futures-rs项目中pin_mut宏的未来发展探讨
2025-06-06 14:00:05作者:瞿蔚英Wynne
背景介绍
在Rust异步编程生态中,futures-rs项目扮演着重要角色。该项目目前通过futures-util和futures两个模块重新导出了pin-utils库中的pin_mut宏。这个宏在固定(Pin)未来值(Future)时非常有用,但随着Rust标准库的发展,情况发生了变化。
现状分析
自Rust 1.68版本起,标准库的core::pin模块中引入了pin!宏,官方建议开发者使用这个标准库实现而非第三方pin-utils库中的pin_mut。然而,这两个宏在语义上存在细微差别:
- pin_mut!宏会原地固定变量
- pin!宏则会创建一个新的绑定
具体表现为:
let object = ...;
pin_mut!(object);
// 等价于
let object = ...;
let object = pin!(object);
此外,pin_mut!宏还支持同时固定多个变量,这是标准库pin!宏目前不具备的功能。
技术考量
在futures-rs项目的下一个破坏性更新版本(0.4)中,开发者面临几个选择:
- 完全移除对pin_mut宏的重新导出
- 基于标准库的pin!宏重新实现pin_mut宏
- 维持现状不做任何改变
同时,类似的情况也存在于futures_core::ready!宏,当最低支持Rust版本(MSRV)提升到1.64以上时,可以考虑用标准库的core::task::ready!宏替代。
专家建议
从技术演进的角度来看,逐步采用标准库提供的功能是更优选择。对于pin_mut宏,可以考虑以下路径:
- 在0.4版本中移除对pin-utils的依赖
- 如果需要保留功能,可以基于标准库pin!宏重新实现
- 对于ready!宏,在MSRV允许时进行替换
这种演进方式有助于:
- 减少项目依赖
- 提高与标准库的一致性
- 降低维护成本
- 提供更稳定的API
总结
Rust异步生态正在不断成熟,标准库提供了越来越多原本需要第三方库实现的功能。futures-rs项目作为生态核心,适时调整对这类功能的支持策略,既符合技术发展趋势,也能为开发者提供更好的使用体验。在0.4版本中,合理规划这些宏的演进路径,将有助于项目的长期健康发展。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
20
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
暂无简介
Dart
633
143
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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++
650
271
🎉 (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
1.12 K
627
React Native鸿蒙化仓库
JavaScript
243
316
Ascend Extension for PyTorch
Python
194
212