第三届中国Rust开发者⼤会 基于 Rust 编程语⾔构建 Amphitheatre CLI / Desktop / Server 的全平台实践经验 王宜国 - 独⽴开源软件作者 RUST CHINA CONF 2023 • 项⽬背景介绍 • 产品功能演示 • 应⽤场景概览 项⽬介绍 • 概念 • 架构设计 • 技术实现 设计与实现 ⼤纲 Amphitheatre 云开发环境（Cloud 研发流程⻓达⼗⼏个步骤：安装开发软件、配置环境、克隆代 码、开发、本地调试、提交代码、编译构建、⾃动化测试、部 署到测试环境、测试验收、合并代码到主线、部署到⽣产环 境… 研发流程繁⻓ 起因：开发者之痛 为了部署测试，不仅要学习容器化、Kubernetes，还要申请资 源安装配置各项中间件，学习成本⾼，费⼼费⼒ 复杂的基础设施 Build Test Code Deploy Release Test Integrate Sona Riven Event Account Project Activity Tariq Share Redis ETCD 可让您完全跳过镜像构建，
 使⽤新代码更新正在运⾏的容器，
 只需⼏秒钟⽽不是⼏分钟。 本地开发实时部署到远程集群 如何⼯作的？ Kubernetes 集群 更改 资源定义 ⻆⾊定义 执⾏资源 资源定义 资源定义
 更改 ⽂件
 更改

实现 Unsafe Trait . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 30.7 安全 FFI 封装容器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 30.7.1 解答 . . . . . . . . . 为你展示常见的 Rust 习惯用法。 我们将前四天的课程称为“Rust 基础”。 在此基础上，你可以选择深入研究一个或多个专门的主题： • Android：为期半天的课程，介绍如何在 Android 平台开发中使用 Rust（AOSP）。课程内容包括 与 C、C++ 和 Java 的互操作性。 • Chromium：为期半天的课程，介绍如何在基于 Chromium 的浏览器中使用 Rust。课程内容包括 除了为期四天的“Rust 基础”课程外，还有一些专业课题提供： Android 中的 Rust 深入探究 Android 中的 Rust 课程为期半天，旨在介绍如何使用 Rust 进行 Android 平台开发。其中包 括与 C、C++ 和 Java 的互操作性。 你需要检出 AOSP。在同一机器上检出课程库，然后将 src/android/ 目录移至所检出的 AOSP 的根 目录。这将确保 Android

‧“时间和空间的增长趋势”表示复杂度分析关注的不是运行时间或占用空间的具体值，而是时间或空间 增长的“快慢”。 复杂度分析克服了实际测试方法的弊端，体现在以下两个方面。 ‧ 它独立于测试环境，分析结果适用于所有运行平台。 第 2 章 复杂度分析 hello‑algo.com 19 ‧ 它可以体现不同数据量下的算法效率，尤其是在大数据量下的算法性能。 Tip 如果你仍对复杂度的概念感到困惑，无须担心，我们会在后续章节中详细介绍。 确定运行平台，包括硬件配置、编程语言、系统环境等，这些因素都会影响代码的运行效率。 2. 评估各种计算操作所需的运行时间，例如加法操作 + 需要 1 ns ，乘法操作 * 需要 10 ns ，打印操作 print() 需要 5 ns 等。 3. 统计代码中所有的计算操作，并将所有操作的执行时间求和，从而得到运行时间。 例如在以下代码中，输入数据大小为 ? ： // 在某运行平台下 fn (6? + 12) ns ： 1 + 1 + 10 + (1 + 5) × ? = 6? + 12 但实际上，统计算法的运行时间既不合理也不现实。首先，我们不希望将预估时间和运行平台绑定，因为算 法需要在各种不同的平台上运行。其次，我们很难获知每种操作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。

复杂度分析克服了实际测试方法的弊端，体现在以下几个方面。 第 2 章 复杂度分析 www.hello‑algo.com 19 ‧ 它无需实际运行代码，更加绿色节能。 ‧ 它独立于测试环境，分析结果适用于所有运行平台。 ‧ 它可以体现不同数据量下的算法效率，尤其是在大数据量下的算法性能。 Tip 如果你仍对复杂度的概念感到困惑，无须担心，我们会在后续章节中详细介绍。 复杂度分析为我们提供了一把评估算法效 确定运行平台，包括硬件配置、编程语言、系统环境等，这些因素都会影响代码的运行效率。 2. 评估各种计算操作所需的运行时间，例如加法操作 + 需要 1 ns ，乘法操作 * 需要 10 ns ，打印操作 print() 需要 5 ns 等。 3. 统计代码中所有的计算操作，并将所有操作的执行时间求和，从而得到运行时间。 例如在以下代码中，输入数据大小为 ? ： // 在某运行平台下 fn (6? + 12) ns ： 1 + 1 + 10 + (1 + 5) × ? = 6? + 12 但实际上，统计算法的运行时间既不合理也不现实。首先，我们不希望将预估时间和运行平台绑定，因为算 法需要在各种不同的平台上运行。其次，我们很难获知每种操作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。

