Rust-for-Python-Developers--Why-You-Should-Take-a-Look-at-the-Rust-Programming-Language

Rust for Python Developers: Why You Should Take a Look at the Rust Programming Language

Rust 编程语言介绍

编程语言 Rust 现在出现在许多推送中，因为它提供了一种高效且安全的方式来编写程序，并非常重视性能。如果你来自Pandas、Jupyter或 Flask 的 Python 世界，你可能会认为 Rust 与 Python 完全不同，更多地用于后端开发或提供 API。然而，在最近几年，Rust 已经发展成为一个有趣的 Python 的替代品和补充，在数据科学领域也越来越受欢迎。

在这篇文章中，我将向您展示为什么作为 Python 开发者，也值得看看 Rust，以及这两种编程语言之间的差异。我们还将构建一个简单的示例，展示如何在两种语言中打开 CSV 文件，以说明编程中的差异。

什么是 Rust——为什么每个人都谈论它？

Rust 是一种现代系统编程语言，由 Mozilla 于 2010 年创建，旨在实现 C & C++的好处，如安全性和性能，同时避免典型的缺陷。这些编程语言通常必须处理内存泄漏、空指针异常或混乱的语法。自从其发明以来，Rust 发展迅速，现在越来越受欢迎，尤其是在性能方面超过了像 Python 这样的传统编程语言。

Rust 编程语言的基础是，你对计算机的内存管理和资源拥有最大程度的控制，同时还能创造一个愉快的开发者体验，在这种体验中，资源不需要像在 C 语言中那样手动分配。相反，Rust 使用所谓的所有权模型，这可以在编译时防止许多错误类。简而言之，这是通过编译器检查一系列规则来实现的，如果违反了其中一条规则，编译过程就会终止。

对于许多程序员来说，这个过程是新的，因为他们习惯于使用那些要么进行垃圾回收，要么必须显式分配和释放内存资源的编程语言。

这种独特特性使得 Rust 编程语言非常适合那些性能和速度至关重要的应用，例如操作系统、网络服务器或处理大量数据。

什么是编译？

如果你来自 Python 世界，你习惯于编写代码然后简单地执行它。这是因为 Python 是一种所谓的可解释语言，它逐行执行代码，并在执行过程中将其转换为机器代码，然后由计算机执行。因此，可以轻松快速地创建原型，但这也导致了性能损失，尤其是在重复计算或大量数据的情况下。

另一方面，Rust 是一种编译语言，在代码执行之前由所谓的编译器将其转换为原生机器代码。这是一种可以直接由处理器理解的二进制代码。这个过程被称为编译。

编译有以下优点：

  • 速度：由于代码在运行时不会编译，因此它可以执行得更快，类似于 C 或 C++。

  • 早期错误检测：在编译过程中，代码不仅被编译，还会同时检查许多错误，例如类型安全或内存错误。

  • 作为二进制文件分发：编译后，结果可以作为独立的 .exe 或 .bin 文件传递，无需解释器或依赖项。

对于许多来自 Python 的开发者来说，这一步最初可能不太寻常，也可能导致一些挫败感。然而，这对于 Rust 的性能优势至关重要。

Rust 的特别之处在哪里？

  • 编译与高性能：在 Rust 中，代码在执行之前被转换为机器代码，可以直接由计算机理解，无需先由解释器或虚拟机转换。这个过程与 C 或 C++ 中已经熟悉的过程相同。这为你提供了真正的性能优势，因为中间层被移除，代码可以直接在机器上运行，这可以带来真正的性能优势，尤其是在计算密集型过程中。

  • 无需垃圾回收器的内存安全：与其他语言，如 Java 或 Python 相比，Rust 不使用垃圾回收器，它会在后台自动运行并释放不再需要的内存。另一方面，所有权模型 可以确保内存及时释放，并且不会产生任何性能损失，因为它已经在编译过程中执行，并且确切地知道程序执行时在何时需要哪个内存空间。这防止了以下错误：

    • 在编程语言中，空指针异常发生在变量可以具有空值 null 的情况下。如果尝试访问这样的变量，程序通常会崩溃。然而，在 Rust 中，没有空值，因为这些必须用类型 Option 显式标记。

