................................................................................... 48 4.3.1 泛型参数约束...................................................................... 48 4.3.2 trait 与内置类型 ..... 绑定 首先必须强调下，准确地说 Rust 中并没有变量这一概念，而应该称为标识符， 目标资源(内存，存放 value)绑定到这个标识符。 { let x: i32; // 标识符 x, 没有绑定任何资源 let y: i32 = 100; // 标识符 y，绑定资源 100 } Rust 并不会像其他语言一样可以为变量默认初始化值，Rust 明确规定变量的初 中，和“绑定”概念相辅相成的另一个机制就是“转移 move 所有 权”，意思是，可以把资源的所有权(ownership)从一个绑定转移（move）成另 一个绑定，这个操作同样通过 let 关键字完成，和绑定不同的是，=两边的左值 和右值均为两个标识符： 语法： let 标识符 A = 标识符 B; // 把“B”绑定资源的所有权转移给“A” move 前后的内存示意如下： Before move:

器上进行测试，统计平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 2.1.2 理论估算 由于实际测试具有较大的局限性，因此我们可以考 为渐近复杂度分析（asymptotic complexity analysis），简称复杂度分析。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应时间复杂度（time complexity）和空间复杂度（space complexity）。 ‧“随 。 2.5 小结 1. 重点回顾 算法效率评估 ‧ 时间效率和空间效率是衡量算法优劣的两个主要评价指标。 ‧ 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 ‧ 复杂度分析可以消除实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可

试，统计 平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 2.1.2 理论估算 由于实际测试具有较大的局限性，因此我们可以考 为渐近复杂度分析（asymptotic complexity analysis），简称复杂度分析。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应时间复杂度（time complexity）和空间复杂度（space complexity）。 ‧“随 。 2.5 小结 1. 重点回顾 算法效率评估 ‧ 时间效率和空间效率是衡量算法优劣的两个主要评价指标。 ‧ 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 ‧ 复杂度分析可以消除实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可

器上进行测试，统计平均效率，而这是不现实的。 另一方面，展开完整测试非常耗费资源。随着输入数据量的变化，算法会表现出不同的效率。例如，在输入 数据量较小时，算法 A 的运行时间比算法 B 短；而在输入数据量较大时，测试结果可能恰恰相反。因此，为 了得到有说服力的结论，我们需要测试各种规模的输入数据，而这需要耗费大量的计算资源。 2.1.2 理论估算 由于实际测试具有较大的局限性，因此我们可以考 asymptotic complexity analysis」，简称「复杂度分析」。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应「时间复杂度 time complexity」和「空间复杂度 space complexity」。 ‧ 49 2.5 小结 1. 重点回顾 算法效率评估 ‧ 时间效率和空间效率是衡量算法优劣的两个主要评价指标。 ‧ 我们可以通过实际测试来评估算法效率，但难以消除测试环境的影响，且会耗费大量计算资源。 ‧ 复杂度分析可以消除实际测试的弊端，分析结果适用于所有运行平台，并且能够揭示算法在不同数据 规模下的效率。 时间复杂度 ‧ 时间复杂度用于衡量算法运行时间随数据量增长的趋势，可以有效评估算法效率，但在某些情况下可

重用: cargo 和 crate • 干净宏->简化静态分析 12 RUST的安全哲学 • 尝试把系统正确性证明整合到语 ⾔言本身当中 • Rust有严格的安全约束，也可以 把编译时约束转移到运⾏时（例 如Mutex，RefCell），也允许程序 员显式地指出不安全（unsafe块）， 并使⽤安全封装和管理不安全 • unsafe块是一个精妙的设计，在你 想偷懒破坏安全性时给你带来⼩ 时常会忘记加锁,当锁离开作用域时自动释放, 防 止造成死锁 • Rust 提供了unsafe 这种块能够做不安全但必须的事 情如指针算术. 但不安全的代码越少越好 14 RUST的运行时约束： 所有权机制和资源管理 • RefCell – borrow() – borrow_mut() • Mutex – lock() • Dirty – borrow()

为我们调用一个特殊的函数。这个函数叫做 drop，在这里 String 的作 者可以放置释放内存的代码。Rust 在结尾的 } 处自动调用 drop。 注意：在 C++ 中，这种 item 在生命周期结束时释放资源的模式有时被称作 资源获取 即初始化（Resource Acquisition Is Initialization (RAII)）。如果你使用过 RAII 模式的 话应该对 Rust 的 drop 函数并不陌生。 {s1}, s2 = {s2}"); 这段代码能正常运行，并且明确产生图 4-3 中行为，这里堆上的数据确实被复制了。 当出现 clone 调用时，你知道一些特定的代码被执行而且这些代码可能相当消耗资源。你很容 易察觉到一些不寻常的事情正在发生。 只在栈上的数据：拷贝 这里还有一个没有提到的细节。这些代码使用了整型并且是有效的，它们是示例 4-2 中的一部 分： let x = 5; “可派生的 trait”。 那么哪些类型实现了 Copy trait 呢？你可以查看给定类型的文档来确认，不过作为一个通用的 规则，任何一组简单标量值的组合都可以实现 Copy，任何不需要分配内存或某种形式资源的 类型都可以实现 Copy 。如下是一些 Copy 的类型： • 所有整数类型，比如 u32。 • 布尔类型，bool，它的值是 true 和 false。 • 所有浮点数类型，比如 f64。

