内容提要
本期Rust日报要点:Brrrty用Rust重建11ty站点,输出与11ty字节级一致;新一代trait solver、Polonius借用检查器和编译器前端并行持续推进;Tyr将Panthor GPU驱动移植到Rust;Qdrant在ESP32-S3裸机上以no_std Rust运行文本嵌入模型;InkDB从零实现可读写SQLite文件的关系型数据库;CGP发布v0.8.0,新增错误工具链cargo-cgp与命名空间;puns在编译期证明安全类型双关;Jiff发布1.0,以时区为中心;另有博文质疑Mutex默认毒化设计。
延伸解读
Brrrty 的字节级兼容策略
Brrrty 用 Rust 重写 11ty 站点构建,核心卖点是输出与 11ty 3.1.8 字节级一致。它通过移植 LiquidJS、Nunjucks 等依赖来匹配输出,测试超过 1,400 个。无法完全一致时,它会拒绝构建该页面并给出文件与行号,而不是写出可能有差异的结果。这种保守策略降低了迁移风险,但也意味着未移植的配置项会阻塞部分页面,适合先在站点副本上试用。
Tyr 移植 GPU 驱动的难点
Tyr 将 C 写的 Panthor GPU 驱动移植到 Rust,保留用户态 API,但内核内部有较大改动。例如驱动需要重做对不同固件版本的处理,让多个版本并存;提交模型被简化,作业生命周期编码进类型系统。内存映射上,Rust 绑定要求驱动先记录映射才能报告成功。文章指出,相比补齐内核 API 缺口,找到同时熟悉 Rust 和 Linux 图形栈的审阅者是更大困难。
ESP32 上跑嵌入模型的取舍
Qdrant 在 ESP32-S3 上以 no_std Rust 运行静态嵌入模型 potion-base-2M,模型约 7.5MB,能放进 16MB flash。静态嵌入本质是查找表,推理只需分词、按 token ID 取向量、mean pooling 和可选归一化,无需 PyTorch。板上嵌入 10 到 12 个 token 约 1.2 ms,每秒约 830 次,远慢于 Mac 的每秒 1.1 万到 1.5 万次,但内存少约 3000 倍。这是小规模实验,用于观察检索直接跑在边缘设备上的情况。
InkDB 的 SQLite 兼容边界
InkDB 用 Rust 从零实现关系型数据库,能打开并写入真实 SQLite 文件。新建 .db 文件采用 SQLite 格式,在已支持的 SQL 与文件格式范围内仍可由 SQLite 读取;.inkdb 则使用自有文件头,SQLite 无法打开。它支持 SQLite 的 SQL 子集,事务使用 DELETE 模式的 rollback journal 而非 WAL,实现更简单但限制读写并发,目前只允许一个写入者,并发访问尚未支持。存储代码中某些非法页面会触发 panic 而非返回错误。
Q&A
Tyr 是什么?它和 Panthor 驱动有什么关系?
Tyr 是用 Rust 对 Panthor 的移植。Panthor 是用 C 编写的 Linux GPU 驱动。Tyr 保留了 Panthor 的用户态 API,但内核内部有更值得注意的改动,例如简化提交模型、把作业生命周期编码进类型系统,并重构部分组件为新的抽象。
Brrrty 如何保证与 11ty 站点的输出字节级兼容?
Brrrty 将输出与真实的 11ty 3.1.8 按字节比较,测试夹具的期望结果来自在无网络 Docker 中运行的 11ty 本身,测试超过 1,400 个。当无法与 11ty 完全一致时,Brrrty 会拒绝该页面、说明原因并给出文件与行号,同时继续构建其余页面,不会写出可能存在差异的页面。
在 ESP32-S3 上运行文本嵌入模型面临哪些限制?Qdrant 是如何解决的?
限制来自模型体积和推理方式:8-bit 量化的 EmbeddingGemma-2 约占 310MB,是芯片 flash 的 19 倍;transformer 推理依赖大矩阵乘法和 PyTorch 等库。Qdrant 使用 no_std Rust 运行静态嵌入模型 potion-base-2M(约 7.5MB),它是一张查找表,推理只需分词、按 token ID 读取对应行、做 mean pooling 和可选的 L2 归一化,无需 torch,几百行代码即可。
InkDB 支持哪些 SQL 功能?它的查询执行流程是怎样的?
InkDB 支持 SQLite 的子集,包括 CREATE TABLE、CREATE INDEX、DROP TABLE、DROP INDEX、INSERT、SELECT、UPDATE、DELETE、BEGIN、COMMIT、ROLLBACK 和 EXPLAIN,以及表达式、约束、COUNT、WHERE、一个 ORDER BY 表达式和 LIMIT。查询路径为 SQL → Planner → Executor → B-tree → Pager → Disk:编译器负责词法和语法分析,分析器解析名字并对照 schema 检查,规划器生成计划,执行器使用 Volcano 模型逐行拉取结果。
CGP v0.8.0 新增的 cargo-cgp 工具链解决了什么问题?
CGP 的冗长难懂的编译错误一直是采用它的主要障碍,错误可能指向宏展开后的生成代码,离实际写错的位置很远。cargo-cgp v0.1.0 按所写代码解释这些错误:cargo cgp check 会通过相关字段、组件和 provider 说明缺失的依赖,并先给出根因;cargo cgp expand 可以展示宏生成的 Rust。它目前还不能改写每一类错误,部分错误仍以编译器原文出现。
puns 库如何在不使用 unsafe 的情况下实现安全的类型双关?
puns 在编译期比较两种类型的大小、对齐、填充以及每个字节可以取的值,据此决定双关是否成立。若源类型的每个值都是合法目标,转换在编译期得到证明,编译结果不含指令;若只有部分值合法,由 try_ 或 from_ 函数在运行时只检查未能证明的部分;若永远不可能合法、会读到填充或会让安全代码写入非法值,则无法编译并给出说明。调用方不写 unsafe,也不实现任何 trait,加上 #[derive(Pun)] 即可。
Jiff 1.0 在时区处理上有什么特点?它被哪些项目用于生产?
Jiff 将时区放在 API 的中心,从而自动处理许多与夏令时相关的常见问题,并尽量把复杂性封装进库里,使用户不容易出错。它已在 uv、Cargo、Starship、fd、Nushell、mise、Jujutsu 和 uutils/coreutils 等项目中用于生产,也是 AWS LLRT 中 Temporal 实现的基础。
为什么有作者认为 Rust 的 Mutex 默认毒化设计不适合大多数应用?
作者认为毒化对大多数应用是错误选择:它让一般情况的性能变差,妨碍可读性,还鼓励人为应付这种古怪行为写出糟糕的代码模式;它所针对的只是小众问题,而且连更一般的问题也没有解决。多数临界区只是一次赋值或中间不存在非法状态,毒化却拖累每一处本来很便宜的加解锁。作者主张默认行为应让常见情况容易做到,让少见情况仍然可能,支持为真正需要的场景提供 Poison 包装。