【Rust日报】2020-04-20 软件开发者经济学：现在估计全球有60万活跃Rust程序员

最新推荐文章于 2024-06-10 09:30:48 发布

Rust语言中文社区

最新推荐文章于 2024-06-10 09:30:48 发布

阅读量363

点赞数

本文链接：https://blog.csdn.net/u012067469/article/details/105672106

版权

1 - Wired Logic - 运行在浏览器上的基于像素的电子元件模拟器（用`Rust`语言编译成`WASM`)

Wired Logic - a pixel-based digital circuit simulator running in a browser (Rust compiled into WASM).

受wired-logic启发，wired-logic-rs是一个基于像素的数字电路模拟器，核心技术采用Rust和WebAssembly

wired-logic-rs 是怎么工作的呢？系统先对图像进行扫描，然后采集一个线路，电能源，和各种晶体管，收集成一个集合，然后对这些集合元素运行模拟仿真程序，只要确保模拟的状态不会重复就算是模拟成功。然后再把模拟仿真结果渲染在一个GIF格式的图像上。

手动编译步骤：

$ wasm-pack build$ npm install
$ npm run serve     # to start the webpack dev server$ npm run bundle    # to create the production bundle

点击进入模拟例子-Goto the Online Simulator

更多请阅读-Read More in Project Github

2 - Multiversion 0.5.0, 多版本函数宏，现在已经"可以跑生产系统"了。

Multiversion 0.5.0, now "production ready"

Multiversion - 是Rust语言支持多版本函数的属性宏.

什么是function multiversioning?

大部分的CPU架构都有自己独特的指令集支持一些额外的功能。最常见的例子包括x86/x86-64上的SSE & AVX，NEON上的ARM/AArch64指令集扩展Single Instruction, Multiple Data(SIMD)。这些指令集扩展可以给某些特殊的函数提升大量的运行速度。这些特殊的功能是不能胡乱的编译到一个不支持这些特殊功能CPU的可执行文件里去的，那样往往会造成系统崩溃。

Function multiversioning是一种特殊的编译方法，通过编译包含特殊功能支持的不同版本的函数能够在运行时runtime检测到这些特殊的功能并匹配不同的版本的可执行函数。

Function multiversioning功能：

动态调控，启用运行时CPU功能检测
静态调控，避免嵌套式的重复功能检测（但允许行内嵌套）
支持所有类型的函数，包括generic和async类型的函数

例子：用clone属性宏来实现多版本函数，类似GCC的target_clones

use multiversion::multiversion;
#[multiversion]#[clone(target = "[x86|x86_64]+avx")]#[clone(target = "x86+sse")]fn square(x: &mut [f32]) {   for v in x {       *v *= *v;   }}
用multiversion和target属性宏来实现多版本函数.use multiversion::{multiversion, target};
#[target("[x86|x86_64]+avx")]unsafe fn square_avx(x: &mut [f32]) {   for v in x {       *v *= *v;   }}
#[target("x86+sse")]unsafe fn square_sse(x: &mut [f32]) {   for v in x {       *v *= *v;   }}
#[multiversion]#[specialize(target = "[x86|x86_64]+avx", fn = "square_avx", unsafe = true)]#[specialize(target = "x86+sse", fn = "square_sse", unsafe = true)]fn square(x: &mut [f32]) {   for v in x {       *v *= *v;   }}

更多信息请点击crates官网说明-Read More

3 - 软件开发者经济学：现在估计全球有60万活跃Rust程序员。

下面链接是长达40多页纸的调查报告（可能国内用户需要科学上网才能下载）

DEVELOPER ECONOMICS: STATE OF THE DEVELOPERNATION 18th EDITION, PUBLISHED APRIL 2020
根据2019年第四季度对超过17000名软件开发人员进行的抽样调查的趋势报告

Active Rust developers estimated at 0.6 million (pdf, page 10)

4 - 如何在Windows 10系统环境安装原生Rust编程环境

How to install rust on Windows 10 (native)

