最近用 Rust 写工具,我发现这 7 个库是真好用

从 Tokio、Serde 到 GPUI、Ratatui、Polars、Tantivy 和 Wasmtime,Rust 生态仍在为不同的工程问题提供工具。

因为最近我一直在使用 Rust 开发相关的工具,期间碰到了一些非常优秀的 crate,所以我想分享一下。

我梳理了这些库(crate)能做什么、成熟到什么程度、采用了怎样的架构,以及哪些能入开发者的法眼,值得后续在项目中使用。

Rust 生态最有意思的地方,不是几乎每个问题都能找到对应的 crate,而是有些项目已经可以让小团队去承担过去大型团队才能胜任的工作。

命令行工具可以做出真正好用的终端界面;桌面应用可以自己渲染 GPU 加速的 UI;本地进程可以查询列式数据、内嵌全文搜索,还可以通过 WebAssembly 边界运行第三方扩展。

这些库解决的问题各不相同,通过这些 crate 能看出 Rust 正在哪些方向形成优势:基础设施运行快、可移植、行为明确,而且足够贴近系统,让团队能够掌控它的行为。

我暂时将它们分成三组:

  • 基础库:Tokio 和 Serde。
  • 面向应用的框架:Ratatui 和 GPUI。
  • 可嵌入的引擎:Polars、Tantivy 和 Wasmtime。

这个区分很重要。

基础库会改变大部分代码的写法;框架会改变应用的组织方式;可嵌入的引擎则为程序带来一项重要能力,同时也把正确运维它的责任交给了你。

Tokio 强大的异步运行时

等等,为什么 Tokio 是运行时?

你可能一开始会觉得有些奇怪:Rust 不是已经把程序编译成机器码了吗?为什么还需要一个运行时?

这里的"运行时",指的是程序执行期间,为异步任务提供调度和事件处理的一套基础设施。它作为库嵌入程序,为编译后的 Rust 异步代码提供执行支持,和程序一起运行,不需要另外启动一个服务。

要知道,Rust 的 async/await 语法并没有包办异步任务的执行。调用一个 async fn,得到的是一个 Future。可以把它理解为一份能够记录执行进度的异步计算:接下来要做什么,等待结束后从哪里继续,都保存在里面。

但问题是,它不会因为被创建就自动开始执行。

要让它向前走,需要执行器调用它的 poll 方法。如果结果还没准备好,它就返回 Pending,把执行机会让出去;等到能够继续时,再通过唤醒机制通知执行器安排它执行。.await 让我们能用接近顺序代码的写法表达这个过程,但不会自动创建线程,也不会替我们启动执行器。

好,谁来执行任务?

等网络数据时,谁来接收操作系统的就绪通知?等一个定时器时,谁来判断时间到了?

Tokio 把这些工作接了过来:调度器安排任务执行,I/O 驱动把网络等事件交给等待它们的任务,定时器处理时间相关的等待。

比如,一个任务正在等套接字中的数据。暂时没有数据时,它可以挂起,让线程去执行其他任务;等操作系统通知套接字可以读取了,Tokio 再唤醒相应任务,让它有机会从等待的位置继续。这样,等待网络就不必一直占着一个线程。

常见的 #[tokio::main] 就和这个过程有关:它会生成普通的同步入口,在里面创建 Tokio 运行时,再由运行时驱动异步入口执行。看起来只是加了一个标记,背后其实已经把运行环境搭好了。

所以,Tokio 被称为运行时,是因为它承担了让异步任务持续推进的工作。Rust 提供表达异步计算的语法和接口,Tokio 提供执行这些任务所需的具体设施。Tokio 是其中一种选择,Rust 的异步语法本身并不绑定它。

不只是一个运行时

听起来有些抽象。

这样,我们想想一个服务同时处理数千个连接的情况:大部分时间,它都在等数据库、套接字、API、文件或消息队列。如果每个请求都占着一个操作系统线程等待,开销很快就会变大。Tokio 让任务在等待时让出执行机会,底层线程便可以去处理别的任务。

它的多线程运行时采用工作窃取调度。简单说,空闲的工作线程可以从其他线程的队列中取走待执行的任务,但不能强行接管正在执行的阻塞代码。这也是 Tokio 一直广泛用于 Web 服务、代理、开发工具、分布式系统和网络密集型后台任务的原因之一。

