Rust Book Summary 项目解析:无畏并发编程指南
2025-06-24 06:00:08作者:裘晴惠Vivianne
本文基于 Rust Book Summary 项目中的第16章内容,深入讲解 Rust 语言中并发编程的核心概念和实践方法。Rust 以其"无畏并发"的特性著称,通过所有权系统和类型系统在编译期就能防止数据竞争等问题。
并发编程的挑战
在深入 Rust 并发特性前,我们需要理解并发编程面临的典型问题:
- 竞态条件:线程以不一致的顺序访问数据或资源
- 死锁:两个线程互相等待对方释放资源,导致程序停滞
这些问题在多线程环境中尤为常见,而 Rust 的设计目标就是在编译期就避免这些问题的发生。
Rust 的线程模型
Rust 标准库提供了两种线程模型选择:
-
1:1 模型(原生线程模型):
- 每个语言线程对应一个操作系统线程
- 标准库默认实现
- 优点:更接近操作系统原生行为,性能可预测
-
M:N 模型(绿色线程):
- M 个语言线程运行在 N 个操作系统线程上
- 需要通过第三方库实现(如 tokio)
- 优点:更轻量级,适合高并发场景
线程基础操作
Rust 提供了简洁的线程操作原语:
创建线程
use std::thread;
let handle = thread::spawn(|| {
// 线程执行的代码
});
等待线程完成
handle.join().unwrap();
线程所有权转移
使用 move 关键字将变量所有权转移到线程中:
let v = vec![1, 2, 3];
let handle = thread::spawn(move || {
println!("Vector: {:?}", v); // v 的所有权已转移
});
// 这里不能再使用 v
handle.join().unwrap();
如果不使用 move,编译器会阻止可能导致悬垂引用的代码,这是 Rust 安全并发的重要保障。
线程间通信:消息传递
Rust 采用"不要通过共享内存来通信,而要通过通信来共享内存"的理念,提供了通道(channel)机制:
use std::sync::mpsc; // 多生产者单消费者
let (tx, rx) = mpsc::channel();
thread::spawn(move || {
tx.send("消息".to_string()).unwrap();
});
let received = rx.recv().unwrap();
println!("收到: {}", received);
通道的特性:
- 多生产者,单消费者(mpsc)
- 发送端(tx)和接收端(rx)
- 当任一端被丢弃时,通道自动关闭
- 发送操作会转移所有权,确保线程安全
共享状态并发
虽然消息传递是首选,但 Rust 也支持通过互斥锁(Mutex)共享内存:
use std::sync::{Mutex, Arc};
let counter = Arc::new(Mutex::new(0));
let mut handles = vec![];
for _ in 0..10 {
let counter = Arc::clone(&counter);
let handle = thread::spawn(move || {
let mut num = counter.lock().unwrap();
*num += 1;
});
handles.push(handle);
}
for handle in handles {
handle.join().unwrap();
}
println!("结果: {}", *counter.lock().unwrap()); // 输出 10
关键点:
Arc<T>:原子引用计数,线程安全的智能指针Mutex<T>:提供内部可变性,保证线程安全访问- 必须显式获取和释放锁
- Rust 的类型系统确保你不会忘记加锁
Sync 和 Send 特质
Rust 通过两个标记特质(marker trait)来保证并发安全:
-
Send:
- 表示类型的所有权可以在线程间安全转移
- 大多数 Rust 类型都是 Send
- 例外:如 Rc 不是 Send
-
Sync:
- 表示类型的引用可以安全地在多个线程间共享
- 类型 T 是 Sync 当且仅当 &T 是 Send
- 例如:Mutex 是 Sync
这些特质由编译器自动推导,也可以手动实现(需确保线程安全)。
总结
Rust 的并发模型提供了:
- 安全性:编译时检查避免了数据竞争
- 灵活性:支持消息传递和共享内存两种模式
- 高效性:零成本抽象,性能接近底层实现
通过本章学习,开发者可以掌握 Rust 中安全高效的并发编程方法,充分利用多核处理器的计算能力,而不用担心常见的并发陷阱。
登录后查看全文
热门项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust015
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
630
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
910
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
947
888
暂无简介
Dart
922
228
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
303
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
634
217
openGauss kernel ~ openGauss is an open source relational database management system
C++
183
260