未來(lái)將會(huì)有越來(lái)越多的庫(kù)采用 Python 作為前端（提高編程效率）和 Rust 作為后端（提升性能）的開發(fā)模式。

Rust 正在取代 C 語(yǔ)言成為高性能 Python 包的"后端"

首先，讓我們思考這種轉(zhuǎn)變的動(dòng)機(jī)。Python 編寫簡(jiǎn)單，但執(zhí)行速度慢是其主要問題。特別是在編寫數(shù)據(jù)處理庫(kù)時(shí)，由于 Python 性能較低，很難用純 Python 開發(fā)高性能庫(kù)。然而，Python 是機(jī)器學(xué)習(xí)和數(shù)據(jù)工程的主要語(yǔ)言。因此，當(dāng)開發(fā)面向數(shù)據(jù)工程師或機(jī)器學(xué)習(xí)工程師的庫(kù)時(shí)，我們會(huì)遇到以下問題：

雖然我們需要用 Python 編寫 API，但高性能的數(shù)據(jù)處理任務(wù)無(wú)法僅依靠 Python 完成。這意味著在編寫庫(kù)時(shí)，你有以下選擇：

• 要么自己學(xué)習(xí)并使用 C 語(yǔ)言
• 要么依賴他人編寫的 C 語(yǔ)言庫(kù)來(lái)執(zhí)行底層操作

熟悉 C 語(yǔ)言的開發(fā)者可能會(huì)問："這有什么問題嗎？許多庫(kù)作者可以將數(shù)值計(jì)算任務(wù)交給 NumPy 或 SciPy 處理。"

但實(shí)際情況并非如此理想。雖然將某些任務(wù)外包給 NumPy、SciPy 等庫(kù)很方便，但這要求所有函數(shù)都必須向量化，且不能使用 for 循環(huán)編寫代碼。此外，還需要考慮全局解釋器鎖（GIL）對(duì)某些操作的阻塞，以及其他各種問題。并非所有需求都能在現(xiàn)有庫(kù)中找到解決方案。

為什么選擇 Rust？

Rust 具有與 C 語(yǔ)言相當(dāng)?shù)乃俣群蛢?nèi)存效率，但無(wú)需手動(dòng)內(nèi)存管理或垃圾回收。它擁有出色的工具支持、友好的編譯器和不斷發(fā)展的開發(fā)者社區(qū)。使用 Rust 不僅能提升程序性能，還能在學(xué)習(xí)過程中結(jié)識(shí)更多同道中人。

最重要的是，對(duì) Python 開發(fā)者而言，Rust 比 C 語(yǔ)言更容易學(xué)習(xí)：

• 改善了"入門級(jí)"體驗(yàn)，使初學(xué)者更容易編寫"安全"的代碼
• 學(xué)習(xí)曲線更平緩，允許開發(fā)者隨時(shí)間逐步掌握更高級(jí)的語(yǔ)言特性

實(shí)際應(yīng)用案例

1. Lance：高性能、低成本的向量數(shù)據(jù)庫(kù)

創(chuàng)始人 Chang She 和 Lei Xu 最初使用 C++ 編寫代碼庫(kù)，但當(dāng)他們不再需要處理 CMake 時(shí)，決定轉(zhuǎn)向 Rust。Chang 表示："從 C++ 轉(zhuǎn)向 Rust 的決定源于我可以更高效地工作，在不損失性能的同時(shí)，也不必處理 CMake。我們用了大約 4 個(gè)月的時(shí)間用 Rust 重寫了之前的 C++ 代碼，每次用 Rust 編寫和發(fā)布新功能時(shí)，我們都更加確信不會(huì)遇到段錯(cuò)誤。"

2. Pydantic：面向開發(fā)者的 Python 驗(yàn)證庫(kù)

Pydantic 團(tuán)隊(duì)用 Rust 重寫了第二個(gè)版本，即使是簡(jiǎn)單模型也實(shí)現(xiàn)了 20 倍的性能提升。除了性能改進(jìn)外，Rust 還帶來(lái)了其他優(yōu)勢(shì)。Pydantic 創(chuàng)始人 Samuel Colvin 指出："Rust 編寫的代碼通常更易于使用和維護(hù)。特別是 Rust 能捕獲和處理所有可能的錯(cuò)誤，而 Python（和 TypeScript）的類型系統(tǒng)往往會(huì)忽略這些錯(cuò)誤。"

未來(lái)展望

展望未來(lái)，越來(lái)越多的庫(kù)將采用 Python 作為前端、Rust 作為后端的開發(fā)模式?？偟膩?lái)說(shuō)，當(dāng)今的 Python 開發(fā)者在構(gòu)建高性能庫(kù)時(shí)，擁有了更好、更流暢的開發(fā)方式。