选择 Tokio,就意味着选择一种模型:长时间等待的操作应该异步执行,CPU 密集型工作则需要有意地分开处理。因此,写好 Tokio 应用仍然需要注意这些事:

  • 不要在普通异步任务里跑昂贵的 CPU 循环。
  • 避免持有同步锁跨越 .await;确实需要跨越等待持锁时,应使用适合的异步锁。
  • 阻塞式文件操作、耗时的压缩或解析,以及旧库中的阻塞调用,应交给 spawn_blocking 等合适的执行路径;CPU 密集型工作还要限制并发量。
  • 把任务取消当作正常情况处理,而不是罕见异常。
  • 明确并发量应该不设限、设上限、排队,还是直接拒绝。

Tokio 已经足够成熟,通常你不用去思考"它能不能做到",而是想想"这个工作负载真的能从异步 I/O 中获益吗?"

只读取一个文件、打印一个结果的小型命令行工具,多半不需要 Tokio。需要协调 HTTP 请求、数据库调用、数据流、定时器和后台任务的服务,则很适合考虑 Tokio,具体也要看所用库依赖哪种运行时。

Serde 基础能力

Serde 很容易被低估,因为最常见的用法只有短短几行:

rust 复制代码
#[derive(Serialize, Deserialize)]
struct Config {
    port: u16,
    debug: bool,
}

把应用的数据类型与传输、存储这些数据所用的格式分开,这才是它真正的价值所在。

同一个 Rust 结构体,在字段类型和格式兼容的前提下,可以在 API 中表示成 JSON,在配置文件中表示成 TOML,用 MessagePack 做紧凑传输,用 YAML 供人手工维护,也可以表示成协议要求的二进制格式。你的类型只需实现一次数据模型,具体格式由相应的 crate 处理。

这种分离让 Serde 多年来一直很有用,因为大多数应用其实都有许多边界:

  • API 请求与响应;
  • 配置文件;
  • 队列消息;
  • 缓存条目;
  • 数据库载荷;
  • 事件日志;
  • 插件接口;
  • 测试样例数据。

Serde 能帮你处理这些边界,但不会替你设计契约。

也就是说,作为开发者还有很多事情要做,不是给所有内部结构体都派生 Deserialize,事情就做完了。

有意识地设计序列化类型,是至关重要的:

  • 传输对象和核心领域类型需求不同时,把它们分开。
  • 旧配置中可能缺少的字段,显式设置默认值。
  • 接收安全敏感且要求严格的输入时,拒绝未知字段。
  • 前向兼容更重要时,允许未知字段。
  • 不要把每个内部枚举或错误类型都暴露成公共传输格式的一部分。
  • 不只测试正常输入,也测试旧版本载荷和格式错误的载荷。

Serde 是序列化能力的稳妥选择,它不是跟着潮流变化的框架,而是 Rust 生态的一层基础能力。了解它如何处理所有权、默认值、枚举表示和错误后,这些知识几乎在每个 Rust 项目里都用得上。

Ratatui 终端即 UI

Ratatui 是终端 UI 库,但只说这一点,还不足以解释它为什么有用。

基础设施工具、数据库客户端、日志浏览器、部署面板、可观测性控制台、Git 工具和开发工作流,天然适合放在终端里。

但普通终端输出也有自己的局限,一旦用户需要筛选、导航、实时更新、分栏、快捷键或持久状态,普通的逐行输出就很难用了。

Ratatui 为 Rust 程序提供了适合终端的渲染模型。

应用不再只是不断打印文本、寄希望于屏幕仍然清楚,而是绘制一帧界面:划分区域,放置组件、表格、图表、列表、状态栏和文字。后端处理光标移动、绘制和颜色等终端细节;应用仍需响应尺寸变化并重新布局。

这样一来,职责就比较清楚:

  • 应用自己管理状态。
  • 事件循环接收键盘、鼠标、窗口尺寸变化和定时事件。
  • Ratatui 把当前状态渲染为一帧终端界面。

它不会强制你采用庞大的架构。这是优点,但也意味着架构要自己搭。一个好用的 Ratatui 程序通常需要:

