提到 Rust，国内首先联想到的公司就是 PingCAP。除了贡献各种好用的库外，PingCAP 的 TiKV 证明了使用 Rust 开发大型数据库系统的可行性。根据 loc 统计，TiKV 代码量大概在二十多万行左右：

--------------------------------------------------------------------------------
 Language             Files        Lines        Blank      Comment         Code
--------------------------------------------------------------------------------
 Rust                   754       278023        27225        19027       231771
 JSON                     7        56136            0            0        56136
 Toml                    60         4410          554          786         3070
 Markdown                 9         1505          316            0         1189
 YAML                     2          393           27            0          366
 Makefile                 2          405           76          121          208
 C                        1          204           14           29          161
 Bourne Shell             7          266           47           65          154
 Python                   1          128           16           12          100
 Docker                   1          110           24           25           61
--------------------------------------------------------------------------------
 Total                  844       341580        28299        20065       293216
--------------------------------------------------------------------------------

此次 PingCAP 带来的演讲是一个小巧精悍的追踪库 minitrace，主要思路：

1. 避开调用标准库 Instant::now 的开销（25ns），直接调用 TSC 指令（x86 架构下，单次耗时 5ns）

2. 通过绑线程（sched_setaffinity）的方式，同步多线程的时间获取

3. 在收集时，首先通过 thread_local 进行线程内收集，然后在批量收集多个线程内的结果

minitrace 时间在多个线程中同步

minitrace 采用 local + batch 方式收集

关于 TiKV 更多的技术介绍，可以参考其官方博客。

from Ant Group (蚂蚁集团)

这个演讲是我们组的，基于对「安全」、「高性能」的追求，选择了 Rust 来构建时序数据库，主要有以下几点实践经验：

1. 针对 LSM 类型存储引擎优化编码。 timestamp+series_id or series_id+timesample

2. 查询时合并小请求，减少不必要的线程切换

3. 充分利用内存。借鉴 Facebook Gorilla 实现内存时序数据库，并且支持毫秒精度与更新。

在使用 Rust 的过程中，遇到过下面几个坑：

1. 忽视 match 作用域，导致死锁，具体可参考：Drop order in Rust: It's tricky

2. match enum 时使用全匹配，导致业务逻辑变更时部分分支出现 bug

3. 误认为 None 大小为 0

建议读者在项目中开启 clippy 检查来保障代码质量。

from Jin Mingjian (金明剑)

TensorBase 是讲师个人项目，一个高性能、低成本的数据仓库。讲师具备多年相关领域经验。比较遗憾的是演讲时间较短，很多点都是“蜻蜓点水”，没有深入讲述。

讲师首先分析了现代软硬件的现状足以满足数据仓库的需求，比如内存容量不再是瓶颈；新一代的硬件 NVME SSD 性价比也不再让企业望而却步；程序员需要刷新对现代硬件的认识：

• Tens of Billion calculations done in one second for a single modern core, trillions/s for single package

• Scalability does not mean high performance, and possibly be low performance and thus cost expensive

• Petabytes(PB) level Data can be hold in a single modern node

• Current OLAPs are far from taking use of the full capabilities of modern CPU

• Speed of IO is on par with or faster than that of memory (in throughput)

• In memory OLAP is economically cost prohibitive for massive data analysis

在架构相关内容里，介绍的相关技术也是数据库领域中比较成熟的技术，比如 JIT 编译、查询改写（对于文稿中 Layered IR），不清楚 TensorBase 是如何做到比 ClickHouse 有四五倍的性能提升。GitHub 上开源版本的 loc 只有八千行，不像是完整代码，而且讲师也提到写入流程是用 Rust 实现，而查询部分是用 C++/Rust 混合实现的，C++ 的部分目前应该没有开源出来。

最后讲师介绍了 Engineering Rust 的一些经验，总的来看，Rust 作为底层的系统语言，提供了很多高级语言具备的功能，比如 cargo 包管理、过程宏定义 DSL、零成本与 C 交互、禁止类型隐式转化，但 Rust 作为一门年轻的语言，也存在一些工程化的问题，主要有：

