【Rust知识】Rust 核心概念

站长

2024年03月14日 11:27 · 阅读数 7

1. 生命周期

在任何语言里，栈上的值都有自己的生命周期，它和帧的生命周期一致，而 Rust，进一步明确这个概念，并且为堆上的内存也引入了生命周期。

一般来说，堆内存的生命周期，会默认和其栈内存的生命周期绑定在一起。
默认情况下，在每个函数的作用域中，编译器就可以对比值和其引用的生命周期，来确保“引用的生命周期不超出值的生命周期”。

值的生命周期

静态生命周期

如果一个值的生命周期贯穿整个进程的生命周期，那么我们就称这种生命周期为静态生命周期。

当值拥有静态生命周期，其引用也具有静态生命周期。比如: &'static str 代表这是一个具有静态生命周期的字符串引用。

一般来说，全局变量、静态变量、字符串字面量(string literal)等，都拥有静态生命周期。我们上文中提到的堆内存，如果使用了 Box::leak 后，也具有静态生命周期。

动态生命周期

如果一个值是在某个作用域中定义的，也就是说它被创建在栈上或者堆上，那么其生命周期是动态的。

当这个值的作用域结束时，值的生命周期也随之结束。对于动态生命周期，我们约定用 'a 、'b 或者 'hello 这样的小写字符或者字符串来表述。 ' 后面具体是什么名字不重要，它代表某一段动态的生命周期，其中， &'a str 和 &'b str 表示这两个字符串引用的生命周期可能不一致。

当出现了多个参数，它们的生命周期可能不一致时，返回值的生命周期就不好确定了。编译器在编译某个函数时，并不知道这个函数将来有谁调用、怎么调用，所以，函数本身携带的信息，就是编译器在编译时使用的全部信息。

此时，就需要我们在函数签名中提供生命周期的信息，也就是生命周期标注(lifetime specifier)。在生命周期标注时，使用的参数叫生命周期参数(lifetime parameter)。通过生命周期标注，我们告诉编译器这些引用间生命周期的约束。

生命周期参数的描述方式和泛型参数一致，不过只使用小写字母。这里，两个入参 s1、 s2，以及返回值都用 'a 来约束。生命周期参数，描述的是参数和参数之间、参数和返回值之间的关系，并不改变原有的生命周期。

总结

所有引用类型的参数都有独立的生命周期 'a 、'b 等。
如果只有一个引用型输入，它的生命周期会赋给所有输出。
如果有多个引用类型的参数，其中一个是 self，那么它的生命周期会赋给所有输出。
使用数据结构时，数据结构自身的生命周期，需要小于等于其内部字段的所有引用的生命周期。

2. 内存管理

Rust 的创造者们，重新审视了堆内存的生命周期，发现大部分堆内存的需求在于动态大小，小部分需求是更长的生命周期。

值的创建

struct

Rust 在内存中排布数据时，会根据每个域的对齐(aligment)对数据进行重排，使其内存大小和访问效率最好。

如果结构体的定义考虑地不够周全，会为了对齐浪费很多空间。

enum

enum是一个标签联合体(tagged union)，它的大小是标签的大小，加上最大类型的长度。定义 enum 数据结构时，有 Option 和 Result<T, E> 两种设计举例。Rust 编译器会对 enum 做一些额外的优化，让某些常用结构的内存布局更紧凑。引用类型的第一个域是个指针，而指针是不可能等于 0 的，但是我们可以复用这个指针:当其为 0 时，表示 None，否则是 Some，减少了内存占用。

vec 和 String

String 结构内部就是一个 Vec；Vec 结构是 3 个 word 的胖指针，包含:一个指向堆内存的指针 pointer、分配的堆内存的容量 capacity，以及数据在堆内存的长度 length。

很多动态大小的数据结构，在创建时都有类似的内存布局:栈内存放的胖指针，指向堆内存分配出来的数据。

值的使用

一个值如果没有实现 Copy，在赋值、传参以及函数返回时会被 Move。其实 Copy 和 Move 在内部实现上，都是浅层的按位做内存复制，只不过 Copy 允许你访问之前的变量，而 Move 不允许。

内存复制是个很重的操作，效率很低。但是，如果你要复制的只是原生类型(Copy)或者栈上的胖指针(Move)，不涉及堆内存的复制也就是深拷贝(deep copy)，那这个效率是非常高的，我们不必担心每次赋值或者每次传参带来的性能损失。所以，无论是 Copy 还是 Move，它的效率都是非常高的。

在使用值的过程中，除了 Move，你还需要注意值的动态增长。因为 Rust 下，集合类型的数据结构，例如：Vec，都会在使用过程中自动扩展。但只使用了很小部分的容量，内存的使用效率很低，所以你要考虑使用，比如 shrink_to_fit 方法，来节约对内存的使用。

