从C++转向最受欢迎的Rust语言

发表于 2年以前 | 总阅读数：376 次

在日常开发过程中，若长期使用C++语言，在初次使用Rust的过程中可能会碰到一些问题。本文尝试从C++的角度来说明在使用Rust时需要特别注意的一些地方，特别是其中的思维方式的转变(mind shift)。

不久前 Stackoverflow 网站做了一项有八万多开发人员参与的调查问卷，在“大家最想学习的编程语言”选项中，Rust高居第一。

一、赋值的move语义

（一）C++ vs Rust

C++的赋值操作是copy语义，在不考虑优化的情况下，从语义的角度理解，赋值后内存中的某个对象即变成了两份。修改新的对象并不会对旧对象产生副作用。

而Rust对赋值操作有更加精细的控制，以下两条：

对于所有实现了Copy trait的类型来说，赋值采用了copy语义。
对于其它情况，采用move语义。

在Rust中直接使用编译器来保证了move语义，确保变量的值被移出后，不能被再使用，如下例：


fn main() {
    let mut x = 5;
    let rx0 = &mut x;
    let rx1 = rx0;
    println!("test {}", rx0);
}

会产生编译错误：


error[E0382]: borrow of moved value: `rx0`
 --> src/main.rs:5:25
  |
3 |     let rx0 = &mut x;
  |         --- move occurs because `rx0` has type `&mut i32`, which does not implement the `Copy` trait
4 |     let rx1 = rx0;
  |               --- value moved here
5 |     println!("test {}", rx0);
  |                         ^^^ value borrowed here after move

明确地说明了原因：变量在移动后又被使用了，在哪儿被使用，以及为什么采用了move语义。

而在C++中，可以通过禁用class的拷贝构造函数来达到禁止变量复制的目的。如以下代码是编译不通过的：

#include <memory>

using namespace std;

int main(int argc, const char* argv[]) {
    auto int_p0 = unique_ptr<int>(new int);
    auto int_p1 = int_p0;
    *int_p0 = 5;
    return 0;
}

在clang++中会产生如下错误：

main.cc:8:10: error: call to implicitly-deleted copy constructor of 'std::__1::unique_ptr<int, std::__1::default_delete<int> >'
    auto int_p1 = int_p0;
         ^        ~~~~~~
/opt/llvm/clang-10.0.1/bin/../include/c++/v1/memory:2513:3: note: copy constructor is implicitly deleted because 'unique_ptr<int, std::__1::default_delete<int> >' has a user-declared move constructor
  unique_ptr(unique_ptr&& __u) _NOEXCEPT
  ^

但是只需要将错误行改成如下代码即可以编译通过：

auto int_p1 = std::move(int_p0);

但后果是，程序在对*int_p0进行赋值时会产生coredump。这也是Rust所谓的内存安全性，即只要没有使用unsafe，编译器可以发现内存的错误访问，并拒绝通过编译。

（二）引用&T与可变引用&mut T

还是上面的例子，如果将其中的可变引用改成非可变引用（默认形式的引用），如下代码：


fn main() {
    let x = 5;
    let rx0 = &x;
    let rx1 = rx0;
    println!("test {}", rx0);
}

可以通过编译。Rust的文档中有如下说明：

The following traits are implemented for all &T, regardless of the type of its referent:

Copy
Clone (Note that this will not defer to T’s Clone implementation if it exists!)
Deref
Borrow
Pointer

*&mut T references get all of the above except Copy and Clone
(to prevent creating multiple simultaneous mutable borrows),
plus the following, regardless of the type of its referent:

DerefMut
BorrowMut

&mut T相较于&T少实现了Copy和Clone。因此，对于可变引用&mut T来说，赋值采用的是move语义，而对于普通引用&T来说采用的是copy语义，所以改成普通引用上面的程序就可以编译通过了。

这也是为什么可变引用也被称之为独占引用，因为每次对可变引用的赋值，都意味着旧变量的失效，这就确保了全局只会存在一份可变引用。

Rust在这里体现了语言设计的优雅：赋值操作的语义委托到了类型系统，通过定义基本的机制同时约束了自定义类型与内建类型的行为，在编译期完成检查，而不是需要开发去记忆各种特例。这在不了解语言的时候会产生学习曲线，但是一旦了解了其套路后（Thinking in Rust），可以显著地降低编码过程中的心智负担。

二、Option与空指针

（一）enum与match

在C++中，对于可能存在或不存在的变量，惯常的作法之一是传入指针（包括现代C++中智能指针shared_ptr和unique_ptr），在处理时，通过检查指针是否为空来判断变量是否存在。这是一种非常便利的做法，但是同样的，此方案在编译期无法做更多的检查，最终检查的责任交给了开发。