• 过程宏学习成本高、调试难。可参考 #54140

• 没有一个好用的错误处理。可参考 Rust: Structuring and handling errors in 2020

• 生命周期使得编程更困难，代码更复杂。讲师这里推荐 Always recommends: to dance with, rather than to evade ，不清楚讲师是怎么 dance 的😂，个人感觉一但把 struct 内的一个成员改为引用，代码写起来就非常恶心，rust-analyzer 核心开发者的一篇博客 Encapsulating Lifetime of the Field 提出一个规避方法，但感觉也不是很理想。讲师这里提到 TensorBase 用了两种策略来规避生命周期的问题：

  1. Arena allocator: TensorBase IR

  2. Unsafe into C: TensorBase kernel algorithms in C

• 缺少 happen-before 内存模型。Channel 通过消息传递的方式来解决线程安全，对于高性能应用来说消息传递带来的拷贝代价太高，需要用 communicate by sharing memory 的方式来实现线程安全，目前 Rust 里面只能使用锁（Mutex），但锁的性能损耗比较高。Java 里面 happen-before 的内存模型则可以避免加锁的问题。可参考：

通过上面的内容可以看出讲师有非常深厚的功力，后面会持续关注这个项目的发展，争取揭开 TensorBase 的神秘面纱。

DatenLord 是此次大会最为“硬”核的分享。DatenLord 和 TensorBase 的出发点类似，一开始都讲述了现代硬件性能已经越来越强劲，Linux 内核中的模块已经无法充分利用其性能的前提，直接在通过用户态编写存储来绕过内核。这里有必要贴一下 Google 大神 Jeff Dean 提出的 Numbers Everyone Should Know，不过随着时间推移，这里面的数字可能已经不准确，因为有人制作了不同年份的可视化网站来展示：

讲师这里也提到了使用 Rust 进行系统编程的体验，和上面的总结差不多：

讲师也尝试使用 Rust 直接进行硬件编程，由于 LLVM 支持编译输出硬件描述语言 HDL，理论上这条路是可行。由于我对这块了解不多，这里不再过多介绍。DatenLord 开源版本的 loc 在一万行左右

--------------------------------------------------------------------------------
 Language             Files        Lines        Blank      Comment         Code
--------------------------------------------------------------------------------
 Rust                    29        16621         1187         2401        13033
 YAML                     3         1299           33          190         1076
 Protobuf                 2         1522          186          891          445
 Markdown                 2          256           60            0          196
 Toml                     3          111            9            2          100
 Bourne Shell             2           98           18            6           74
 Docker                   1           24            4            0           20
 INI                      1           26            4            4           18
--------------------------------------------------------------------------------
 Total                   43        19957         1501         3494        14962
--------------------------------------------------------------------------------

from Tsinghua University

除了上面这个演讲外，清华还有一个 《rCore：Rust 操作系统内核的探索 + MadFS：小巧精悍的分布式文件系统》的演讲，也是操作系统范畴，这里归为一个。

Linux Kernel 发展多年，代码行数已有 26,132,637 行(2018)，由于内核是采用“不安全”的 C 编写，导致在如此庞大的系统中很难发现漏洞，因此业界一直在探索其他架构，比如微内核、多内核（Barrelfish/HeliOS）、LibOS、ByPass Kernel。 rCore 是清华内部自主开发，用于探索使用 Rust 构建基于 RISC-V 架构的操作系统，目前主要用于教学。

Google 在 16 年推出的 Fuchsia 操作系统，其内核 Zircon 采用微内核架构，Rust 虽然是 Fuchsia 的开发语言之一，但在 Fuchsia Programming Language Policy 明确提到没在 Zircon 中使用

The Zircon kernel is built using a restricted set of technologies that have established industry track records of being used in production operating systems.

2020 年，清华的师生开始研究 Zircon，在 rCore 的基础上开发 zCore，兼容 Zircon。没想到清华的教学这么先进！给清华的师生点赞👍

在 Fuchsia 中，Rust 的 loc 达到两百万，可见 Rust 在 Fuchsia 中被重度使用，那 Linux 支持 Rust 还远嘛？

--------------------------------------------------------------------------------
 Language             Files        Lines        Blank      Comment         Code
--------------------------------------------------------------------------------
 Rust                  9581      2871035       274625       451417      2144993
 C++                   8288      1894913       302681       174482      1417750
 C/C++ Header          6940       843845       141523       186451       515871
 C                     1740       373956        51463        54478       268015
 Markdown              2250       239850        62565            0       177285
 Go                     967       184602        21912        17231       145459
 Assembly               237       151035        15983         5621       129431
 Plain Text             310       131606        15886            0       115720
.....省略其他统计...
--------------------------------------------------------------------------------
 Total                33694      7037849       923999       942500      5171350
--------------------------------------------------------------------------------

from Parity Asia

主要分享了 newtype/builder 设计模式，然后对“宏”元编程进行了大笔墨介绍。对于接触过 Lisp 的我来说，宏是在熟悉不过的了。Rust 的宏相比 C/C++ 中简单的文本替换来说无疑是巨大进步，但是由于 Rust 语法不具备同像性（homoiconicity），导致写宏的过程比较痛快，需要去区分 ident/item/block 等语法单元，对于简单的宏还好，对于稍微复杂一点 DSL，就没有可读性了。