. . . . . . . . . . . . . . . . . . . . . . . 346 XV 结束语 351 67 谢谢！ 352 68 词汇表 353 69 其他 Rust 资源 357 70 鸣谢 358 9 欢迎来到 Comprehensive Rust build passing contributors 303 stars 28k 这是一门由 Android 被广泛用于各种设备中： – 固件和引导程序， – 智能显示器， – 手机， – 桌面， – 服务器。 Rust 和 C++ 适用于类似的场景： • 极高的灵活性。 • 高度的控制能力。 • 能够在资源匮乏的设备（如手机）上运行。 • 没有运行时和垃圾收集。 • 关注程序可靠性和安全性，而不会牺牲任何性能。 4.2 Rust 的优势 Rust 有一些独特的卖点： 23 • 内存安全：在编译时可防止所有类内存 ("dog", 1), ("cat", 2))); } • Rust 会根据参数类型和返回值推理出 T 的类型。 • 这与 C++ 模板类似，但 Rust 会立即编译部分通用函数，因此该函数必须对所有符合约束条件的类 型都有效。例如，请尝试修改 pick 函数，如果 n == 0，则返回 even + odd。即使仅使用带有整 数的“pick”实例化，Rust 仍会将其视为无效。C++ 可让您做到这一点。

为我们调用一个特殊的函数。这个函数叫做 drop ，在这里 String 的 作者可以放置释放内存的代码。Rust 在结尾的 } 处自动调用 drop 。 注意：在 C++ 中，这种 item 在生命周期结束时释放资源的模式有时被称作 资源获取 即初始化（Resource Acquisition Is Initialization (RAII)）。如果你使用过 RAII 模式的 话应该对 Rust 的 drop 函数并不陌生。 s1, s2); # } 这段代码能正常运行，并且明确产生图 4-3 中行为，这里堆上的数据 确实 被复制了。 当出现 clone 调用时，你知道一些特定的代码被执行而且这些代码可能相当消耗资源。你很 容易察觉到一些不寻常的事情正在发生。 只在栈上的数据：拷贝 这里还有一个没有提到的小窍门。这些代码使用了整型并且是有效的，它们是示例 4-2 中的一 部分： # fn main() { trait”。 那么哪些类型实现了 Copy trait 呢？你可以查看给定类型的文档来确认，不过作为一个通用的 规则，任何一组简单标量值的组合都可以实现 Copy ，任何不需要分配内存或某种形式资源的 类型都可以实现 Copy 。如下是一些 Copy 的类型： • 所有整数类型，比如 u32 。 • 布尔类型，bool ，它的值是 true 和 false 。 • 所有浮点数类型，比如

需要大批量部署，必须控制硬件成本 • 受限于成本控制，硬件性能不强 • 受限于电池供电，功耗不能高 这就要求系统和应用软件要高效利用硬件 程序运行在VM上，或后台跑GC 白白浪费了宝贵的CPU和内存资源 Rust在系统编程领域 面临极其强大的竞争对手 嵌入式 C/Rust 系统编程 C/C++/C++1x/Rust Web开发 Java/Php/Python/Js 其他领域 （通俗地说） Zero-cost abstractions • 无垃圾收集器（GC） • 无虚拟机（JVM/.Net） • 无解释器（Python/JS） • 运行效率很高（与C语言相当） • 充分高效利用CPU和内存等系统资源 零运行时 零开销原则/zero-overhead principle • What you don't use, you don't pay for • What you do use, • “没有GC”居然被当作一项特性（20年来GC几乎是标配） • GC的优势：简化内存管理，基本保证内存安全 • GC的劣势：运行时开销较大，占用CPU和内存较多 • GC不能管理内存以外的其他资源(file/socket/stream) • 在系统编程领域，GC的运行时开销几乎难以容忍 • GC的终极目的是安全地释放内存 • Rust通过Ownership和RAII也能达到此目的，且性能更好

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 ⽤户
 触发 ⽂件
 更改 frontend 12h shopping-cart 15m catalogue 3d ⽂件
 更改 ⽤户
 kube-rs 编写 Kubernetes Controller 及资源操作 Operator （CRD Controller） Cluster CRD reconcile Reconcile Period (60s) Kubernetes 资源布局示意 kube-rs： Kubernetes 资源操作 使⽤⾃定义资源时，通过 kube-derive 的 proc_macros ⾃动⽣成代码。