como la limpieza de registros importados. Al elegir un lenguaje para estas extensiones, los desarrolladores suelen equilibrar la facilidad de desarrollo y la seguridad de memoria frente a la velocidad de ejecución bruta y el tamaño del binario. C ofrece una sobrecarga mínima y binarios pequeños, pero requiere gestión manual de la memoria, mientras que Rust proporciona fuertes garantías de seguridad a costa de binarios más grandes y características de tiempo de ejecución potencialmente diferentes.

La función parse_number() abordó un problema común de ingeniería de datos: convertir cadenas con formato humano en números legibles por máquina. Las funciones SQL estándar como replace() pueden eliminar caracteres, pero suelen ser lentas cuando se aplican fila por fila sobre conjuntos de datos grandes. Las extensiones personalizadas evitan algunas de estas sobrecargas operando más cerca del hardware. Sin embargo, escribir analizadores eficientes en C requiere una optimización cuidadosa para evitar las trampas de las funciones de conversión de propósito general, que pueden no manejar quirks específicos de formato de manera eficiente.

Por qué importa

Para equipos que gestionan bases de datos autoalojadas o construyen aplicaciones intensivas en datos, este benchmark destaca los intercambios tangibles entre la conveniencia de desarrollo y la eficiencia operativa. Aunque Rust ofrece una experiencia de desarrollo más segura y herramientas robustas, la penalización de rendimiento en este micro-benchmark específico fue significativa. Para pipelines de ingesta de datos de alto volumen donde cada nanosegundo cuenta, la capacidad de exprimir el máximo rendimiento de C puede reducir los costos de infraestructura y mejorar el throughput. No obstante, esto conlleva la responsabilidad de gestionar la seguridad de memoria y posibles bugs manualmente.

El estudio también subraya el creciente papel de los asistentes de IA en la programación de sistemas de bajo nivel. Al aprovechar la IA para generar y optimizar código C complejo, los desarrolladores pueden acceder a niveles de rendimiento que de otro modo requerirían una profunda experiencia en programación de sistemas. Esto democratiza el acceso a extensiones de bases de datos de alto rendimiento, permitiendo a equipos más pequeños implementar optimizaciones personalizadas sin contratar ingenieros especializados en C. Sugiere que la barrera de entrada para escribir plugins eficientes de bases de datos está bajando, siempre que se sepa cómo guiar las herramientas de forma efectiva.

Qué puedes hacer

• Evalúa tus actuales pipelines de limpieza de datos para identificar cuellos de botella donde las extensiones personalizadas de SQLite podrían reemplazar funciones SQL más lentas.
• Considera usar C para extensiones críticas en rendimiento si tu equipo tiene la experiencia para gestionar la seguridad de memoria y realizar pruebas rigurosas.
• Usa Rust para extensiones donde la velocidad de desarrollo, la seguridad de memoria y la mantenibilidad sean prioridades más altas que el rendimiento bruto a nivel de nanosegundos.
• Implementa pruebas exhaustivas de fuzzing para cualquier lógica de análisis personalizada para asegurar que maneje entradas inesperadas o malformadas de manera elegante.
• Realiza benchmarks de tus casos de uso específicos en lugar de depender de suposiciones generales, ya que el rendimiento puede variar según la distribución de datos y el hardware.
• Aprovecha las herramientas de IA para prototipar y optimizar código de bajo nivel, pero verifica siempre la salida generada con pruebas rigurosas y revisiones de código.