AWS SDK for Rust 加密后端演进:从Ring到aws-lc-rs
在AWS SDK for Rust的发展历程中,加密后端的选型一直是一个重要议题。本文将深入探讨该SDK从最初使用Ring加密库到最终采用aws-lc-rs作为默认后端的完整技术演进过程。
背景与需求
AWS SDK for Rust最初采用了Ring作为其默认的加密后端。Ring是一个纯Rust实现的加密库,以其安全性和性能著称。然而,随着AWS自身加密库aws-lc-rs的成熟,开发团队开始考虑将其作为替代方案。
aws-lc-rs基于AWS Libcrypto(aws-lc),这是一个源自Google BoringSSL和OpenSSL的加密库。相比Ring,aws-lc-rs在某些场景下展现出更好的性能表现,并且作为AWS官方维护的项目,与AWS服务的集成度更高。
技术决策过程
迁移到aws-lc-rs的提议引发了社区和开发团队的多方面讨论,主要考虑因素包括:
- 构建依赖:aws-lc-rs需要cmake作为构建依赖,在某些环境下可能增加使用门槛
- 平台兼容性:特别是对ARM架构和旧版Linux发行版的支持
- FIPS合规性:FIPS模式需要Go工具链,增加了构建复杂度
- 社区偏好:部分开发者倾向于纯Rust实现的解决方案
开发团队经过充分讨论后,决定不采用特性开关(feature flag)的方案来支持多后端,而是保持SDK一贯的简洁设计理念,最终选择将aws-lc-rs作为默认后端。
实现方案
对于需要使用不同HTTP客户端的场景,SDK提供了灵活的配置方式。开发者可以通过HyperClientBuilder来指定加密模式:
use aws_smithy_experimental::hyper_1_0::{CryptoMode, HyperClientBuilder};
let http_client = HyperClientBuilder::default()
.crypto_mode(CryptoMode::AwsLc) // 可选择Ring/AwsLc/AwsLcFips
.build_https();
这种设计既保持了API的简洁性,又为特殊需求提供了定制能力。开发者可以将自定义的HTTP客户端设置到共享配置或服务配置中,实现细粒度的控制。
兼容性与问题解决
在迁移过程中,团队特别关注了以下方面的兼容性:
- 构建系统:aws-lc-rs团队持续优化构建过程,减少对外部工具的依赖
- 跨平台支持:针对ARM等架构进行专门适配
- 性能调优:确保新后端在各种工作负载下都有良好表现
对于遇到的问题,团队鼓励社区通过issue系统进行反馈,以加速问题的发现和解决。
开发者建议
对于考虑使用新后端的开发者,建议:
- 在非关键业务场景先行试用,观察稳定性
- 关注构建环境要求,确保具备必要的构建工具
- 及时反馈遇到的问题,帮助完善生态系统
随着aws-lc-rs成为默认后端,AWS SDK for Rust在加密功能方面迈入了新的发展阶段,为开发者提供了更强大、更高效的加密能力支持。这一变化也体现了AWS对Rust生态的持续投入和优化。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00