越来越多的 Python 开发者加入 Rust 队伍！

未来我们将看到更多以Python作为前端（提高编程效率）并以Rust作为后端（为了性能）的库。

未经允许，禁止转载！

作者 | Slater Stich       译者 | 弯月

责编 | 夏萌

出品 | CSDN（ID：CSDNnews）

Python

Rust正在取代C成为高性能Python软件包的“后端”工作语言。原因是什么呢？

首先，我们来看看动机问题，Python编写起来很方便，但运行速度慢。Python的速度实在太慢了，以至于你无法使用纯Python编写高性能库，尤其是无法编写数据处理库。然而，Python是机器学习和数据工程的主导语言。因此，如果你想为数据工程师、机器学习工程师等编写库，就会遇到以下问题：

你需要使用Python编写API，但是你不能使用Python完成高性能的数据处理工作。

这意味着，如果你想编写库就必须：

学习使用C编程，或祈祷有人学习使用C编程，并编写一个库，而你可以依赖这些库来实现底层的操作。

熟悉C语言的人可能会问，这有什么不好吗？也许大多数库的作者都可以将数值计算外包给NumPy或SciPy。而在确实需要时，他们也可以学一点C。

然而，情况并不是那么理想。尽管将一些任务外包给NumPy、SciPy等库确实很方便，但我们不得不向量化每个函数，而且还不能使用for循环写代码，这很痛苦。担心某些操作会被全局解释器锁（GIL）阻塞也很令人头疼，还有其他各种问题。并非你想做的一切都能轻松地找到现有库。

那么，还有一种办法，为什么不从头开始用C编写库，并加上一些Python绑定呢？问题在于，如果你有Python背景，那么使用C编程对你来说会显得非常底层，学习这种语言需要花费一些功夫。空指针解引用、缓冲区溢出、内存泄漏……这些都是使用C语言时可能遇到的陷阱，这些对于一开始就学Python程序员来说都是陌生的。

如果有更好的办法；如果有一种语言速度和内存效率与C语言相当，但不需要手动内存管理或垃圾回收；如果这种语言拥有出色的Python工具支持和一个蓬勃发展的开发者社区，那该多好啊。

Rust

Rust的速度很快，且内存管理高效。因此，并行和并发编程更加容易。Rust具有出色的工具和友好的编译器，拥有一个庞大而活跃的开发者社区。Rust可以让程序加快运行速度，跳得更高，而且还能在学习中交到更多朋友。

最重要的是，对于Python开发者来说，学习Rust比学习C更容易。

“第一层”体验更好，因为新手更容易使用Rust编写“安全”代码。学习曲线更平滑，可以随着时间的推移逐渐掌握更高级的语言特性。

因此，在过去的几年里，我们看到一些以Python作为前端的高性能库选择Rust作为后端。例如：

1. Polars

这是一个用于处理数据框的、快速、高度并行、内存高效的库。olars的作者Ritchie Vink考虑了几种不同的语言，最终选择了Rust。以下是Ritchie认为Rust具有的优势。

“我认为，数据工程/科学将继续由连接低级编译二进制文件的高级语言主导。该主机语言的多线程和性能并不重要，因为这些工作将传递给下游的工具。

因此，我们会选择C、C++、Rust、Zig或Fortran。

Zig还很年轻，但它可能会成为新的C。

在我看来，Rust已做好准备成为新的C++。

在这些语言中，Rust具有最好的工具支持（也许将来Zig也可以）……

借用检查器能够保证内存的安全使用和安全的并发。加上出色的工具（crates.io、pyo3），使其成为构建低级工具的最佳语言。

由于默认是安全的，新手也可以轻松地构建工具并逐步学习。如今就是这种情况，许多Python用户在编写Rust，不仅可以顺利完成工作，而且性能提升也很满意。

简而言之，我认为Rust具有最佳正确性保证，并且是一种现代系统语言。”

2. Lance

这是一款高性能、低成本的矢量数据库。创始人Chang She和Lei Xu最初使用C++编写了代码库，后来决定切换到Rust，尽管他们拥有丰富的C开发经验。Chang做这个决定的理由如下：

“对我们来说，从C++切换到Rust的决定主要是因为我们可以更有效率地工作，不会失去性能，而且不用再处理CMake。我们基本上是从零开始学习Rust，在学习的同时，Lei和我在大约三周的时间里用Rust重新编写了Lance（替换了大约四个月的C++代码）。此外，每次发布使用Rust编写的新功能时，我们更有信心，不用担心在执行每个其他命令时引发段错误。”

Rust不仅适用于数据处理，而且也可作为许多其他具有高性能要求的Python软件包的后端。

例如：

3. Ruff

Ruff是一个用Rust编写的、速度非常快的Python代码检查工具。以下是Ruff的创作者和Astral创始人Charlie Marsh阐述的关于在Python生态系统中使用Rust取得成功的原因。

“作为系统编程的新手，Rust提高了我构建软件的能力。作为一门语言，Rust会让你（或者说是强迫你）关注编写高性能代码的重要细节：何处以及何时分配内存，如何在内存中布置数据等等。高级语言会保护你免受这些细节的困扰，虽然背后的理由很充分，但对于某些类别的软件来说，它们是构建软件的核心。Rust能够在不牺牲抽象的情况下，在这些较低级别上操作。”

然而，我相信Rust的许多成功来自于它的工具（Cargo）以及语言和生态系统本身的易用性。我的大部分职业生涯使用的都是Python、TypeScript和Java，Ruff是我首次尝试从头开始使用Rust构建的产品。Rust并不是一门易学的语言，但根据我的经验，难度主要来自于学习新概念和新思维方式，而不是与构建问题或一些莫名其妙的错误做斗争。对于我来说，使用Rust可以进行系统编程，因此我很看好Rust作为Python和其他高级语言的补充。”

4. Pydantic

这是一个面向开发者的Python验证库。Pydantic团队使用Rust编写了第二版，并看到性能提升了20倍，即使对于简单的模型也是如此。除了性能之外，Rust还有其他的优点。Pydantic的创始人Samuel Colvin提到了其中一些：

“关于Rust的另一点是，不仅速度很快，而且使用Rust编写和维护的代码通常更容易。特别是，Rust会强制捕获和处理每一个可能的错误，而Python（以及TypeScript）的类型系统会忽略这些错误，因此我可以调用 'foobar()'，而根本不知道在什么情况下可能引发什么异常。基本上，我必须通过反复试验来找出可能会失败的地方。”

Python与Rust的结合

我们认为，未来我们将看到更多以Python作为前端（提高编程效率）并以Rust作为后端（为了性能）的库。总的来看，如今的Python开发者在构建高性能库方面有更好、更顺畅的途径。