值的销毁

当一个值要被释放，它的 Drop trait 会被调用。如果要释放的值是一个复杂的数据结构，比如一个结构体，那么这个结构体在调用 drop() 时，会依次调用每一个域的 drop() 函数，如果域又是一个复杂的结构或者集合类型，就会递归下去，直到每一个域都释放干净。整个释放顺序从内到外是:先释放 HashMap 下的 key，然后释放 HashMap 堆上的表结构，最后释放栈上的内存。

3. 类型系统

类型系统其实就是，对类型进行定义、检查和处理的系统。

生命周期标注也是泛型的一部分，一个生命周期 'a 代表任意的生命周期，和 T 代表任意类型是一样的。

【Rust知识】Rust 核心概念

Rust 中的核心数据结构，通示例来理解它们在实际开发中的应用:

数组（Array）

Rust 中的数组是一个由相同类型元素组成的固定大小的集合。

fn main() {
    let arr: [i32; 5] = [1, 2, 3, 4, 5]; // 声明一个i32类型的5个元素的数组

    // 访问数组中的元素
    println!("第一个元素: {}", arr[0]);

    // 遍历数组元素
    for i in &arr {
        println!("{}", i);
    }
}

数组长度在编译时就已经确定，且不可变。如果需要变长数组，我们通常使用 vector。

向量（Vector）

Vector 类似于数组但它是动态的，可以在运行时增长或缩小。

fn main() {
    let mut vec = Vec::new(); // 创建一个空的 vector

    // 向 vector 添加元素
    vec.push(1);
    vec.push(2);
    vec.push(3);

    // 移除并返回最后一个元素
    if let Some(last) = vec.pop() {
        println!("最后一个元素是: {}", last);
    }

    // 遍历 vector
    for i in &vec {
        println!("{}", i);
    }
}

切片（Slice）

切片是对数组或 vector 的部分连续引用，它使得可以高效地访问序列的子部分而不需要复制。

fn main() {
    let arr = [1, 2, 3, 4, 5];
    let slice: &[i32] = &arr[1..4]; // slice 引用数组中的元素 2, 3 和 4

    for &i in slice {
        println!("{}", i);
    }
}

切片对于函数参数非常有用，因为它们允许函数处理数组或向量的任何部分。

元组（Tuple）

元组是一种将多种类型的元素组合到一起的数据结构。 rust

fn main() {
    let tup: (i32, f64, u8) = (500, 6.4, 1); // 一个包含不同类型元素的元组

    // 解构元组
    let (x, y, z) = tup;

    println!("元组的第一个元素是: {}", x);
    println!("元组的第二个元素是: {}", y);
    println!("元组的第三个元素是: {}", z);
}

结构体（Struct）

结构体用于创建自定义的数据类型。

// 定义一个结构体
struct User {
    username: String,
    email: String,
    sign_in_count: u64,
    active: bool,
}

fn build_user(email: String, username: String) -> User {
    User {
        email,
        username,
        active: true,
        sign_in_count: 1,
    }
}

fn main() {
    // 创建一个 User 实例
    let user1 = build_user(String::from("someone@example.com"), String::from("someusername123"));

    // 访问结构体字段
    println!("用户名: {}", user1.username);
}

在 Rust 中，结构体对于组织相关联数据是十分重要的。

枚举（Enum）

枚举允许定义一个类型，它可以是有限集合中的多个不同值中的一个。

// 定义一个枚举，包括若干个变体
enum Message {
    Quit,
    Move { x: i32, y: i32 },
    Write(String),
    ChangeColor(i32, i32, i32),
}

fn main() {
    // 创建一个 Write 枚举变体的实例
    let msg = Message::Write(String::from("hello"));

    // 匹配枚举变体
    match msg {
        Message::Write(text) => println!("{}", text),
        _ => println!("其他消息类型"),
    }
}

在 Rust 中，枚举的 match 表达式确保所有可能的情况都被处理。

Map（HashMap）

HashMap 存储一组键值对，允许根据键快速检索值。

use std::collections::HashMap;

fn main() {
    // 创建一个 HashMap
    let mut scores = HashMap::new();

    // 插入键值对
    scores.insert(String::from("Blue"), 10);
    scores.insert(String::from("Yellow"), 50);

    // 通过键检索值
    let team_name = String::from("Blue");
    if let Some(score) = scores.get(&team_name) {
        println!("{} 分数是: {}", team_name, score);
    }
}

HashMap 在存储和快速检索数据时非常有用。

4. 智能指针

智能指针一定是一个胖指针，但胖指针不一定是一个智能指针。比如 &str 就只是一个胖指针，它有指向堆内存字符串的指针，同时还有关于字符串长度的元数据。

智能指针 String 和普通胖指针 &str 的区别:

