Simple Binary Encoding (SBE) Rust实现中的Schema级别信息优化
2025-06-25 09:47:59作者:何举烈Damon
在Simple Binary Encoding(SBE)的Rust实现中,代码生成器会为每个消息类型生成一系列常量值,包括SBE_BLOCK_LENGTH、SBE_TEMPLATE_ID等。这些常量中,有些实际上是Schema级别的信息,而非特定于某个消息类型的。
当前实现的问题
目前,代码生成器会在每个消息编解码文件中生成以下常量:
pub const SBE_BLOCK_LENGTH: u16 = 26;
pub const SBE_TEMPLATE_ID: u16 = 400;
pub const SBE_SCHEMA_ID: u16 = 10;
pub const SBE_SCHEMA_VERSION: u16 = 1;
pub const SBE_SEMANTIC_VERSION: &str = "1.0.0";
其中,SBE_SCHEMA_ID、SBE_SCHEMA_VERSION和SBE_SEMANTIC_VERSION实际上是整个Schema的元数据,而不是特定于单个消息类型的。这意味着在一个包含多个消息类型的crate中,这些常量会在多个文件中重复定义,虽然它们的值相同,但这种设计不够优雅。
优化方案
将这些Schema级别的常量移动到lib.rs文件中更为合理,因为:
- 它们描述的是整个Schema的元信息,而非单个消息类型
- 在一个crate中,这些值应该是全局一致的
- 可以避免重复定义,提高代码整洁度
优化后的lib.rs文件应包含:
pub const SBE_SCHEMA_ID: u16 = 10;
pub const SBE_SCHEMA_VERSION: u16 = 1;
pub const SBE_SEMANTIC_VERSION: &str = "1.0.0";
实际应用场景
这种优化特别适用于需要在单个二进制crate中使用多个SBE生成的crate来解码字节流的场景。每个SBE生成的crate可能包含多种消息类型,但共享相同的Schema ID和版本信息。
典型的解码模式可能是:
let frame_container = ...;
let msg_schema = frame_container.message_schema();
match msg_schema {
crate_a::SBE_SCHEMA_ID => {
// 使用crate_a特定的ReadBuf和HeaderDecoder等
}
crate_b::SBE_SCHEMA_ID => {
// 使用crate_b特定的ReadBuf和HeaderDecoder等
}
_ => {}
}
通过将Schema级别的信息集中到lib.rs中,可以更清晰地组织代码,并简化多Schema环境下的消息路由逻辑。这种改进不仅提高了代码的可维护性,也使得API设计更加合理和直观。
登录后查看全文
热门项目推荐
相关项目推荐
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217