    • 在不同线程中并行处理数据时，如果两个线程都访问相同的数据并写入数据，则可能会发生错误。这可能导致不可控的行为和数据错误，通常被称为竞态条件。另一方面，Rust 只允许同时进行单个修改访问（&mut）和多个读取访问（&）。这意味着写操作永远不会同时发生，从而防止了错误。

    • 如果一个变量已经被释放或删除，而程序随后仍然尝试访问它，则可能会发生use-after-free 错误，这可能导致安全漏洞甚至程序崩溃。如果 Rust 中的变量超出了有效范围，内存将自动释放，程序将无法再访问它。如果确实发生这种情况，编译器将终止，不允许程序编译。

  • 现代工具：Rust 嵌入了一个复杂的生态系统，其中以cargo工具为中心。它管理所有对代码重要的过程，例如创建新项目、管理外部依赖项或编译代码。这种“一站式工具”允许你专注于实际代码，无需处理配置问题或构建脚本。

  • 高接受度与广泛社区：Rust 已被 Stack Overflow 社区连续多年评为“最受欢迎”的编程语言。该社区也以其开放性、详细的文档和易于初学者使用而闻名。它还积极参与进一步的发展。

Rust 与 Python – 有何不同？

Rust 和 Python 是两种非常不同的编程语言，可以用于类似的应用，但在基本结构上存在重大差异。Python 因其快速原型设计和简单的语法而特别受用户欢迎，而 Rust 则提供高性能和控制。具体来说，这两种语言在以下方面有所不同：

属性 Python Rust
类型化 不需要指定类型，例如整数或字符串 必须静态声明类型
速度 解释型，尤其是循环慢 由于编译和优化而非常快
内存使用 垃圾收集器在数据不再需要时释放存储空间 无终止监控的拥有模型
多线程 可能实现简单的多线程，但由于全局解释器锁而速度较慢 快速且安全，没有全局解释器锁，因此可以实现真正的并行处理
入门 简单直观的语言，拥有庞大的社区 学习曲线陡峭，但非常有益且安全
错误处理 代码中必须拦截异常，否则系统将崩溃 Result类型是显式且安全的（无异常）
语法 高级，非常易读且简单 严格，但现代且富有表现力

如表格所示，这两种编程语言主要在类型和由此依赖的执行速度上有所不同。由于其语法，Python 提供了一个简单的编程语言入门途径，并可用于原型设计，而 Rust 则是性能密集型系统的理想选择，但学习曲线较陡峭。

为什么 Rust 对 Python 开发者来说如此吸引人？

如果你来自 Python 世界，你通常习惯于在高层次抽象级别上工作，因为你可以使用像 Pandas 或 NumPy 这样强大的库，很少需要担心内存管理，并且只需几行代码就可以实现复杂的程序。这正是 Python 的优势所在，但有时你可能会达到其极限，例如当你想要进一步优化性能或编写真正的并行程序时。在这些情况下，Rust 就派上用场了，它可以作为一个令人兴奋的补充，用于 Python。

更多控制

在 Rust 中，你会遇到诸如内存管理、所有权和生命周期等概念，因为变量必须被特别类型化，并且一些错误在编译期间就已经被识别。如果你来自纯 Python 世界，一开始可能会觉得这非常紧张且不必要，但实际上正好相反。通过实际处理变量及其内存使用，你可以更好地理解自己的代码，并识别直接的优化潜力。这种知识不仅对 Rust 有用，而且还能提升你在开发中的技能。

高性能

对于可能需要高度并行化的计算密集型任务，由于全局解释器锁（GIL）的存在，Python 很快就会达到其极限，因为真正的并行性被阻止了。使用 Rust，可以避免这些瓶颈，并实现高性能模块，例如用于数据分析或图像处理。借助 PyO3 或 FFI 等库，这些模块可以直接集成到 Python 项目中。这样，Python 的简单性与 Rust 的性能就可以结合起来。

Rust 用于后端

除了模块之外，还可以使用 Rust 编写整个微服务或命令行工具。它们的特点是稳健，并且几乎不需要外部依赖。此外，可以使用 actix-web 或 axum 编写强大的 API，这些 API 可以用于机器学习模型或数据处理管道，例如。例如，可以在 Rust 中构建一个 CSV 解析器、一个预处理模块和一个高吞吐量 API 网关，然后简单地使用 Python 进行编排。