  • 表示界面与当前选中项的状态对象;
  • 把终端输入转换为应用操作的事件层;
  • 用于实时数据的刷新策略;
  • 基本不掺杂业务逻辑的渲染函数;
  • 即使出错也能恢复终端状态的退出路径。

最后一点不够亮眼,却很重要。一个终端应用退出后留下隐藏的光标、异常的自动换行或 raw mode 输入,就算几秒钟前界面再漂亮,也会让人觉得不可靠。

Ratatui 已经相当成熟,足以制作正式的终端交互工具。

如果用户本来就在终端工作,而且工具确实需要快捷的键盘交互,我会用它。如果只是想让简单 CLI 显得高级,就没必要了。终端 UI 会带来状态管理、测试、事件协调和无障碍方面的额外工作,这些复杂度得有足够的收益来支撑。

我相信,在 Agent 大行其道的今天,Ratatui 会变得非常流行。

如果你想开发一个好看的 CLI 工具,那么 Ratatui 是一个很好的选择,我会优先考虑它。

GPUI 有趣的原生桌面端开发

本文提到的 crate 里,GPUI 算是比较年轻、还没有定型的一个。

没错,很多开发者一定会喜欢这种新玩意儿!俺也一样。

它本来是为 Zed 编辑器打造的 GPU 加速 Rust UI 框架。其架构是混合式的:结合即时模式渲染的思路与保留状态。它自行绘制界面,不嵌入浏览器运行时,也不完全依靠平台原生组件。

这让 GPUI 很有自己的特点。它面向看重以下方面的应用:

  • 快速渲染和灵敏交互;
  • 功能丰富的编辑器,以及信息密集型工具;
  • 对布局和视觉行为的精细控制;
  • 真正的 Rust 原生应用,而非 Web 外壳;
  • 围绕现代桌面软件需求设计的 UI 模型。

GPUI 明确还未到 1.0,并且与 Zed 的开发紧密相连。

如果你的团队想基于它开发东西,不能忽略这一点。

我肯定不会把 GPUI 说成 Rust 桌面开发的通用答案。它的 API、生态、文档、打包方式和组件库仍在变化。

如果一家公司打算把多年的核心产品押在它上面,应该先验证无障碍、操作系统支持、输入行为、国际化、更新机制,以及团队对它的熟悉程度。虽然 Vibe Coding 能辅助开发,但生态成熟度上的差距,仍然需要认真评估。

不过,这也不意味着它只是个边缘项目。恰恰相反,我觉得它值得好好研究。

GPU 渲染只是吸引我的原因之一,还有就是:Rust 应用可以自己掌控渲染流水线、状态模型和性能表现,而不必先变成浏览器应用。

没错,我讨厌现在的大部分跨端工具需要打包浏览器内核。

对于开发工具、编辑器、创作软件、数据浏览器和原生效率工具,可以优先考虑 GPUI。

我建议:现在就研究 GPUI;当它的长处与产品需求吻合时,用它做原型。

Polars 不只是一个更快的 DataFrame

Polars 经常被介绍为 DataFrame 库。这没错,但不足以体现它给 Rust 应用带来的架构变化。

可以这样理解:Polars 是可以嵌入应用进程的分析查询引擎。

它处理列式数据,支持需要立即取得结果时的即时执行。更重要的是,它还支持惰性执行:应用先构建查询计划,之后再执行。这给了引擎在真正动手之前优化工作的空间。

惰性查询通常可以把列选择和过滤尽量推向数据源,避免先加载所有列、逐行过滤后才挑选需要的字段。查询规划器可以跳过不必要的操作、消除重复工作,并选择更高效的执行方式。

Polars 改变了我看待数据处理工具的方式。

传统的数据处理脚本,往往是一串步骤:

  • 读取 CSV 或 Parquet 文件;
  • 过滤记录;
  • 解析列;
  • 对值分组;
  • 关联另一个文件;
  • 写出结果。

用 Polars 时,你可以换个思路,先问自己:"我最终需要什么结果?"然后让引擎决定怎么得到它。

Polars 尤其适合:

  • 本地分析工具;
  • ETL 和报表生成任务;
  • 需要处理大量数据的开发工具;
  • CSV 和 Parquet 处理;
  • 日志分析;
  • 原生应用内嵌的分析功能;
  • 比手写迭代器链需要更多结构的工作负载。

