orx-parallel：高性能、可配置且表达力强的并行计算库，专注于通过迭代器方法组合定义并行任务。

• 迭代器即并行计算：只需将 .iter() 替换为 `.par()`，即可轻松将顺序程序转为高效并行程序，支持常用的 map、filter、reduce 等链式操作，极大简化并行开发复杂度。

• 支持多种并行集合类型：内置对 Vec、VecDeque、Slice、Range 等标准库集合的直接并行支持，及 SplitVec、FixedVec、LinkedList 等自定义集合；同时可通过实现 IntoConcurrentIter 轻松扩展新集合。

• 任意迭代器均可并行：通过 `iter_into_par()`，实现对任意标准迭代器的并行化，支持可变引用并发访问，具备缓冲和任务切片优化，适合计算密集型任务。

• 灵活处理不可并行集合：提供两种策略——基于迭代器并行化或先收集至 Vec 后并行处理，用户可根据元素大小和任务复杂度灵活选用，兼顾性能和内存开销。

• 全面性能优势：多项基准测试显示，orx-parallel 在 collect、reduce、early-exit 等典型场景均显著优于 rayon 和顺序执行，且支持长链式复杂计算高效组合。

• 支持失败短路的并行迭代器：创新引入 fallible parallel iterators，模拟 Rust ? 操作符语义，实现包含错误传播的并行流程控制，提升代码简洁性与错误处理效率。

• 线程本地可变变量安全访问：通过 using 与 `using_clone`，为每个线程管理独立可变状态，完美解决并行环境下的竞态条件，适合带状态的随机数生成等场景。

• 配置简洁灵活：支持自动或手动设置线程数与任务块大小，兼顾资源限制和负载均衡，允许按需降级至顺序执行，满足多样化性能调优需求。

• 采用无锁高效并发结构：底层基于 lock-free 并发迭代器和线程安全容器，提升并行输入拉取与输出收集效率，同时可自定义 ParallelRunner 以适配特殊应用。

orx-parallel 适合需要极致性能与灵活性的 Rust 并行计算场景，帮助开发者用最小改动获得最大加速，兼容多种集合和复杂迭代操作，长远来看极大提升并行代码的可维护性与扩展性。