印象中本次大会还有四五个演讲也提到了宏的便利性，但希望读者能意识到宏带来的 调试复杂性 ，慎重使用。这里分享一个创建 map 的宏（与 vec 类似）：

#[macro_export]
macro_rules! map(
  { $($key:expr => $value:expr),+ } => {
      {
          let mut m = ::std::collections::HashMap::new();
          $(
              m.insert($key, $value);
          )+
          m
      }
   };
);
// 使用方式
map!{ "a" => 1, "b" => 2 }

from Solana

BPF 是新一代的程序诊断工具，相当于在 Linux 内核中嵌入了一个锚点，可以执行用户编写的脚本程序，最初用来捕获数据包，后来功能逐渐增加，诞生了像 BCC 这样的开发套件简化 BPF 的编写。

来自 Solana 的工程师分享了如何在其区块链上嵌入使用 Rust 编写的 BPF 虚拟机来支持智能合约（如果把区块链比做数据库，那么智能合约大概相当于 UDF）。根据需求，在社区开源版本的基础上，做了下面几个修改：

• 分叉 LLVM 改变 BPF 后端，主要包括：栈帧大小、函数参数数目、跨函数访问栈帧

• 分叉 rustc，增加 BPF 目标，定制标准库

与区块链相关的其他演讲还有下面几个，这里不做讲述，感兴趣读者可自行阅读。

• 《Rust, RISC-V 和智能合约》from 秘猿科技

• 《经验教训-使用 Rust 构建去中心关键任务系统》from Near & Cdot

• 《用过程宏简化 Rust 代码》from 猎币科技(Bifrost)

StratoVirt 是一个面向面向云数据中心的企业级虚拟化平台，实现了一套架构，支持虚拟机、容器、Serverless三种场景。 一些 Rust 工程经验：

• 单线程 epoll 处理 IO：降低内存开销

• 使用 error_chain 处理错误，代码优雅。PS：这是唯一一个说 Rust 错误处理优雅的 😂

缺点和其他讲师差别不多，集中在 Unsafe/锁的使用与性能上，此外还提到了热补丁技术，对于企业级虚拟化平台来说，能够在线打补丁是非常重要的。 讲师这里还提到 Rust 语言的一个不足，即 trait object 不能组合，即 Box<Write + Read> 是不允许的，与此相关的问题还有：subtrait 不能转为 trait 类型。

这两个问题其实是一致的，与 Rust trait object 实现机制有关，更准确的说是 vtable 的实现，这个话题比较复杂，这里不展开讨论，感兴趣的读者可阅读下面的链接：

目前的解法

• 对于不能组合的问题，可以通过定义另外一个 trait object 来解决

• 对于不能转化的问题，通过定义个 AsTrait 来解决，可参考这里。

StratoVirt 代码量在 2 万行左右。

--------------------------------------------------------------------------------
 Language             Files        Lines        Blank      Comment         Code
--------------------------------------------------------------------------------
 Rust                    68        24287         2632         4564        17091
 Markdown                 7         1324          330            0          994
 Toml                     6          147           23            3          121
 JSON                     1           21            0            0           21
 Makefile                 1           11            2            0            9
--------------------------------------------------------------------------------
 Total                   83        25790         2987         4567        18236
--------------------------------------------------------------------------------

该讲师从宏观角度谈了华为对 Rust 的探索，包括：代码自动生成、支持 AArch64 指令集，在 Rust 社区方面，起草相关编码规范，安全代码度量工具 geiger 等。

华为对 Rust 语言和技术的一些探索

虽然这个演讲只有十几分钟，但是能感觉到华为对 Rust 的投入。此外华为还有下面两个演讲，这两个方向不是很了解，这里不再讲述。

• 《Rust 和 ROS 机器人开发》

• 《Rust 数值计算生态盘点》