Rust对此问题主要使用了两个机制：枚举(enum)和模式匹配(match)。相比较C++的enum, Rust的enum更像是C++的union。是 ADT(algebraic data type)中sum types(tagged union)在Rust中的实现。在Rust中enum可能包括一组类型中的一个，如：


enum Message {
  Quit,
  Move {x: i32, y: i32},
  Write (String),
}

上面代码表示，一条消息(Message)可能有三种类型: Quit、Move和Write。当类型为Move或者Write时，还可以带上自己的特定的数据。当处理Message时，则会使用模式匹配机制取得具体类型进行处理：

match message {
  Message::Quit => todo!(),
  Message::Move { x, y } => todo!(),
  Message::Write(info) => todo!(),
}

为了避免在修改了enum的定义后，忘记在match中添加相应的处理，match会在编译期要求分支必须覆盖全部可能的情况。如在Message中新加入一项：

enum Message {
  Quit,
  Move {x: i32, y: i32},
  Write (String),
  Send (String), // 新加入
}

再编译时会出现以下错误，提示开发将Send的处理加入match。

 --> src/main.rs:9:11
  |
1 | / enum Message {
2 | |     Quit,
3 | |     Move { x: i32, y: i32 },
4 | |     Write(String),
5 | |     Send(String),
  | |     ---- not covered
6 | | }
  | |_- `Message` defined here
...
9 |       match message {
  |             ^^^^^^^ pattern `Send(_)` not covered
  |
  = help: ensure that all possible cases are being handled, possibly by adding wildcards or more match arms
  = note: the matched value is of type `Message`

由此可见，在C++中，与其最相似的类型其实是C++17的std::variant，而match机制类似于std::visit。但Rust在这里做得更完善一些，体现在：

相同的子类型可以因为Tag的不同出现多次，如上面的Write和Send，子类型都是String。这是std::variant无法直接做到的，除非再封装一个结构。
match会要求分支覆盖enum所有变体，std::visit也会在编译期检查完整的类型覆盖，但其中类型会考虑C++的隐式类型转换，使用时需要小心。

（二）Option

有了上面的预备知识，现在就可以来了解在Rust中是如何处理空悬指针的问题。先看一下Option的定义：

pub enum Option<T> {
    /// No value
    None,
    /// Some value `T`
    Some(T),
}

在Rust中，对于可选的情景，会定义为该变量类型的Option。假设某函数提供从磁盘读取某个token，该token可能存在或者不存在，那么该函数的定义会是：


struct Token { /*...*/ };

fn load_token() -> Option<Token>;

在使用的时候会采用如下代码：

let token = load_token(); // 此时 token 的类型是 Option<Token>

match token {
  Some(token) => {
    // 注意这里的 token 是由 Some(token) 这个 pattern 匹配出来的
    // 已经覆盖了最外层的 token. 此时 token 的类型是 Token, 已经
    // 确保存在。
    todo!()
  },
  None => todo!()
}

可以看到，对于返回Option的情形，无法直接将Option当作T来处理，只能使用模式匹配机制(match，if let，while let等)**，将T提取出来处理**。这一步强制的机制，确保了对可为空的变量进行检查，避免了对空悬指针的意外访问。

相较于使用指针来表达可选情形，Option的表达力会更丰富一些，因为没有强制将T转成T*，保留了移动优化的可能性；同时，使用专门的类型来表达可选，在语义上也理加精确一些。

了解Haskell的同学可以发现，Option与Maybe如出一辙。事实上，Rust的类型系统，很大程度地受到了Haskell的影响，所以很多地方可以看到Haskell的影子也并不奇怪。学习Haskell对理解Rust也会很有帮助。

最后说明一下，在C++17中加入的std::optional实现了类似的功能。从接口上说还是像智能指针，使用前需要判断，否则对std::nullopt进行dereference还是会产生运行时故障。

三、迭代器Iterator

（一）Iterator在Rust中的地位

Iterator是Rust相对独特的功能。对于Rust来说，采用如下的方式去遍历数组是低效的：


let data = vec![1,2,3,4,5];

for i in 0..data.len() {
  println!("{}", data[i]);
}

因为向安全性的妥协，每次data[i]的操作都会进行边界检查，显然这种检查是不必要的，在性能敏感的场景中也是不可接受的。因此，在Rust中推荐的做法是：

for v in data {
  println!("{}", v);
}

使用迭代器的形式避免了最终取值时的再一次边界检查，同时也更加简洁。由此可见，以地道的Rust风格来说，遍历数组应该使用迭代器来完成，而不是通过遍历下标来进行索引。

对于现代C++ (C++11)来说，也提供了类似的语法方式进行容器遍历：

for (auto&& v: data) {
  // do something for v
}

（二）取得迭代器的三种形式

对于可以迭代的对象，以std::vec::Vec为例，通常会提供三种方式取得迭代器，如下：

iter()：取得元素的引用，即&T，非消耗性。
iter_mut()：取得元素的可变引用，即&mut T，非消耗性。
into_iter()：取得元素的所有权，即T，消耗性。

这里消耗性指的是在迭代完成之后，原来的容器是否还可以继续使用。对于into_iter()来说，在迭代过程中已经将容器中的所有元素所有权全部取得，所以最终容器不再持有任何对象，也同时被drop。因此称之为消耗性的。

