Windows-RS项目中OutRef参数在生成绑定中的使用指南
2025-05-21 02:13:32作者:翟江哲Frasier
在Windows-RS项目中,处理COM接口中的out参数是一个常见的需求。本文将详细介绍如何在Rust中正确实现包含out参数的Windows运行时类,特别是关于OutRef类型的使用演变过程。
背景介绍
在Windows Runtime (WinRT)开发中,out参数是一种常见的模式,用于从方法调用中返回额外的数据。在Rust的Windows-RS绑定中,这类参数最初是通过可变引用Option类型来表示的。
原始实现方式
在早期版本的Windows-RS绑定生成器中,对于如下的IDL定义:
runtimeclass Simple {
void Repeat(UInt8 input, out IVectorView<UInt8> output);
}
生成的Rust trait会使用Option类型的可变引用来表示out参数:
pub trait ISimple_Impl: Sized {
fn Repeat(
&self,
input: u8,
output: &mut Option<windows::Foundation::Collections::IVectorView<u8>>,
) -> windows_core::Result<()>;
}
开发者需要这样实现该方法:
impl ISimple_Impl for MySimple {
fn Repeat(
&self,
input: u8,
output: &mut Option<IVectorView<u8>>,
) -> windows_core::Result<()> {
// 创建并填充IVectorView
let result = /* 创建IVectorView的逻辑 */;
*output = Some(result);
Ok(())
}
}
OutRef类型的引入
随着项目的发展,Windows-RS引入了更专业的OutRef类型来更好地表示out参数。OutRef提供了更类型安全的方式来处理COM接口中的输出参数,特别是对于需要返回接口指针的情况。
在最新版本中,绑定生成器已经更新为使用OutRef类型:
pub trait ISimple_Impl: Sized {
fn Repeat(
&self,
input: u8,
output: OutRef<IVectorView<u8>>,
) -> windows_core::Result<()>;
}
对应的实现方式变为:
impl ISimple_Impl for MySimple {
fn Repeat(
&self,
input: u8,
output: OutRef<IVectorView<u8>>,
) -> windows_core::Result<()> {
let result = /* 创建IVectorView的逻辑 */;
output.write(result);
Ok(())
}
}
技术要点
-
类型安全:
OutRef提供了比原始指针更安全的抽象,减少了空指针和类型错误的风险。 -
所有权明确:通过
write方法明确表示了所有权的转移,符合Rust的所有权模型。 -
向后兼容:虽然推荐使用新的
OutRef方式,但旧的Option引用方式仍然有效,确保了现有代码的兼容性。
最佳实践建议
-
对于新项目,建议使用最新的Windows-RS版本并采用
OutRef方式处理out参数。 -
如果维护现有代码,可以逐步将Option引用方式迁移到
OutRef方式。 -
在处理复杂类型时,
OutRef能提供更好的编译时检查和更清晰的代码意图表达。
通过理解这些变化和最佳实践,开发者可以更安全高效地在Rust中实现Windows运行时组件,特别是那些需要返回复杂数据的接口。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146