String 比 &str 多一个 capacity 字段
但 String 对堆上的值有所有权，而 &str 是没有所有权的，这是 Rust 中智能指针和普通胖指针的区别。

在 Rust 中，凡是需要做资源回收的数据结构，且实现了 Deref/DerefMut/Drop，都是智能指针。

以三个使用智能指针的数据结构为例: 在堆上创建内存的 Box、提供写时克隆的 Cow<'a, B>，以及用于数据加锁的 MutexGuard。

Box

Box是 Rust 中最基本的在堆上分配内存的方式，绝大多数其它包含堆内存分配的数据类型，内部都是通过 Box 完成的，比如 Vec。

设计内存分配器的目的除了保证正确性之外，就是为了有效地利用剩余内存，并控制内存在分配和释放过程中产生的碎片的数量。在多核环境下，它还要能够高效地处理并发请求。

堆上分配内存的 Box 其实有一个缺省的泛型参数 A，就需要满足 Allocator trait，并且默认是 Global:

Allocator trait 提供很多方法:

allocate 是主要方法，用于分配内存;
deallocate，用于释放内存;
还有 grow / shrink，用来扩大或缩小堆上已分配的内存。

Cow<'a, B>

Cow 是 Rust 下用于提供写时克隆(Clone-on-Write)的一个智能指针，它跟虚拟内存管理的写时复制(Copy-on-write)有异曲同工之妙:包裹一个只读借用，但如果调用者需要所有权或者需要修改内容，那么它会 clone 借用的数据。

虽然 Cow 是一个 enum，但是通过 Deref 的实现，我们可以获得统一的体验，比如 Cow，使用的感觉和 &str / String 是基本一致的。注意，这种根据 enum 的不同状态来进行统一分发的方法是第三种分发手段，还有可以使用泛型参数做静态分发和使用 trait object 做动态分发。

MutexGuard

String、Box、Cow<'a, B> 等智能指针，都是通过 Deref 来提供良好的用户体验，那么 MutexGuard 是另外一类很有意思的智能指针:它不但通过 Deref 提供良好的用户体验，还通过 Drop trait 来确保，使用到的内存以外的资源在退出时进行释放。

MutexGuard这个结构是在调用  Mutex::lock 时生成的:

    pub fn lock(&self) -> LockResult<MutexGuard<'_, T>> {
        unsafe {
            self.inner.raw_lock();
            MutexGuard::new(self);
        }
    }

首先，它会取得锁资源，如果拿不到，会在这里等待;如果拿到了，会把 Mutex 结构的引用传递给 MutexGuard。

当 MutexGuard 结束时，Mutex 会做 unlock，这样用户在使用 Mutex 时，可以不必关心何时释放这个互斥锁。因为无论你在调用栈上怎样传递 MutexGuard ，哪怕在错误处理流程上提前退出，Rust 有所有权机制，可以确保只要 MutexGuard 离开作用域，锁就会被释放。

5. 切片以及和切片相关的容器

在 Rust 里，切片是描述一组属于同一类型、长度不确定的、在内存中连续存放的数据结构，用 [T] 来表述。因为长度不确定，所以切片是个 DST(Dynamically Sized Type)。

切片一般只出现在数据结构的定义中，不能直接访问，在使用中主要用以下形式:

&[T]:表示一个只读的切片引用。
&mut [T]:表示一个可写的切片引用。
Box<[T]>:一个在堆上分配的切片。

在使用的时候，支持切片的具体数据类型，你可以根据需要，解引用转换成切片类型。比如 Vec 和 [T; n] 会转化成为 &[T]，这是因为 Vec 实现了 Deref trait，而 array 内建了到 &[T] 的解引用。

切片和迭代器 Iterator

通过切片的 iter() 方法，我们可以生成一个迭代器，对切片进行迭代。(用 collect 方法把过滤出来的数据形成新列表)
对 Vec 使用 iter() 方法，并进行各种 map / filter / take 操作。

fn main() {  
    // 这里 Vec<T> 在调用 iter() 时被解引用成 &[T]，所以可以访问 iter()

  let result = vec![1, 2, 3, 4]
    .iter()
    .map(|v| v * v)
    .filter(|v| *v < 16)
    .take(1)
    .collect::<Vec<_>>();

  println!("{:?}", result);
}

Rust 下的迭代器是个懒接口(lazy interface)，也就是说这段代码直到运行到 collect 时才真正开始执行，之前的部分不过是在不断地生成新的结构，来累积处理逻辑而已。