不过,它并不能替代所有数据系统。

Polars 会关联表,不代表它就是事务型数据库。它也不负责多用户并发、持久化业务流程、访问控制、分布式协调或长期运行的数据仓库管理。它擅长转换和分析数据,但不能代替所有负责存储数据的系统。

惰性 API 的用法可能需要一些学习成本:先构建查询;性能重要时检查执行计划;直到应用确实需要结果的边界,才收集数据。

在这里,Polars 的价值超出了"方便的库":它提供了一种更合适的方式来描述数据处理工作。

Tantivy 把全文搜索带回应用内部

Tantivy 是用 Rust 编写的全文搜索引擎库。最简单的类比是 Lucene,不过它可以直接嵌入 Rust 应用。

这就很吸引人了。

我们常把搜索当作一套独立基础设施:服务、集群、HTTP API、索引同步、凭据、监控面板、备份,以及相应的运维负担。大型系统可能确实需要这些,但很多应用并不需要分布式搜索平台,只需要好用的本地搜索。

如果应用需要建立文档索引、对文本分词、给结果打分、按字段过滤、生成摘要片段,并且不想把每次查询都发给外部服务,Tantivy 就很合适。

例如:

  • 搜索本地内容的桌面应用;
  • 为代码仓库、日志或构建产物建立索引的开发工具;
  • 搜索需求明确的内部服务;
  • 文档系统;
  • 知识库;
  • 离线优先的软件;
  • 比起分布式扩容,更看重低延迟本地搜索的产品。

当然了,和几乎所有的检索框架一样,Tantivy 给你搜索引擎的能力,但不会顺带给你一个运维团队。

应用仍要自己负责:

  • 设计 schema;
  • 决定哪些字段可搜索、可存储、建立索引或用作快速字段;
  • 创建和迁移索引;
  • 文档更新与删除的行为;
  • 提交频率;
  • 索引在磁盘上的大小;
  • 备份与恢复;
  • 多台机器需要相同索引时的复制;
  • 相关性调优。

如果搜索属于某个应用,并且应该靠近它的数据,Tantivy 是很好的选择。如果真正需要的是多用户搜索平台、全局复制、大规模运维工具,以及供多个团队共用的托管式搜索服务,它就不合适。

Wasmtime 让插件变成运行时设计问题

Wasmtime 是 Bytecode Alliance 的 WebAssembly 运行时。它可以编译并执行 WebAssembly 模块,支持 WASI,也支持 WebAssembly Component Model。

它的吸引力来源于:应用越来越需要扩展能力。用户自定义自动化、插件、策略脚本、客户逻辑、数据转换、AI 智能体工具和第三方集成,都属于这类需求。

传统做法是加载原生代码,或者开放一个权限很大的脚本环境;但是这样做,可能会带来糟糕的安全问题(一提到权限,必然想到安全问题)。

Wasmtime 提供另一种模型:代码运行在 WebAssembly 边界内,由宿主决定授予它哪些能力。

比"沙箱"这个词更重要的是具体的权限边界。插件不会因为用了 WebAssembly 就自动安全。

宿主仍须决定:

  • 客体能读文件吗?
  • 它能访问哪些目录?
  • 它能使用网络吗?
  • 它能看到哪些环境变量?
  • 它最多能分配多少内存?
  • 它能消耗多少 CPU 时间?
  • 它能无限创建句柄、任务或请求吗?
  • 它触发 trap 或超时后怎么办?
  • 要向它开放哪些宿主函数?

Wasmtime 提供构建这些边界的机制,但不会替开发者制定策略。

在插件架构中,Wasmtime 值得关注,因为宿主可以明确授予插件能力,而不是直接信任加载进进程的代码。

当执行扩展代码确实是产品需求,尤其是这些代码不该继承宿主进程的无限制访问权时,我会选 Wasmtime。

如果只是想把一个 trait 换成更复杂的东西,就没必要了。例如当所有扩展都可信、一起编译,并且随同一个代码库管理版本时,用 Rust 原生 trait 组织扩展仍是更合适的做法,这样做更简单,也完全满足你的需求呀!

"有用"和"该用"是两回事

上面每个库都有用,但并不意味着每个项目都该用。

用之前想一下:这个 crate 能不能省掉一套你原本得自己设计、实现、测试和运维的系统?

