SQLite Loadable Extensions in Rust: 使用sqlite-loadable-rs指南
1. 目录结构及介绍
sqlite-loadable-rs是一个旨在帮助开发者用Rust语言编写高性能的SQLite扩展框架。下面简要概述其关键目录结构:
-
src:核心源代码所在位置,包括主库逻辑,如定义函数、表功能等。lib.rs: 主入口点,定义了如何初始化SQLite扩展的关键逻辑。api: 包含与SQLite进行低级交互的API函数。sqlite3ext-sys: 系统绑定,用于与SQLite原生库交互的底层绑定。- 其他子模块: 如宏和辅助函数等。
-
examples:示例扩展程序的集合,展示了如何创建不同类型的扩展,比如hello,characters等。- 每个示例通常包含一个
.rs文件,展示具体实现。
- 每个示例通常包含一个
-
benches: 性能测试脚本,用于比较由sqlite-loadable-rs编译的扩展性能。 -
Cargo.toml: 项目的构建配置文件,指定依赖项和元数据。 -
LICENSE-*: 许可证文件,声明项目遵循Apache-2.0或MIT许可证之一。
2. 项目的启动文件介绍
项目的启动并非直接关联于传统意义上的“启动文件”,但在开发SQLite扩展时,主要关注以下两点:
-
sqlite3_extension_init: 这是在Rust中定义的关键函数,标记为#[sqlite_entrypoint]属性。它是每个扩展的入口点。当你的扩展被SQLite加载时,此函数将被执行。例如,在这个函数中通过调用define_scalar_function或define_table_function来注册你的自定义SQL函数或表。 -
Cargo.toml中的配置:虽然不直接作为执行文件的一部分,但是它至关重要,特别是其中的crate-type=["cdylib"]这一条目,指定了库类型为动态链接库,这是SQLite能够加载你的扩展的前提条件。
3. 项目的配置文件介绍
Cargo.toml
-
构建配置:
Cargo.toml是项目的配置中心,包含了版本信息、作者、依赖关系以及如何构建该库(如指定crate-type为cdylib)。[package] name = "your-extension-name" version = "0.1.0" edition = "2021" [dependencies] sqlite-loadable = "0.0.3" # 实际使用时应检查最新版本 [lib] crate-type = ["cdylib"] -
环境变量或特化配置:虽然在这个项目中没有直接体现,但可以通过
.env文件或其他方式设置编译时的环境变量,如果需要的话。
在应用这些配置并编写好扩展逻辑后,通过cargo build命令可以编译出SQLite可以加载的动态库。随后,在SQLite环境中使用load extension命令即可导入并使用你的Rust编写的SQLite扩展功能。
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-1.5暂无简介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-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