SXT-Proof-of-SQL 项目中 Commitment 计算方法的优化实践
2025-06-06 17:43:40作者:韦蓉瑛
在 SXT-Proof-of-SQL 项目中,Commitment 计算是一个核心功能,它负责生成可验证的承诺值。最近项目团队对 Commitment trait 中的 compute_commitments 方法进行了重要优化,使其更加符合 Rust 语言的惯用写法。
原有实现的问题
在优化前,compute_commitments 方法采用了一种非惯用的 Rust 设计模式:通过可变引用来修改传入的缓冲区。具体表现为方法接收一个可变的 commitments 切片作为参数,并将计算结果直接写入这个切片中。
这种设计存在几个潜在问题:
- 不符合 Rust 的惯用模式,Rust 更倾向于返回新创建的值而非修改传入参数
- 隐藏了内存分配行为,调用者需要预先分配正确大小的缓冲区
- 可能导致边界条件错误,如果缓冲区大小与计算结果不匹配
优化方案
团队决定将方法签名修改为直接返回 Vec 类型的结果。新的签名如下:
fn compute_commitments(
committable_columns: &[CommittableColumn],
offset: usize,
setup: &Self::PublicSetup<'_>,
) -> Vec<Self>;
这一修改带来了几个明显优势:
- 更清晰的接口:调用者不再需要关心缓冲区管理
- 更安全的实现:消除了缓冲区大小不匹配的风险
- 更符合 Rust 生态的约定:与标准库和其他流行 crate 保持一致性
实现细节
在具体实现上,优化后的版本通常会在方法内部:
- 根据输入参数确定需要计算的 commitment 数量
- 创建适当大小的 Vec 容器
- 填充计算结果
- 返回完整的 Vec
这种模式特别适合 Rust 的所有权系统,因为它:
- 明确表示了内存分配的发生点
- 允许编译器进行更好的优化
- 使调用代码更简洁
向后兼容性考虑
由于这是一个接口变更,项目团队采取了以下措施确保平稳过渡:
- 在单个版本中完成所有相关实现的更新
- 确保所有依赖该 trait 的代码同步更新
- 通过版本号变更(0.22.15)明确标记这一不兼容变更
总结
这次优化展示了 Rust 项目中 API 设计的最佳实践。通过遵循语言惯用法,项目不仅提高了代码质量,还增强了安全性和可维护性。对于其他 Rust 项目而言,这种从"修改参数"到"返回结果"的模式转变值得借鉴,特别是在设计涉及集合操作的 trait 时。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.35 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
446
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
619
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
254