CXX 项目使用教程
1. 项目介绍
CXX 是一个用于 Rust 和 C++ 之间安全互操作的库。它提供了一种机制,使得从 Rust 调用 C++ 代码和从 C++ 调用 Rust 代码变得更加安全,避免了使用 bindgen 或 cbindgen 生成不安全 C 风格绑定时可能出现的许多问题。CXX 的核心安全特性在于,通过静态分析确保 Rust 和 C++ 之间的类型和函数签名一致,从而在编译时捕获潜在的错误。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 Rust 和 Cargo。然后,在项目中添加 CXX 依赖:
[dependencies]
cxx = "1.0"
[build-dependencies]
cxx-build = "1.0"
2.2 创建 Rust 和 C++ 代码
假设你有一个 Rust 项目,并且希望在其中调用 C++ 代码。首先,创建一个 Rust 模块 ffi,并在其中定义 Rust 和 C++ 之间的接口:
#[cxx::bridge]
mod ffi {
// 共享结构体
struct BlobMetadata {
size: usize,
tags: Vec<String>,
}
extern "Rust" {
// Rust 中的类型和函数
type MultiBuf;
fn next_chunk(buf: &mut MultiBuf) -> &[u8];
}
unsafe extern "C++" {
// C++ 中的类型和函数
include!("path/to/your/header.h");
type BlobstoreClient;
fn new_blobstore_client() -> UniquePtr<BlobstoreClient>;
fn put(&self, parts: &mut MultiBuf) -> u64;
fn tag(&self, blobid: u64, tag: &str);
fn metadata(&self, blobid: u64) -> BlobMetadata;
}
}
2.3 实现 Rust 和 C++ 代码
在 Rust 中实现 MultiBuf 和 next_chunk 函数:
pub struct MultiBuf {
// 你的实现
}
pub fn next_chunk(buf: &mut MultiBuf) -> &[u8] {
// 你的实现
}
在 C++ 中实现 BlobstoreClient 和相关函数:
#include "path/to/your/header.h"
class BlobstoreClient {
public:
BlobstoreClient() {
// 你的实现
}
uint64_t put(rust::Slice<const uint8_t> parts) {
// 你的实现
}
void tag(uint64_t blobid, const rust::Str& tag) {
// 你的实现
}
BlobMetadata metadata(uint64_t blobid) {
// 你的实现
}
};
2.4 编译和运行
在 build.rs 中添加以下内容,以确保 C++ 代码被正确编译:
fn main() {
cxx_build::bridge("src/main.rs")
.file("src/your_cpp_file.cc")
.flag("-std=c++11")
.compile("your_crate_name");
println!("cargo:rerun-if-changed=src/main.rs");
println!("cargo:rerun-if-changed=src/your_cpp_file.cc");
println!("cargo:rerun-if-changed=path/to/your/header.h");
}
最后,运行你的 Rust 项目:
cargo run
3. 应用案例和最佳实践
3.1 案例:使用 C++ 库加速 Rust 应用
假设你有一个 Rust 应用,需要处理大量数据,而你发现 C++ 库在处理这些数据时性能更好。你可以使用 CXX 将 C++ 库集成到 Rust 应用中,从而在不牺牲性能的前提下,利用 Rust 的安全性和易用性。
3.2 最佳实践
- 类型安全:尽量使用 CXX 提供的类型安全机制,避免手动编写不安全的 FFI 代码。
- 静态分析:利用 CXX 的静态分析功能,确保 Rust 和 C++ 之间的接口一致性。
- 模块化设计:将 Rust 和 C++ 代码分离,确保每个模块的职责清晰,便于维护和扩展。
4. 典型生态项目
4.1 cxx-build
cxx-build 是 CXX 项目的一部分,用于在 Cargo 构建脚本中生成和编译 C++ 代码。它简化了 Rust 和 C++ 代码的集成过程。
4.2 cxxbridge-cmd
cxxbridge-cmd 是一个独立的命令行工具,用于在非 Cargo 构建系统中生成 C++ 代码。它适用于需要与 Bazel 或 Buck 等构建系统集成的项目。
通过这些工具和库,CXX 提供了一个完整的解决方案,使得 Rust 和 C++ 之间的互操作变得更加简单和安全。
kernelopenEuler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。C030
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