在Neon中实现Rust与JavaScript的非阻塞回调交互
2025-05-28 08:57:07作者:羿妍玫Ivan
背景介绍
Neon是一个用于构建Node.js本地扩展的Rust库,它允许开发者用Rust编写高性能的Node.js模块。在实际开发中,我们经常需要在Rust和JavaScript之间进行异步交互,特别是当需要从JavaScript回调中获取值时。
核心问题
当我们需要在Rust中调用一个JavaScript函数,并期望这个函数通过回调返回一个值时,传统的同步方法就不适用了。我们需要一种非阻塞的方式来实现这种交互模式。
解决方案
基本实现方法
通过使用Rust的标准库通道(mpsc)和线程,我们可以实现这种异步交互:
use std::{sync::mpsc::channel, thread};
use neon::prelude::*;
fn add(mut cx: FunctionContext) -> JsResult<JsNumber> {
let js_callback: Handle<JsFunction> = cx.argument(0)?;
let (tx, rx) = channel::<f64>();
let a = cx.number(1);
let b = cx.number(2);
let resolve = JsFunction::new(&mut cx, move |mut cx: FunctionContext| -> JsResult<JsUndefined> {
let result_value: Handle<JsNumber> = cx.argument(0)?;
let result = result_value.value(&mut cx);
tx.send(result).unwrap();
Ok(cx.undefined())
})?;
js_callback
.call_with(&mut cx)
.arg(a)
.arg(b)
.arg(resolve)
.exec(&mut cx)?;
thread::spawn(move || {
let result = rx.recv().unwrap();
println!("接收到结果: {}", result);
});
Ok(cx.number(42.0))
}
对应的JavaScript调用方式:
const nativeModule = require('./native-module.node');
nativeModule.add((a, b, resolve) => {
setTimeout(() => {
resolve(a + b);
}, 1000);
});
实现原理
- 通道创建:在Rust端创建一个通道(tx, rx)用于跨线程通信
- 回调函数构造:使用
JsFunction::new创建一个能被JavaScript调用的Rust函数 - 参数传递:将Rust函数作为参数传递给JavaScript回调
- 异步处理:在独立线程中等待JavaScript回调返回结果
进阶方案:使用Futures特性
对于更复杂的异步场景,Neon提供了futures特性支持,可以实现更优雅的异步处理:
#[neon::main]
async fn main(mut cx: ModuleContext) -> NeonResult<()> {
cx.export_function("asyncAdd", async_add)?;
Ok(())
}
async fn async_add(mut cx: FunctionContext) -> JsResult<JsPromise> {
let js_callback = cx.argument::<JsFunction>(0)?;
let (deferred, promise) = cx.promise();
let channel = cx.channel();
let a = cx.number(1);
let b = cx.number(2);
deferred.settle_with(&channel, move |mut cx| {
let resolve = cx
.undefined()
.upcast::<JsValue>();
js_callback.call(&mut cx, resolve, [a, b])?;
Ok(cx.number(42.0))
});
Ok(promise)
}
性能与线程安全考虑
- 线程管理:避免为每个回调创建新线程,考虑使用线程池
- 内存安全:确保跨线程传递的数据实现了
Send和Sync特征 - 错误处理:妥善处理JavaScript回调可能抛出的异常
实际应用场景
这种模式特别适用于以下场景:
- 需要从JavaScript获取计算结果的Rust扩展
- 实现高性能的异步I/O操作
- 构建需要长时间运行任务的Node.js模块
总结
通过Neon库,我们可以灵活地在Rust和JavaScript之间建立异步通信机制。无论是使用基本的通道和线程方法,还是利用更高级的Futures特性,都能有效地解决跨语言异步交互的问题。开发者可以根据具体场景选择最适合的实现方式,同时注意线程安全和性能优化。
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
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 Python案例资源下载 - 从入门到精通的完整项目代码合集 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
663
152
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++
659
297
Ascend Extension for PyTorch
Python
216
235
React Native鸿蒙化仓库
JavaScript
254
320
仓颉编译器源码及 cjdb 调试工具。
C++
132
866
仓颉编程语言运行时与标准库。
Cangjie
139
874
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
🎉 (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
1.18 K
648
仓颉编程语言开发者文档。
59
818