‧“时间和空间的增长趋势”表示复杂度分析关注的不是运行时间或占用空间的具体值，而是时间或空间 增长的“快慢”。 复杂度分析克服了实际测试方法的弊端，体现在以下两个方面。 ‧ 它独立于测试环境，分析结果适用于所有运行平台。 第 2 章 复杂度分析 hello‑algo.com 19 ‧ 它可以体现不同数据量下的算法效率，尤其是在大数据量下的算法性能。 � 如果你仍对复杂度的概念感到困惑，无须担心，我们会在后续章节中详细介绍。 确定运行平台，包括硬件配置、编程语言、系统环境等，这些因素都会影响代码的运行效率。 2. 评估各种计算操作所需的运行时间，例如加法操作 + 需要 1 ns ，乘法操作 * 需要 10 ns ，打印操作 print() 需要 5 ns 等。 3. 统计代码中所有的计算操作，并将所有操作的执行时间求和，从而得到运行时间。 例如在以下代码中，输入数据大小为 ? ： // 在某运行平台下 fn (6? + 12) ns ： 1 + 1 + 10 + (1 + 5) × ? = 6? + 12 但实际上，统计算法的运行时间既不合理也不现实。首先，我们不希望将预估时间和运行平台绑定，因为算 法需要在各种不同的平台上运行。其次，我们很难获知每种操作的运行时间，这给预估过程带来了极大的难 度。 2.3.1 统计时间增长趋势 时间复杂度分析统计的不是算法运行时间，而是算法运行时间随着数据量变大时的增长趋势。

设备，⽽不需要开 发⼈员为每个异构设备都编写或编译⼀套单独的代码或程序，从⽽提⾼开发效率； • 更好的安全机制，Docker 之类的容器最让⼈诟病的问题之⼀就是安全性； • 更低的内存和资源消耗，Wasm 运⾏时所需的资源⽐ Docker 之类的容器要少很多； • 更快的冷启动时间，Wasm的冷启动时间为微秒，⽐ Docker 的秒级启动快不少； • 更⼩的运⾏时依赖，Docke 受限的设备上跑起来； Wasm vs Docker • Kubedge? • OpenYurt? • Krustlet? wasm如何分发部署？ 3. HPMQ函数开发说明 HPMQ平台 触发器 公共函数 （⽐如：tb2aws） 私有函数 配置 关联 关联 使⽤流程 编写函数 Hpmqfile OCI镜像 镜像仓库 hpmq-cli build hpmq-cli

学习博客（85篇） • http://rcore-os.cn/blog/ • 重要成果 • 2022：陈林峰《rCore 的龙芯平台移植》 • 2022：唐洪雨《基于Rust语言的嵌入式实时操作系统RFreeRTOS的移植》 • 2022：朱懿《zCore 操作系统容器化的探索》 • 2022：米明恒《操作系统调试器VSCode插件系统架构设计与实现》 • 2023：周子琪/周毅《ArceOS在华山派CV1811H上的移植》

属性有些类似与 spring boot 中的注解，但又有很大不同。首先 java 就是一门 平台无关性的语言。 属性只能用于修饰 rust 中的 item。 rust 中的 item 包括： 1. extern crate 声明 2. use 声明 3. 模块（模块是一个 Item 的容器） 4. 函数 5. type 定义 6. 结构体定义 7. 枚举类型定义 指明这个函数很可能是不会被执行的，因此优化的时候特别对待它。 5.1.2.3 应用于 FFI的属性 extern 块可以应用以下属性  link_args - 指定链接时给链接器的参数，平台和实现相关。  link - 说明这个块需要链接一个 native 库，它有以下参数： o name - 库的名字，比如 libname.a 的名字是 name； o kind -  static - 静态库  framework - OS X 里的 Framework 5.1.2.4 条件编译 有时候，我们想针对不同的编译目标来生成不同的代码，比如在编写跨平台模块时， 针对 Linux 和 Windows 分别使用不同的代码逻辑。 条件编译基本上就是使用 cfg 这个属性，直接看例子 #[cfg(target_os = "macos")] fn

重点项目&热门领域 • 大数据 • 云计算 • 物联网 • 航空航天 • 超级计算机 • 科学运算/机器学习 • 图形图像处理 • 虚拟现实 ……都有系统编程的身影 • 操作系统 • 虚拟机/容器 • 数据库 • 3D游戏引擎 • 网络服务器 • 浏览器引擎 • 编译器、解释器 • 三维建模/动画/渲染 数据中心 • CPU/GPU • 内存/硬盘 • 电力 • 网络流量 • 其他设备和人员维护费用 （路还很长） • 姗姗来迟的11, 小幅改进的14, 眼前的17, 未来的 2x… • 本文后面不再涉及现代C++，因为对其了解有限 系统编程小结 • 系统编程是软件行业的基石 • 很多基础性的、平台性的大中型项目…… • ……或隶属于系统编程，或依赖于系统编程 • 系统编程强调底层控制、运行性能和系统安全 • 当前主流的系统编程语言C/C++在内存安全方面有 重大欠缺 零运行时 Minimal

only show the file names =% main.exe main.pdb main.rs 这展示了扩展名为 .rs 的源文件、可执行文件（在 Windows 下是 main.exe，其它平台是 main），以及当使用 CMD 时会有一个包含调试信息、扩展名为 .pdb 的文件。从这里开始运行 main 或 main.exe 文件，如下： $ ./main # Windows 是 .\main 现在我们有了一个外部依赖，Cargo 从 registry 上获取所有包的最新版本信息，这是一份来自 Crates.io 的数据副本。Crates.io 是 Rust 生态系统中，人们发布其开源 Rust 项目的平台，供 他人使用。 在更新完 registry 后，Cargo 检查 [dependencies] section 并下载列表中包含但还未下载的 crate。本例中，虽然只声明了 rand 一个依赖，然而 package $ ls my-project Cargo.toml src $ ls my-project/src main.rs 运行了这条命令后，我们先用 ls （译者注：此命令为 Linux 平台的指令，Windows 下可用 dir）来看看 Cargo 给我们创建了什么，Cargo 会给我们的包创建一个 Cargo.toml 文件。查看 Cargo.toml 的内容，会发现并没有提到 src/main