SQLite Loadable Rust 扩展框架教程
2024-09-19 17:09:26作者:魏献源Searcher
1. 项目介绍
sqlite-loadable-rs 是一个用于在 Rust 中编写快速且高性能的 SQLite 扩展的框架。SQLite 的运行时可加载扩展允许用户向 SQLite 数据库连接添加新的标量函数、表函数、虚拟表、虚拟文件系统等。传统上,这些扩展主要通过 C/C++ 编写,但 sqlite-loadable-rs 提供了一个更安全和高效的 Rust 实现方式。
2. 项目快速启动
2.1 环境准备
确保你已经安装了 Rust 和 Cargo。如果没有安装,可以通过以下命令安装:
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
2.2 创建新项目
首先,创建一个新的 Rust 项目:
cargo new --lib my_sqlite_extension
cd my_sqlite_extension
2.3 添加依赖
在 Cargo.toml 文件中添加 sqlite-loadable 依赖:
[package]
name = "my_sqlite_extension"
version = "0.1.0"
edition = "2021"
[dependencies]
sqlite-loadable = "0.0.3"
[lib]
crate-type = ["cdylib"]
2.4 编写扩展代码
在 src/lib.rs 中编写一个简单的扩展函数:
use sqlite_loadable::prelude::*;
use sqlite_loadable::{api, define_scalar_function, Result};
pub fn hello(context: *mut sqlite3_context, values: &[*mut sqlite3_value]) -> Result<()> {
let name = api::value_text_notnull(values.get(0).expect("1st argument as name"));
api::result_text(context, format!("hello, {}!", name));
Ok(())
}
#[sqlite_entrypoint]
pub fn sqlite3_hello_init(db: *mut sqlite3) -> Result<()> {
define_scalar_function(db, "hello", 1, hello, FunctionFlags::UTF8 | FunctionFlags::DETERMINISTIC);
Ok(())
}
2.5 构建项目
使用以下命令构建项目:
cargo build
2.6 测试扩展
启动 SQLite CLI 并加载你的扩展:
sqlite3
sqlite> .load target/debug/libmy_sqlite_extension
sqlite> select hello('world');
hello, world!
3. 应用案例和最佳实践
3.1 标量函数
标量函数是 SQLite 中最简单的函数类型,接受输入值并返回输出值。sqlite-loadable-rs 允许你轻松定义标量函数。例如,定义一个简单的加法函数:
pub fn add(context: *mut sqlite3_context, values: &[*mut sqlite3_value]) -> Result<()> {
let a = api::value_int(values.get(0).expect("1st argument"));
let b = api::value_int(values.get(1).expect("2nd argument"));
api::result_int(context, a + b);
Ok(())
}
#[sqlite_entrypoint]
pub fn sqlite3_extension_init(db: *mut sqlite3) -> Result<()> {
define_scalar_function(db, "add", 2, add, FunctionFlags::DETERMINISTIC);
Ok(())
}
3.2 表函数
表函数(也称为“Eponymous-only 虚拟表”)可以通过 define_table_function 添加到扩展中。例如,定义一个返回字符串中字符的表函数:
define_table_function::<CharactersTable>(db, "characters", None);
3.3 虚拟表
sqlite-loadable-rs 还支持传统的虚拟表,这些表具有动态模式或需要插入/更新支持。使用 define_virtual_table 可以定义一个新的只读虚拟表模块:
define_virtual_table::<CustomVtab>(db, "custom_vtab", None);
4. 典型生态项目
以下是一些使用 sqlite-loadable-rs 构建的典型项目:
- sqlite-xsv: 一个极快的 CSV/TSV 解析器。
- sqlite-regex: 一个极快且安全的正则表达式库。
- sqlite-base64: 快速的 base64 编码和解码库。
这些项目展示了 sqlite-loadable-rs 在实际应用中的强大功能和性能优势。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492