在Neon中实现Rust与JavaScript的非阻塞回调交互
2025-05-28 05:08:59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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
297
2.64 K
Ascend Extension for PyTorch
Python
128
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++
608
191
React Native鸿蒙化仓库
JavaScript
228
307
暂无简介
Dart
591
128
🎉 (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
1.05 K
612
仓颉编译器源码及 cjdb 调试工具。
C++
122
496
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
47
77
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
179
64
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
1.02 K
456