0.10.0：row-wise fusion（同 deps 行内融合）¶

适用读者

关心 0.10.0 宽表薄 call_by / compute_expr 吞吐的使用方
需要讲清「何时融合 / 何时回退 / 与 write-precompute 如何分工」的维护者
想看前后对拍数字与图的同学

版本锚定：Scalim 0.10.0。
同一 compute 段内、依赖集合完全相同的派生字段，引擎默认改为 按行读一次 deps → 依次算组内字段——零新 YAML、无总开关。
不减少 calculator 调用次数（仍为 N×M）；减的是重复取依赖与字段循环框架税。

契约	0.10.0 行为
Authoring	不变
输出值	与 field-major 一致（`golden_ok`）
Calculator 调用次数	仍为每字段每行一次（`calc_calls == N×M`）
列 sink	不融合（安全外壳）
观测订阅 `FIELD_COMPUTE` / `OPERATOR_SPAN`	不融合
EXP `call_by` memo 命中组内字段	整组不融合

架构：arch.md §5.4。
版本亮点总览：0.10.0 重点特性。

0.10.0 重点特性 · 版本总览(折叠)

单一事实来源为独立章节 0.10.0 重点特性，此处折普览。

姊妹能力（写出前晚算）：write-precompute-0.10。
姊妹能力（同 LoadRef 分片并行）：lookup-chunk-parallel-0.10。

测量摘要日期：。

数据：`assets/data/rowwise-fusion-0.10.json`。¶

1. 一图看懂：field-major vs row-wise¶

flowchart LR
  subgraph major["field-major（对照 / 外壳外）"]
    M1[for field in group] --> M2[for row: 读 deps]
    M2 --> M3[calc / store]
  end

  subgraph fused["0.10 row-wise fusion"]
    F1[for row: 读 deps 一次] --> F2[for field in group]
    F2 --> F3[calc / store]
  end

  major -.->|同一签名 · 同一黄金值<br/>calc_calls 仍 N×M| fused

flowchart TD
  C[compute 段候选字段] --> Q1{同段 + deps 完全相同?}
  Q1 -->|否| FM[field-major]
  Q1 -->|是| Q2{无 $ctx / 非常量 / 互不依赖?}
  Q2 -->|否| FM
  Q2 -->|是| Q3{安全外壳允许?}
  Q3 -->|列 sink / 订阅事件 / memo / 启用 fast_fail| FM
  Q3 -->|是| Fuse[row-wise 融合]

与 write-precompute（c10）的分工¶

	write-precompute	row-wise fusion
作用对象	只写出、无下游消费者的 `late_fields`	仍在 Compute 段的同 deps 组
主收益	少扛中间驻留 + 行路径墙钟	少重复读 deps / 调度税
调用次数	不变	不变
同字段会不会「双重优化」	late 在 compute 被跳过 → 不会再进 fusion	只融 early 字段

本页证据为隔离 c20：清空 late_fields 后对拍（否则 write-only 派生会走 c10 晚算路径）。

2. 实际例子：前后对拍¶

合成计数 shape：薄 call_by、共享 (v0, v1)、内存 sink、全表黄金；同一 plan 仅切 compute_fusion_groups（空 = field-major）。

2.1 加速比（D3）¶

宽表行路径约 1.02×–1.17×（Python 3.6.15）；列路径接近 1.0×（外壳关闭，噪声带）。

2.2 行路径墙钟：field-major vs fused（D3）¶

2.3 明细表（对拍）¶

测量环境：Python 3.6.15，runs=1。数据：assets/data/rowwise-fusion-0.10.json。

Shape	N / M / sink	field-major (s)	fused (s)	加速	组数	黄金 / calc_calls
宽表同 deps·行	10k / 80 / row	1.705	1.455	1.17×	1	✓ / 相等
报表宽派生·行	20k / 48 / row	2.205	1.927	1.14×	1	✓ / 相等
大行数中等宽·行	50k / 32 / row	4.086	3.549	1.15×	1	✓ / 相等
引擎代理宽表·行	8k / 120 / row	1.962	1.676	1.17×	1	✓ / 相等
宽表同 deps·列	10k / 80 / column	1.242	1.204	1.03×	1*	✓ / 相等
窄表同 deps·行	40k / 4 / row	1.093	1.074	1.02×	1	✓ / 相等

*列路径计划期仍能识别组，但运行时安全外壳禁用融合；墙钟接近噪声。

读法

「更快」= 少重复读 deps / 少字段级循环税，不是少算业务函数。
M 越大、deps 完全相同的簇越宽，行路径收益越明显。
所有 case：golden_ok + calc_calls == N×M 两边相等。

3. 迷你 walkthrough（教学）¶

2 行 × 3 个同 deps 薄 call_by：

	依赖读取次数	calculator 调用
field-major	≈ 12（N×M×D，D=2）	6
row-wise	≈ 4（N×D）	6（不变）

引擎 MVP 复现：

uv run python llmanspec/changes/archive/2026-08-02-c20-compute-expr-rowwise-fusion/mvp/repro_nxm_framework_tax.py \
  --rows 4000 --wide-fields 40 --runs 3

本页同款 workload（仓库根目录运行）：

uv run python docs/doc/releases/repro/c20-workload-shapes/run_ab.py --runs 3
# Python 3.6：
PYTHONPATH=src .tmp/venvs/py36-scalim/bin/python \
  docs/doc/releases/repro/c20-workload-shapes/run_ab.py --runs 1

复现脚本（已入库）：docs/doc/releases/repro/c20-workload-shapes/run_ab.py。

4. 谁受益 / 谁不变¶

flowchart TD
  Start[你的 demand] --> A{大量同 deps 薄派生仍在 Compute?}
  A -->|是，行写出| Win[高概率：~1.1×–1.3× 量级]
  A -->|是，但列写出| SameCol[外壳关闭 ≈ 不变]
  A -->|否：互相依赖 / deps 不全等| Same[不进同一 fusion group]
  Start --> B{字段已是 late_fields?}
  B -->|是| C10[走 write-precompute；本能力不双重融合]

5. GitHub Release 引用¶

## Highlights
- row-wise fusion（默认）：同 deps 派生字段按行融合，减 N×M 框架税；calc_calls 不变。
  详述与对拍：docs/doc/releases/rowwise-fusion-0.10.md
- write-precompute：docs/doc/releases/write-precompute-0.10.md

6. 相关链接¶

Spec：llmanspec/specs/execution-compute-rowwise-fusion/
归档 change：llmanspec/changes/archive/2026-08-02-c20-compute-expr-rowwise-fusion/
大形状 RSS（≤10%）：.tmp/evidence/c20-rowwise-fusion-rss/（可再生成，不入库）
复现脚本（已入库）：docs/doc/releases/repro/c20-workload-shapes/run_ab.py