Uniffi-rs 中结构体与构造函数的正确使用方式
2025-06-25 23:27:58作者:庞队千Virginia
在 Rust 与 Swift 的跨语言交互中,Uniffi-rs 是一个强大的工具,但开发者在使用过程中可能会遇到一些关于结构体和构造函数的困惑。本文将深入探讨如何正确地在 Uniffi-rs 中定义和使用结构体及其构造函数。
结构体与对象的区别
Uniffi-rs 对结构体(Record)和对象(Object)有着明确的区分。结构体主要用于简单的数据封装,而对象则支持更复杂的行为和方法实现。
对于简单的数据封装,可以直接使用 #[derive(uniffi::Record)] 来定义结构体:
#[derive(uniffi::Record)]
pub struct FzilInput {
pub bytes: Vec<u8>
}
这种定义方式会自动为 Swift 端生成相应的结构体,并支持基本的字段访问。
构造函数的限制
当我们需要为类型添加构造函数时,需要注意 Uniffi-rs 的一个重要限制:只有对象类型(Object)才能拥有导出的实现块(impl block)和构造函数。这意味着如果我们尝试为一个记录类型(Record)添加构造函数,会遇到编译错误。
错误示例:
#[uniffi::export]
impl FzilInput {
#[uniffi::constructor]
pub fn new(bytes: Vec<u8>) -> Self {
Self { bytes }
}
}
这种写法会导致错误,因为 FzilInput 是一个记录类型而非对象类型。
正确的对象定义方式
如果需要使用构造函数,我们应该将类型定义为对象:
#[derive(uniffi::Object)]
pub struct FzilInput {
bytes: Vec<u8>
}
#[uniffi::export]
impl FzilInput {
#[uniffi::constructor]
pub fn new(bytes: Vec<u8>) -> Arc<Self> {
Arc::new(Self { bytes })
}
pub fn get_bytes(&self) -> Vec<u8> {
self.bytes.clone()
}
}
注意这里的关键变化:
- 使用
#[derive(uniffi::Object)]而非 Record - 构造函数返回
Arc<Self>而非Self - 字段默认私有,需要通过方法暴露
Swift 端的使用
在 Swift 端,这样的对象可以这样使用:
let bytes: [UInt8] = [0x01, 0x02, 0x03]
let input = FzilInput(bytes: bytes)
let retrievedBytes = input.getBytes()
对于字节数组(Vec),Uniffi-rs 会自动处理为 Swift 中的 [UInt8] 类型。
设计建议
- 简单数据传输:如果只需要传递数据,使用 Record 结构体更轻量级
- 需要方法实现:如果需要添加方法或构造函数,使用 Object 类型
- 性能考虑:频繁创建的对象考虑使用 Arc 引用计数
- 数据封装:对象字段默认私有,通过方法暴露更安全
理解这些区别和限制,可以帮助开发者更有效地使用 Uniffi-rs 进行 Rust 和 Swift 之间的互操作开发。
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 StartedRust0207
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 Notebook0133
MinerUA high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具,将PDF转换成Markdown和JSON格式。Python08
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
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java05
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
772
5.05 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++
869
1.99 K
Ascend Extension for PyTorch
Python
748
931
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++
694
1.37 K
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
468
461
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
1.03 K
268
昇腾LLM分布式训练框架
Python
181
225
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++
1.09 K
1.14 K
CANN 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 Notebook
363
132