Iterator 大部分方法都返回一个实现了 Iterator 的数据结构，所以可以这样一路链式下去。

特殊的切片:&str

String 是一个特殊的 Vec，所以在 String 上做切片，也是一个特殊的结构 &str。String 在解引用时，会转换成 &str。

Box<[T]>

Box<[T]> 是一个比较有意思的存在，它和 Vec 有一点点差别:Vec 有额外的

capacity，可以增长;而 Box<[T]> 一旦生成就固定下来，没有 capacity，也无法增长。

Box<[T]> 和切片的引用 &[T] 也很类似:它们都是在栈上有一个包含长度的胖指针，指向存储数据的内存位置。区别是:Box<[T]> 只会指向堆，&[T] 指向的位置可以是栈也可以是堆;此外，Box<[T]> 对数据具有所有权，而 &[T] 只是一个借用

当我们需要在堆上创建固定大小的集合数据，且不希望自动增长，那么，可以先创建 Vec，再转换成 Box<[T]>。

6. 哈希表 HashMap

哈希表最核心的特点就是:巨量的可能输入和有限的哈希表容量。

这就会引发哈希冲突，也就是两个或者多个输入的哈希被映射到了同一个位置，所以我们要能够处理哈希冲突。如何解决冲突?

如何解决冲突?

理论上，主要的冲突解决机制有链地址法(chaining)和开放寻址法(open addressing)。

链地址法

链地址法，就是把落在同一个哈希上的数据用单链表或者双链表连接起来。这样在查找的时候，先找到对应的哈希桶(hash bucket)，然后再在冲突链上挨个比较，直到找到匹配的项。

冲突链处理哈希冲突非常直观，很容易理解和撰写代码，但缺点是哈希表和冲突链使用了不同的内存，对缓存不友好。

开放寻址法

开放寻址法把整个哈希表看做一个大数组，不引入额外的内存，当冲突产生时，按照一定的规则把数据插入到其它空闲的位置。比如线性探寻(linear probing)在出现哈希冲突时，不断往后探寻，直到找到空闲的位置插入。

而二次探查，理论上是在冲突发生时，不断探寻哈希位置加减 n 的二次方，找到空闲的位置插入。

Rust 哈希表不是用冲突链来解决哈希冲突，而是用开放寻址法的二次探查来解决的。

HashMap 的基本使用方法

use std::collections::HashMap;

fn main() {
    let mut map = HashMap::new();
    explain("empty", &map);
    
    map.insert('a', 1);
    explain("added 1", &map);
    
    map.insert('b', 2);
    map.insert('c', 3);
    explain("added 3", &map);
    
    map.insert('d', 4);
    explain("added 4", &map);
    
    // get 时需要使用引用，并且也返回引用
    assert_eq!(map.get(&'a'), Some(&1));
    assert_eq!(map.get_key_value(&'b'), Some((&'b', &2)));
    
    map.remove(&'a');
    // 删除后就找不到了
    assert_eq!(map.contains_key(&'a'), false);
    assert_eq!(map.get(&'a'), None);
    explain("removed", &map);
    
    // shrink 后哈希表变小
    map.shrink_to_fit();
    explain("shrinked", &map);
}
    
fn explain<K, V>(name: &str, map: &HashMap<K, V>) {
    println!("{}: len: {}, cap: {}", name, map.len(), map.capacity());
}

以上可以看出，当 HashMap::new() 时，它并没有分配空间，容量为零，随着哈希表不断插入数据，它会以 2 的幂减一的方式增长，最小是 3。当删除表中的数据时，原有的表大小不变，只有显式地调用 shrink_to_fit，才会让哈希表变小。

HashMap 的内存布局

当 HashMap 插入和删除数据，以及因此导致重新分配的时候，主要工作就是在维护 ctrl 表和数据的对应。

因为 ctrl 表是所有操作最先触及的内存，所以，在 HashMap 的结构中，堆内存的指针直接指向 ctrl 表，而不是指向堆内存的起始位置，这样可以减少一次内存的访问。

7. Rust 闭包

Rust 支持三种不同的闭包 trait:FnOnce、FnMut 和 Fn。FnOnce 是 FnMut 的 super trait，而 FnMut 又是 Fn 的 super trait。从这些 trait 的接口可以看出，

FnOnce 只能调用一次;
FnMut 允许在执行时修改闭包的内部数据，可以执行多次;
Fn 不允许修改闭包的内部数据，也可以执行多次。

闭包本质上是什么?

闭包是一种匿名类型，一旦声明，就会产生一个新的类型，但这个类型无法被其它地方使用。这个类型就像一个结构体，会包含所有捕获的变量。

闭包的大小跟参数、局部变量都无关，只跟捕获的变量有关。闭包是存储在栈上，并且除了捕获的数据外，闭包本身不包含任何额外函数指针指向闭包的代码。

Rust 为每个闭包生成一个新的类型，又使得调用闭包时可以直接和代码对应，省去了使用函数指针再转一道手的额外消耗。

任何需要 FnOnce 或者 FnMut 的场合，都可以传入满足 Fn 的闭包。