（三）IntoIterator

对于一般的迭代形式：

for x in data {}

Rust期望data是一个实现了Iterator的对象。否则，会尝试使用IntoIterator将data转换成Iterator对象。所以对于data: Vec来说，实际展开成了如下代码：

for x in IntoIterator::into_iter(data) { }

这里for ... in语句使用IntoIterator::into_iter获取了目标对象的迭代器。因此，凡是实现了IntoIterator的类型均可以使用for ... in语句进行迭代。

以std::vec::Vec为例，分别为Vec、& Vec和&mut Vec实现了IntoIterator，并分别代理到into_iter()、iter() 和 iter_mut()，以应对上面所说的三种不同迭代形式。如下例（清晰起见，将类型注解加上了）：


let mut data: Vec<i32> = Vec::from([1,2,3,4]);
// 取得引用
for v: &i32 in &data {}
// 取得可变引用
for v: &mut i32 in &mut data {}
// 取得所有权
for v: i32 in data {}

（四）链式调用

在Rust的设计中，利用Adapter可以灵活而高效地通过Iterator来处理集合。

Adapter在Rust中指的是一类函数，它们接收一个Iterator并且返回一个Iterator。这样的接口规范使用可以通过链式调用的方式组合多个Adapter完成复杂的功能。常见的Adapter包括：map、filter以及filter_map等等。

除了Adapter，Rust也提供其它一些函数用于迭代器的最终处理。比如：

count

用于计算元素的个数。

collect

用于收集迭代器中的元素到某个实现了FromIterator的类型中去，比如Vec、VecDeque和String等等。

reduce

使用某个函数对集合进行规约。类似地，也可以使用fold进行有初值的规约。

可以看到，针对迭代器，Rust提供了丰富的函数对其处理，具体可以参考文档。此种编码风格，与旧风格的C++很不一样，转到Rust后在需要对集合进行循环处理的场合，可以有意识地想想，能不能将逻辑写成迭代器的形式，通常可以得到更加简洁的代码，同时，如前面所说，也可能获得性能更高的代码。

最后提一下，C++社区也在积极的采纳此种代码风格，在C++20中，已经将ranges加入标准。其中提供的Range adaptors与Rust的Adapter的概念基本是一样的。如C++的样例代码：

 auto const ints = {0,1,2,3,4,5};
  auto even = [](int i) { return 0 == i % 2; };
  auto square = [](int i) { return i * i; };

  // "pipe" syntax of composing the views:
  for (int i : ints | std::views::filter(even) | std::views::transform(square)) {
    std::cout << i << ' ';
  }

写成Rust则是：

 let ints = vec![0, 1, 2, 3, 4, 5];
  let even = |i: &i32| 0 == *i % 2;
  let square = |i: i32| i * i;

  for i in ints.into_iter().filter(even).map(square) {
    println!("{}", i);
  }

一、惰性求值-Laziness

最后需要提一下的是，对于使用链式调用的方式将各种Adapter组合的Iterator，其求值是惰性的。即，当写下如下代码时：

let v = vec![0,1,2,3,4,5];
v.iter().map(|i| println!("{}", i));

其实并不会去调用println将数据输出。Rust文档的原文是：


This means that just creating an iterator doesn’t do a whole lot.
Nothing really happens until you call next

即，只有调用迭代器的next方法，才会依次触发各级Iterator的求值。这样做的好处是：

（一）性能

考虑如下代码：


let v = vec![0,1,2,3,4,5,6,7,8,9];
let even = |i: &i32| 0 == *i % 2;
let square = |i: i32| i * i;
v.into_iter().filter(even).map(square).take(2);

如果是eager evaluation，前两个Adapter，filter(even)和map(square)会分别先执行10次和5次，最后才是take(2)取到最开始的两个元素。如果这个数组的长度不是10，而100万，那么这里浪费的空间和时间将会是巨大的。同时也会影响响应时间，因为只有前面两步都处理完毕之后，才会进行到最后一步。

而采用lazy evaluation时，执行会由take(2).next()传导到map(square)再到filter(even), 最终不论数组的长度是多少，都只会调用filter(even)3次，map(square)2次。没有产生额外的开销。

（二）无限迭代

惰性求值的另一个好处是，使得无限迭代器成为了可能。考虑如下代码：


let number = 1..; // 这是一个无限迭代器
for n in number.filter(even).take(5) {
  println!("{}", n)
}

不会因为filter(even)的调用而陷入死循环。而是按需取用。使用此种方法，可以使用递推公式实现数列的迭代器, 并支持各种Adapter的组合：


pub struct Fib {
  n0: u64,
  n1: u64,
}

impl Default for Fib {
  fn default() -> Self {
    Self { n0: 0, n1: 1 }
  }
}

impl Iterator for Fib {
  type Item = u64;

  fn next(&mut self) -> Option<Self::Item> {
    let n = self.n0 + self.n1;
    self.n0 = self.n1;
    self.n1 = n;
    Some(self.n0)
  }
}

fn main() {
  let fib = Fib::default();
  let square = |i: u64| i * i;
  for n in fib.map(square).take(10) {
    println!("{}", n);
  }
}