下面给一些选择建议:

  • 应用主要在等待 I/O、协调并发任务或处理网络活动时,使用 Tokio。
  • 数据要跨越文件、API、配置、消息、持久化或插件等边界时,使用 Serde。
  • 终端工具需要从文本输出变成可交互的产品时,使用 Ratatui。
  • 构建以渲染性能和界面控制为核心要求的原生桌面应用时,研究 GPUI。
  • 产品需要在应用内进行分析转换、列式数据处理或查询规划时,使用 Polars。
  • 全文搜索应该属于应用自身,而非独立服务时,使用 Tantivy。
  • 第三方或用户提供的代码需要受控的执行边界时,使用 Wasmtime。

常见的误区是因为某个 crate 在依赖图里看起来很厉害,就把它引进来。这是很多开发者都会犯的错。

它能替代某一类自建基础设施,这才是更好的理由,也是正确的理由。

Tokio 替代自写的异步运行时;Serde 替代散落各处、针对不同格式的转换代码;Ratatui 替代一堆终端转义序列;Polars 替代脆弱的逐行数据脚本;Tantivy 替代靠映射结构勉强拼出的简易搜索引擎;Wasmtime 替代"把别人的代码加载到我们的进程里,然后祈祷它可靠"。

这就是这些项目该用的地方。

一点想法

对大多数 Rust 开发者,Tokio 和 Serde 属于第一层知识。即便项目没有直接依赖它们,理解它们的模型也有助于阅读现代 Rust 项目。

Ratatui 属于第二层知识。不是每个应用都需要它,但亲手做一个小型交互工具,就能学到状态、事件循环、渲染和终端易用性方面的东西。

Polars、Tantivy 和 Wasmtime,则是我会作为架构选项来研究的库。每个都可能改变产品的形态:

  • Polars 让应用用查询而非循环来思考数据。
  • Tantivy 让搜索留在产品内部。
  • Wasmtime 让扩展变成受控授予的能力。

我最密切关注 GPUI。它试图让高性能原生桌面软件在 Rust 中也能自然地开发出来。它还不是保守的选择,但值得学习的项目也不只有保守的选择。

如果你读过我的上一篇文章,就会知道我已经用 GPUI 来构建一个 Android 开发工具了。

Rust 生态越来越有意思,它的库已不再局限于小工具和底层原语。它们开始提供更完整的工程方案:怎样调度工作、传递数据、渲染界面、分析记录、搜索文本,以及执行不可信的扩展。

未来,一定有 Rust 的一席之地!

相关推荐
SomeOtherTime19 小时前
第 11 讲(大结局):编译期元编程与零拷贝架构——卫生声明宏(macro_rules!)、过程宏 AST 手术刀与 Serde 零反射序列化的终极合龙
rust
SomeOtherTime1 天前
番外篇(第 12 讲):走向工业界深水区——从物理定律看 Rust 在真实工程中的“降维打击”与“阿喀琉斯之踵”
开发语言·rust
Kapaseker1 天前
Rust 桌面开发到底怎么选?先看这篇文章!
rust
奶油话梅糖1 天前
容器启停 2.5 毫秒:11 天 1,700 Star 的 Kiri,用一个 900 KB 的 PID 1 干掉了 runc 和 dockerd
前端·人工智能·rust
wflynn2 天前
GitHub 今日推荐|kiri:clone3 系统调用直达容器,2.5 毫秒启动无 runc 中间层
docker·rust·kubernetes·开源·github·containers
SomeOtherTime2 天前
第 4 讲:突破静态枷锁——智能指针(Box/Rc/Arc)与内部可变性(Cell/RefCell/UnsafeCell)的内存暗道
rust
SomeOtherTime2 天前
第 9 讲:异步并发与 Pin 的底层解剖——async/await 无栈协程状态机脱糖、自引用死锁的终极救赎与 Future/Waker 驱动模型
rust
wflynn3 天前
GitHub 今日推荐|Stela:在 PC 上直接启动 macOS 的翻译层
rust·开源·github
aifannihao3 天前
Rust 1.100 的 DropGuard:用 Python 实测失败回滚与吞异常
python·rust·异常处理·标准库·contextlib