从C++到Rust:编程语言的新趋势

发表时间: 2022-04-19 18:00

作者:孟杰,腾讯 TEG后台开发工程师

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` trait4 |     let rx1 = rx0;  |               --- value moved here5 |     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:CopyClone (Note that this will not defer to T’s Clone implementation if it exists!)DerefBorrowPointer*&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:DerefMutBorrowMut

&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)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 covered6 | | }  | |_- `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<T>的情形,无法直接将Option<T>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<T>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<i32>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<T>、& Vec<T>和&mut Vec<T>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);  }}

五、总结

本文主要是记录自己从C++转向Rust碰到的一些问题,特别是记录两种语言在处理程序设计中基础问题的不同套路。这一篇主要介绍了三个主题:move语义、Option和Iterator。由于笔者写的Rust也不多,所以其中必然会有很多错误与不足,发出来与大家交流,希望大家包涵并不吝指教。

之后也会以同样的形式介绍其它主题,比如当前心里还想着要记录的有:错误处理、生命周期&借用、interior mutability等。接下来自己争取将后面的系列完成。