为什么，越多的 Python 开发者，都开始学习 Rust 了！

本文主要是介绍为什么，越多的 Python 开发者，都开始学习 Rust 了！，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

大家好，我是渔夫。

今天分享主题，为什么越来越多的 Python 爱好者，开始逐步地学习 Rust 呢？

Python

Rust 正在逐渐成为高性能 Python 包的首选“后端”主力语言，取代传统的 C。造成这样趋势的原因，大概总结下面几个方面：

Python 速度瓶颈： Python 简便易用，上手容易，问题在高性能库和数据处理方面速度较慢，尤其在数据工程和机器学习领域，纯 Python 编写不再适用了，而且未来的AI大模型时代，更加吃不消。
AI大模型主导地位： Python 在人工智能和数据分析等领域广泛应用，要求开发者在Python 中编写API，但也需要高性能数据处理。传统上，这导致依赖C语言或其他库。
不满足的解决方案： 以前的方法如将处理外包给 numpy 或 scipy，或学习C语言，但限制较多，特别是在需要向量化函数且无法使用for循环的情况下，受 GIL 限制。
C 语言挑战： 虽然很多开发者选择用C编写库并添加Python绑定，但掌握更低级的C编程技能，对于熟悉 Python 的开发者来说可能繁琐，涉及到空指针解引用、缓冲区溢出、内存泄漏等问题，头都大了，搞不了一点。
Rust 的登场： Rust 作为快速且内存高效的语言，成为理想的替代选择，天然的高性能、内存安全的，性能上与C/C++语言高性能一致，更重要的是提供现代编程语言的安全性和便利性，摆脱手动内存管理和垃圾收集的困扰。

那么，这样来看，具备 Python 开发者和充满活力的开发者社区，要解决这个痛点，瞄准 Rust 为高性能 Python 包提供更优秀的解决方案，是个不错的选择。

例如，虽然 numpy 用于处理数组，但通过 for 循环逐元素操作，由于GIL的存在，性能可能不如预期的。这个时候，不得不使用更底层的东西如C/C++或者更高性能的语言如 Rust可能会更为合适，因为它们能够更好地处理并行计算，而无需担心GIL的限制。

import numpy as np# 使用for循环逐元素操作
def elementwise_operation(arr):result = np.zeros_like(arr)for i in range(len(arr)):result[i] = arr[i] * 2return result# 创建一个大型数组
data = np.random.rand(1000000)# 进行逐元素操作
result = elementwise_operation(data)

Rust

Rust速度快、内存高效，简化了并行编程，有很出色包管理器 Cargo 工具、友好编译器和活跃的社区。对 Python 开发者来说，学习 Rust 比学C更容易，提供更好的“第一级”体验和平滑学习曲线。

近年来，高性能库纷纷选择 Rust 作为后端，展示了其与 Python 前端结合的卓越性能，很多机器学习库，都是 Rust 来开发。

（1）Polars：它是一个快速、高度并行、内存高效的库，用于处理 DataFrame。

Polars 作者选择Rust作为后端，原因是 Rust 提供最佳工具和正确性保证，特别适用于数据处理领域。 Rust的借用检查器、安全内存使用和并发性使其成为构建低级工具的首选语言，同时对新学习者友好。 Ritchie Vink 总结认为，Rust是一种现代系统语言，具有最好的正确性保证。

（2）Lance：也是一个高性能、低成本的矢量数据库。

选择 Rust 的原因，Lance 创始人 Chang She 和 Lei Xu 解释说，尽管团队有丰富的C开发经验，但选择Rust是为了提高工作效率，避免CMake的烦恼。他们在短短三周内将 Lance从C++重写为Rust，替代了四个月的工作，同时使用 Rus t发布新功能更加自信，避免出现段错误。

Rust 不仅仅用于数据处理，它对于许多其他具有高性能要求的 Python 包来说是一个有用的后端。

（3）**Ruff：**是一个非常快的 Python linter，用 Rust 编写。

Ruff 作者 Charlie Marsh 解释说，Rust 提高了他构建高性能软件的能力，允许在较低级别进行操作而不损失抽象。他认为Rust的成功来自于其工具（Cargo）以及语言和生态系统的可访问性，使得从事系统编程变得更加平易近人，对其作为 Python 和其他高级语言的补充充满期待。

（4）**Pydantic：是一个开发人员友好的Python验证库

Pydantic 团队用 Rust编写了他们的V2，性能提高了20倍。除了速度之外，Rust 还带来了其他好处。Pydantic创始人Samuel Colvin指出，Rust使得编写和维护坚实代码更加容易，特别是它强制捕获并处理每个可能的错误，相较于 Python 和 TypeScript 的类型系统会忽略错误。

参考：

https://baincapitalventures.com/insight/why-more-python-developers-are-using-rust-for-building-libraries/
https://github.com/pola-rs/polars
https://github.com/lancedb/lance
https://github.com/astral-sh/ruff