【Rust日报】2023-07-21 reddit讨论小整理：分布式计算中的Rust

0x、写在前头

以下内容来自reddit 社区（Distributed computing in Rust, https://www.reddit.com/r/rust/comments/155hxlf/distributed_computing_in_rust/），由小编重新整理后发布，读起来也许会更流畅些，因为在整理过程中，会揉一些小遍的思考进去，感兴趣的小伙伴，可以在读完本文后，去读读原文，链接在上方。因为是边看reddit，边译边写边思考，可能行文会有些乱。见谅！

小编在逛 reddit 社区的时候，看到一篇帖子Distributed computing in Rust”，就忍不住点进去，才发现是一个长帖，很吸引人。

一、先说问题

一名叫 amindiro 的老哥提了一个问题，小编分两段来介绍下：

他说自己是一名机器学习工程师，最近开始学习 Rust，他很喜欢Rust！ 他认为 Rust 将是一种编写数据处理工具的出色语言，并且可以取代现有的库（通常用 Python 或带有 Python wrapper的 C 语言编写）。大规模数据处理通常意味着分布式并行计算。像 dask 和 ray 这样的库是令人惊叹的库，您可以在其中动态地在正在运行的集群上分派函数。 Dask（注：Dask 是一个灵活的 Python 并行计算库） 完全用 Python 编写，通过序列化 Python 函数并使用 TCP 将它们发送到在本地线程池中运行它们的工作进程来解决这个问题。 Ray （注：Ray 是一个开源统一计算框架，可以轻松扩展 AI 和 Python 工作负载）是用 C++ 编写的并且做了同样的事情。

他的问题是，这个叫 amindiro 老哥想使用 Rust 在运行时实现相同的行为，像 serde_closure 这样的包用于序列化闭包（serialize closure）并通过网络发送它们。然后他提到这样做有一个问题，就是客户端进程和工作进程的二进制文件要是相同的（注：对，这是这个方法的限制，因为闭包的序列化和反序列化需要在两端使用相同的闭包类型，不知道这样说对不对）。紧接着，这个叫 amindiro 老哥他说，用这个方法的缺点是不能在集群中生成并发送任意的Rust函数给正在运行的进程（can't spawn a cluster and send arbitrary rust functions to the running processes）。

小遍尝试去理解他的问题：1. 我有机器学习的基础，对传统（这里定义成使用非Rust工具）大规模数据处理我还比较行；2. 因为这里没有提到会不会C++，假设我不会。3. 我还在学习Rust，假设我Rust学的还行，但不是专家级，能用能写小东西。4. 我想使用Rust实现在运行时动态传递函数的行为，并且我要面向的场景是集群（cluster），我该怎么办？

省流版描述：如何使用Rust做分布式计算集群中的大规模数据处理工作？

二更问题：如何使用Rust实现一个灵活、高效的分布式计算框架，重点是可以调度任意函数并支持Actor模型，从而可以更方便地进行分布式计算和处理大规模的任务。

二、再说回答

第一种讨论是，在分布式节点中，可以考虑让 WASM模块 与本机计算库交互，但是如果需要高性能和高效率，就需要评估Wasm和本机代码之间的差异了。但是这样做有一个问题，WASM 的当前标准是 32 位，64 位版本仍处于提案阶段（注：https://webassembly.github.io/spec/core/bikeshed/，Future versions of WebAssembly might provide memory instructions with 64 bit address ranges. 其实还有一点，wasm貌似不支持cuda，因为不太懂wasm以及wasm是否有gpu提案这样，这里纯属臆想，欢迎评论区吹水）。因此，这对于处理大型数据集，可能是一个问题。

第二种方讨论说是，在 noir（分布式流处理框架）中，使用类似 mpirun 的方法，通过使用 SSH 来分发二进制文件并开始计算。可以研究使用 wasm 运行时来生成和编排分布式应用程序，这似乎是可行的 （注：其实关于使用wasm后与原生相比，性能损失有多少，是一个需要研究的话题）。

第三种讨论是，关注 Ray C++，成立一个社区，去推Rust 分布式计算这件事（start a community driven Rust distributed computing project）。

第四种讨论是，如果集群节点够大，可以尝试使用GNU Parallel和Rust相结合的方法，这可以绕开序列化 Rust 函数（instead of serializing a Rust function），从而实现通过网络发送二进制文件和环境变量。

第五种讨论是，有小伙伴提到 Apache Arrow Ballista（https://github.com/apache/arrow-ballista/）， 但是amindiro 老哥更想的是一个更加通用的使用Rust实现的分布式计算框架（a more general distributed computing framework using Rust）。

第六种讨论是，有小伙伴提到Arroyo (https://github.com/ArroyoSystems/Arroyo)，这是一个分布式流处理引擎，但是amindiro 老哥提到，如果实例超参数调整工作流程或某些 RL 工作流程，Arroyo会很难实现（For instance Hyper parameter tuning workflow or some RL workflows can be tricky to implement this way）。

第七种讨论是，“我想使用Rust实现在运行时动态传递函数的行为，并且我要面向的场景是集群（cluster），我该怎么办？”，针对这个问题，可以使用使用 Nextflow（https://www.nextflow.io/） 来进行编排计算执行，amindiro 老哥说他想做的是separate running cluster，所以这里也不行（（注：但是，这个方法应该更适用于Batch Job Workflow，针对实时的Separate Running Cluster，这是两种不同的工作流性质和执行方式）。

第八种讨论是，elixir + rust nifs。（注：字少事大，感觉很硬的技术栈，不懂）

第九种讨论是，使用dll，但是做runtime linking很难。（注：这里简译了，因为不太懂，可以看看：https://www.reddit.com/r/rust/comments/155hxlf/comment/jsw1wfq/?utm_source=share&utm_medium=web3x&utm_name=web3xcss&utm_term=1&utm_content=share_button）

第九种讨论是，有小伙伴说， 可以使用nvidia 的 NCLL 来做分布式编程。dask 使用自定义 rpc 协议进行分布式计算。至于 GPU 集群，他认为 nvidia 有 NCLL，这是实现分布式编程的两种不同方法。但是amindiro 老哥说，“Dask RPC 协议基本上是调用 cloudpickle 来序列化 python 函数并通过 TCP 发送它们。当使用编译语言时，这是一个棘手的部分，函数序列化在 Rust 中并不那么简单……NCLL 遵循 MPI 接口，使用起来可能很棘手。在 MPI 中进行分布式计算是可行的替代方案，但无法解决所需的动态问题”。

第十种讨论是，提到r-link，一种Flink替代方案。但是，amindiro 老哥更关注的是能够在分布式环境中调度和执行任意函数（being able to schedule arbitrary functions and support some kind of Actor model to have distributed state）（注：能够将函数发送到不同的节点，让它们在各自的本地环境中运行，并收集结果，灵活。）。

第十一种讨论是，使用Daft Dataframe library，但是Daft 依赖于Ray。显然，amindiro 老哥想要的不是这个，他的想法更宏大。

第十一种讨论是，使用 Lunatic。（注：Lunatic是一个runtime，可以简单理解为：Erlang / Elixir BEAM+WASM+Rust=Lunatic ）

三、写在最后

以上回答部分，对原帖对一些回答进行了摘录、整理和注释。