下面是快速安装Windows 10 2004的步骤：

下载并运行rustup.rs
下载Build Tools for Visual Studio 2019，一般这个下载隐藏在微软下载链接的"Tools for Visual Studio 2019"下面。
运行Build Tools for Visual Studio 2019 Installer并选择:

C++ Tools

C++ Tools中还必须同时选择安装"Windows 10 SDK"，安装程序提供多个版本，选最新的版本安装就好。

测试看看是否安装成功：

打开PowerShell或命令行窗口，输入下面的命令并保证没有错误。
切换到临时文件夹：cd %TEMP%
创建一个测试项目：cargo new toolchain_test
进入项目所在目录：cd toolchain_test
编译并运行"Hello, world!"程序：cargo run

然后你应该可以得到一个编译的过程并看到结果显示"Hello, world!"

如果遇到类似cargo command not found的错误，你需要检查一下你的%PATH%看看是否设置好。

5 - `Apache Spark`的`Rust`语言绑定

Rust bindings for Apache Spark

这里例子演示使用Ballista Rust DataFrame API运行一个Apache Spark的查询请求.

Rust Client:

例子程序使用Ballista's的[Rust DataFrame](https://github.com/ballista-compute/ballista/blob/master/rust/src/dataframe.rs).创建一个逻辑查询计划，对一个CVS文件做聚合查询：

let spark_master = "local[*]";let mut spark_settings = HashMap::new();spark_settings.insert("spark.app.name", "rust-client-demo");spark_settings.insert("spark.ballista.host", "localhost");spark_settings.insert("spark.ballista.port", "50051");let ctx = Context::spark(spark_master, spark_settings);let path = "/mnt/nyctaxi/csv/yellow/2019/yellow_tripdata_2019-01.csv";let df = ctx.read_csv(path, Some(nyctaxi_schema()), None, true)?.aggregate(   vec![col("passenger_count")], // group by   vec![min(col("fare_amount")), max(col("fare_amount"))] // aggregates)?;// print the query plandf.explain();// collect the results from the Spark executorlet results = df.collect().await?;// display the resultsutils::print_batches(&results)?;

当代码执行的时候collect()函数会将逻辑计划编码成protobuf格式，然后发送给在spark_settings设置中设置了服务端口并运行了Ballista Spark Executor执行器的远程服务器节点。

上面的例子程序将执行显示如下结果：

Aggregate: groupBy=[[#passenger_count]], aggr=[[MIN(#fare_amount), MAX(#fare_amount)]] TableScan: /mnt/nyctaxi/csv/yellow/2019/yellow_tripdata_2019-01.csv projection=None+-----------------+-------+-----------+| passenger_count | MIN   | MAX       |+-----------------+-------+-----------+| 1               | -362  | 623259.86 || 6               | -52   | 262.5     || 3               | -100  | 350       || 5               | -52   | 760       || 9               | 9     | 92        || 4               | -52   | 500       || 8               | 7     | 87        || 7               | -75   | 78        || 2               | -320  | 492.5     || 0               | -52.5 | 36090.3   |+-----------------+-------+-----------+

Spark Executor Ballista的Spark执行器Spark Executor在收到客户端发送过来的使用protobuf格式编码的逻辑查询计划请求后翻译成如下的Spark执行计划：

== Physical Plan ==*(2) HashAggregate(keys=[passenger_count#3], functions=[min(fare_amount#10), max(fare_amount#10)])+- Exchange hashpartitioning(passenger_count#3, 200), true, [id=#18]   +- *(1) HashAggregate(keys=[passenger_count#3], functions=[partial_min(fare_amount#10), partial_max(fare_amount#10)])      +- *(1) Project [passenger_count#3, fare_amount#10]         +- BatchScan[passenger_count#3, fare_amount#10] CSVScan Location: InMemoryFileIndex[file:/mnt/nyctaxi/csv/yellow/2019/yellow_tripdata_2019-01.csv], ReadSchema: struct<passenger_count:int,fare_amount:double>