【Rust日报】 2019-04-05

「系列文章」审阅Sled源码 Part I

#CodeReview #sled

Sled项目是一个用Rust编写的嵌入式数据库。该文作者在日程工作中用到了它，为了掌握它的工作原理，准备开始写这个系列的博客。也可以通过学习此文，掌握一些阅读开源项目源码的技巧或其他启示，比如：

先找你擅长领域的项目去阅读，事半功倍。
从整体上先把握代码组织结构、依赖库，从所获得的信息中去推测更多信息。
携带某个主要的问题去看源码是如何实现的。

该文作者还有一个完整的review LevelDB的系列文章：reviewing-leveldb

Smithy：一个Rust实现的WebAssembly框架

#wasm #smithy

状态：0.0.2 Alpha版本。

案例：使用Rust和Lucet

#wasm #lucet

Lucet是一个本地WASM编译器和运行时。基于Lucet运行时，Rust编译为wasm32-unknown-wasi target就可以创建一个运行于服务端的wasm程序。目前wasm32-unknown-wasi只支持Rust Nightly（2019-04-01版本确定可用）

Gloo更新：Onion层、计时器和事件

#Gloo

Gloo是一个用Rust和Wasm构建快速可靠的Web应用程序和库的模块化工具包，于两周前开始构建。最新的进展如下：

增加了「“洋葱”分层API」。

也就是说，API的构建就像是洋葱一样，分好几个抽象层。他们希望在raw-sys库之上构建一层中级的API，然后在中级API层再构建一层高级的面向用户的API。并且每一层都是公开暴露接口并可复用。这样设计是为了最高限度地提高大型生态系统的可重用性、通用性等。

其中核心层API是构建在wasm-bindgen，js-sys和web-sys之上的原始绑定。中间层是回调（callback）层，比如gloo_timers就包含在这一层。高级层是Futures和Steams层，当然现在是futures 0.1，等异步稳定以后再切换到最新的。未来也有可能增加更高的抽象层。比如某些Web API或是为了生态系统而集成的层。

另一个正在进行的设计是如何制作事件目标和监听器层。

深入字体回退（Font Fallback）机制

#font #xi_editor

XiEditor作者新博文，深入介绍了字体回退机制。

在操作系统介面和网页等现代排版环境下，如果指定用字体 A 来显示某字符 x 但该字体并不支持这个字符（甚至该字体当前不可用），排版引擎通常不会直接放弃，它会根据一个预先记好的列表来尝试寻找能显示字符 x 的字体，如果找到字体 B 能行，那就用字体 B 来显示字符 x。字体 B 就是当前这个情况的 fallback。

json_in_type: 快速JSON编码库

#json

特点：

编译时执行更多编码操作，运行时更少。
在类型中编码JSON对象的结构。
性能据说比serde的json!高出一个数量级。

比如：


// JSON String
 r#"{"void":null,"list":[42,true],"hello":"world"}"#,

//  Type
InlinedJSONObjectEntry<
    (),
    InlinedJSONObjectEntry<
        JSONListElem< u8, JSONListElem<JSONtrue, JSONListEnd> >
    >,
    JSONObjectEntry< &str, &str, JSONObjectEnd>
>

json_in_type

「视频」纯Rust实现SCTP以便支持WebRTC数据通道

#webrtc #sctp

SCTP: Stream Control Transport Protocol

编译器性能和LLVM

#llvm #compiler

本文作者以他自己实现的Cone编译器为案例深度探索了编译器架构和LLVM的性能，并比较全面地阐述了LLVM的性能概况。

编译器架构。Cone选择了C，而非Rust，是因为作者对性能更关心一些，他认为C更好。还介绍了一些前端架构的优化原则。
LLVM后端性能。作者测量了LLVM后端各个编译阶段的性能，顺带阐述了LLVM的构建流程。

LLVM构建流程：

Setup。初始化有关目标计算机，数据布局和全局上下文的信息。这个阶段的执行时间是固定的，不会随着源程序的增大而变长。
Gen LLVM IR。Cone和LLVM的混合阶段，作者的Cone编译器会生成LLVM IR，就像Rust一样。同时作者也实现了一个Cone IR，类似于Rust的MIR。但Cone可能比Rust更快一些，因为没有Rust这么多分析。
验证LLVM IR。这个过程是对LLVM IR的有效语义进行分析。确保IR的格式正确、通过类型检查，其算法复杂度为O(n)，与LLVM IR节点的数量成正比。
优化LLVM IR。将执行6次LLVM优化：将栈变量转换为寄存器、函数内联、窥孔优化（peephole optimization）、位操作优化（bit twiddling）、公共子表达式消除和控制流程简化。一些优化过程可能是O(n)，但某些复杂的可能是指数级的。
生成目标，并将其存储于磁盘。此阶段占整个LLVM运行时间的73%。

小百科