Rust 与 Python 的结合

如前几节所示，Rust 和 Python 并不是相互竞争，而是可以美妙地结合，使得能够以强大而简单的方式实现非常复杂的应用程序。因此，对于许多 Python 开发者来说，将 Rust 包含在他们的工具集中并在适当的地方使用它是很有意义的。

现在我们已经了解了 Rust 的特殊功能，深入探讨开发和比较两种编程语言中的两个具体项目是有意义的。

比较示例：Python 和 Rust 中的项目

为了对两种语言有一个具体的印象，在本节中，我们将查看一个简单但实用的任务，这个任务在数据科学领域经常出现。它涉及首先打开一个 CSV 文件，然后确定文件中的行数。

在 Python 中，我们加载内置的 Python csv 模块，该模块包含用于处理 CSV 文件的大量函数。然后可以打开 data.csv 文件，并通过变量 f 传递。csv.reader(f) 然后生成一个读取器，将 CSV 中的每一行解析为 Python 列表，随后所有读取的行都转换为列表。最后，这个列表的长度对应于 CSV 文件中的行数：

import csv 

with open('data.csv') as f: 
    reader = csv.reader(f) 
    rows = list(reader) 
    print(len(rows))

总体而言，这段代码编写速度快，也易于阅读和理解。然而，这个实现会将整个文件读入内存，这可能导致处理大文件时出现问题。此外，没有真正的错误处理，例如，如果文件在预期文件夹中找不到。

相反，在 Rust 中，我们首先导入一个错误接口，以便能够处理各种错误。我们还使用 csv::Reader; 作为导入 CSV 文件的外部包。实际工作发生在 main 函数中，它输出 OK(()) 或错误（如果成功）。首先打开文件。命令末尾的 ? 表示任何可能发生的错误，例如文件缺失，都会传递。然后读取并计数所有条目。然后使用 println! 将数据记录数输出到控制台：

use std::error::Error;
use csv::Reader;

fn main() -> Result<(), Box<dyn Error>> {
    let mut rdr = Reader::from_path("data.csv")?;
    let count = rdr.records().count();
    println!("Zeilen: {}", count);
    Ok(())
}

由于其广泛的错误处理，这个程序非常健壮，不会在出现问题时简单地崩溃。它还节省内存，因为 CSV 文件是逐行读取的，这有很多优点，尤其是在处理大文件时。

Rust 在数据科学领域有哪些亮点？

Rust 最初是一种用于“系统”或“硬件相关”开发的编程语言，可用于性能应用开发。然而，近年来，它也已成为数据处理的一个强大选择。特别是与 Python 结合使用时，例如，以下用例出现：

  • 使用 Polars 进行数据预处理：Polars 是一个在两种语言中都在发展的库，可以用作 Pandas 的替代品，用于处理大数据集。它最初是在 Rust 中开发的，但也可以从 Python 中使用。借助多线程、延迟评估和按列可执行性，可以比 Pandas 中的类似过程快十倍处理大量数据。

  • PyO3 中的计算密集型任务：对于 Python 中的需求型应用，如文本解析、图像处理或数据验证，代码的部分可以简单地外包给 Rust。然后，这些部分可以直接通过 PyO3 或 maturin 作为 Python 模块集成。这在数据预处理管道中尤其有用，最终将处理后的数据传递给 TensorFlow。

  • 使用 actix-web 的 Web 后端：对于 API 和微服务，Rust 提供了 actix-web，这是一个高性能框架，不仅比 Flask 或 FastAPI 更快，而且更安全，因为没有运行时错误，并且使用了静态类型。

这是你应该带在身边的

如果你……，Rust 对你来说是有价值的。

  • 你想要进行更多底层编程，并且不想经历 C/C++的困难。

  • 你喜欢使用 Python，但在某些方面存在性能限制。

  • 你想要开发后端服务或 CLI 工具。

  • 你想要更好地理解程序如何与内存以及系统的其他部分交互。

  • 你想要编写健壮且易于维护的工具，它们只需运行即可。

posted @ 2026-03-27 10:05  布客飞龙II  阅读(5)  评论(0)    收藏  举报