写点什么

Rust 2017 成果回顾

  • 2017-12-28
  • 本文字数:847 字

    阅读完需:约 3 分钟

2017 年, Rust 的开发主要侧重于几个方面,包括工具、库生态系统、互操作性及其他具有共同主题的特性。Rust 核心团队成员 Aaron Turon 写道,这个共同的主题是提高生产力,尤其是对这门语言的新用户而言。

学习曲线

2017 年,Rust 社区为降低 Rust 的学习曲线做了大量的工作。其中包括出版了多本著作,如《 Rust 编程语言》、《 Rust 编程》、《 Rust 实战》。同时,讨论并实现了许多RFC ,解决了该语言多个方面不完善的地方,如所有权、模块、Trait 系统等

工具

在工具方面,Rust 团队改进了编辑- 编译循环,在Cargo 中引入了一个新的子命令 check,最小化当前状态下类型检查所需要做的工作。对改进编辑 - 编译循环影响更大的是增量编译,该特性将在 2018 年 2 月份发布的 Rust 1.24 版本中正式提供。如下图所示,增量编译应该可以带来 50% 以上的速度提升,按照计划,Rust 团队在接下来的一整年里都会进一步改进结果。

2017 年,Rust 获得了 JetBrains IDE 的正式支持,包括 IntelliJ IDEA、CLion、WebStorm 等。为了获得 Visual Studio Code、Visual Studio、Atom 等轻量级 IDE 的支持,Rust 引入了 Rust 语言服务器(RLS)。RLS 1.0 计划于 2018 年初发布,将提供代码补全、引用查找、转到定义及其他常见的 IDE 特性。

库生态系统

就生产力而言,语言的库生态系统是关键。为了提供健壮的库用于创建服务器端软件,Rust 社区已经做了大量的工作,包括支持 futures、异步操作 generators Rocket Gotham 等 Web 框架。还有一项相关工作,旨在确保根本任务是基于 1.0 水准的 crate,那就是 LibzBlitz 。这项工作会汇总审核多个 crate,然后把结果反馈到问题跟踪系统。按照 Turon 的说法,并不是所有审核过的 crate 都会达到 1.0 版本,大多数会,其他会非常接近。

此外,2017 年,Crates.io 获得了分类功能,现在,该网站按照过去90 天的下载量对crate 进行排序,让开发人员更容易找到需要的crate。

最后请注意,据Turon 介绍,Rust 2018 路线图很快就会确定。InfoQ 将第一时间带来报道。

查看英文原文 What Rust Achieved in 2017

2017-12-28 18:003451
用户头像

发布了 1008 篇内容, 共 447.7 次阅读, 收获喜欢 346 次。

关注

评论

发布
暂无评论
发现更多内容

企业版本YashanDB数据库升级维护全流程指南

数据库砖家

Voice Agent Camp 结营!完整项目名单公布丨超音速计划 2025

RTE开发者社区

企业安全合规下YashanDB的数据治理框架

数据库砖家

工业设计 自控设计经验总结(6)

万里无云万里天

工业 工厂运维 工业设计

Microsoft Office 2019 for Mac 中文版 office全家桶

春天的风暖暖的

了解YashanDB数据库中的数据存储机制

数据库砖家

利用YashanDB数据库分析提升企业决策能力

数据库砖家

面向未来的YashanDB数据库核心技术演进路线

数据库砖家

三个月,50W字,一张项目管理知识体系大图

Ian哥

项目管理 企业管理 PMO 研发项目管理

抓票啦 - 您的智能抢票小助手!

Chris Zhang

微信小程序 抢火车票 抢票

面向实时计算的YashanDB数据流处理技术探析

数据库砖家

文件上传攻击全面指南:从侦察到防御

qife122

网络安全 渗透测试

Axure RP 9 for Mac:从草图到高保真原型,一天搞定

春天的风暖暖的

解析YashanDB数据库与区块链技术的结合

数据库砖家

利用YashanDB数据库实现跨部门数据协同的核心方法

数据库砖家

企业大规模应用YashanDB数据库

数据库砖家

利用YashanDB数据库构建动态数据权限管理体系的策略

数据库砖家

利用YashanDB数据库实现自动化数据清洗的实用攻略

数据库砖家

面向企业的YashanDB数据库架构优化技巧

数据库砖家

Stack Overflow推出AI编程助手与代码挑战,助力编程学习

qife122

编程学习 AI工具

Photoshop 2024 for Mac:AI赋能,3D建模+视频剪辑一软搞定!

春天的风暖暖的

快速上手YashanDB:从安装到优化的全流程教程

数据库砖家

利用YashanDB数据库提升企业数据检索效率的方法

数据库砖家

面向大规模用户的YashanDB数据库性能承载研究

数据库砖家

大数据-112 Flink DataStream API :数据源、转换与输出 文件、Socket 到 Kafka 的完整流程

武子康

Java 大数据 flink spark 分布式

YashanDB 是一款高性能、灵活且可扩展的数据库系统

数据库砖家

跨平台兼容性:YashanDB数据库的实现原理解析

数据库砖家

企业必读:YashanDB数据库故障排查与恢复操作指南

数据库砖家

字节发布最新豆包视觉推理模型,一手实测来啦!

苍何

理解YashanDB数据库的核心优势与应用场景

数据库砖家

利用YashanDB构建高效能实时数据处理系统

数据库砖家

Rust 2017成果回顾_语言 & 开发_Sergio De Simone_InfoQ精选文章