炒作背后的问题
每隔几年,就会有一种编程语言抓住业界的想象力。Go 红极一时,Kotlin 也红极一时。现在轮到了 Rust,这有其道理。但企业圈子里关于 Rust 的讨论,常常卡在两个极端之间:一边是想把一切都重写的布道者,另一边是把它当作与业务无关的系统编程小众爱好的怀疑者。
和往常一样,真相比这两种立场都有趣。Rust 确实解决了其他语言解决不了的问题,但它不是万能答案,在没有理解取舍的情况下采用它,代价可能比它所解决的问题更高。
本文不是 Rust 教程,而是写给工程负责人的商业论证分析,用于判断 Rust 是否应当纳入技术战略,如果应当,又该用在哪里。
Rust 究竟解决了什么
Rust 的核心价值主张是不依赖垃圾回收的内存安全。实际意义是,整类缺陷,如缓冲区溢出、释放后使用错误、数据竞争,在编译期就被捕获,而不是在凌晨 3 点的生产环境中才被发现。
对大多数 CRUD 应用来说,这无关紧要。Java、Go 和 TypeScript 通过垃圾回收器安全地管理内存,对于每秒处理数百个请求的 Web 服务,垃圾回收器完全够用。
但对于每秒处理数十万个请求的系统,如实时竞价平台、金融交易引擎、视频编码流水线、网络代理,垃圾回收器就成了负担。在中等规模下察觉不到的、不可预测的停顿时间,到了高规模就变成 P99 延迟尖峰。Rust 通过所有权模型彻底消除了这一问题,无需手动管理内存,就能获得可预测、稳定的性能。
所以,采用 Rust 的并不是追逐潮流的随机初创公司。Cloudflare 用 Rust 重建了 DNS 代理,内存使用量降低了 50%。Discord 用 Rust 替换了一个 Go 服务,消除了由 Go 垃圾回收器引起的延迟尖峰。AWS 完全用 Rust 构建了 Firecracker,也就是 Lambda 和 Fargate 背后的 microVM 引擎。这些都是工程组织在穷尽其他选择之后,深思熟虑、以数据为依据做出的决定。
Rust 的优势所在,以及不适用的地方
Rust 在一组特定的使用场景中表现出色:
- 高吞吐网络服务:代理、负载均衡器、API 网关,每一微秒的延迟都很重要,垃圾回收停顿无法接受。
- 数据处理流水线:处理 TB 级数据的 ETL 系统,内存效率直接转化为基础设施成本的节省。
- WebAssembly:Rust 编译到 WebAssembly 比任何其他语言都更自然,使其成为对性能要求苛刻的浏览器和边缘计算负载的默认选择。
- 安全关键型基础设施:认证服务、加密库,以及任何内存漏洞会带来灾难性后果的场景。
- 嵌入式和物联网:资源受限的环境,需要 C 语言那样的控制力,又不想有它容易自伤的风险。
Rust 不适合的场景:
- 标准 Web API:每秒处理 500 个请求的 REST 服务不需要 Rust。Go、Java 或 TypeScript 交付更快,开发成本也更低。
- 快速原型:Rust 的编译器以严格著称。在 Python 中 20 分钟能完成的事,在数据模型还没想清楚时用 Rust 要花 2 个小时。对于探索阶段,这是负担不起的代价。
- 缺乏系统编程经验的团队:Rust 的学习曲线是真实存在的。一个 Web 开发团队需要 3-6 个月才能真正高效。如果您的约束是上市时间,这笔投入可能不值得。
成本与收益的权衡
企业环境中对 Rust 最常见的反对意见是开发者效率。Rust 开发者每天写的代码行数比 Go 或 Python 开发者少。编译器会拒绝其他语言乐于编译、让它在运行时才出错的代码。初期的开发速度确实更慢,这是可以度量的。
但这种看法忽略了账本的另一面。Google 安全团队的一项研究发现,Chrome 中 70% 的严重安全漏洞是内存安全问题,恰恰是 Rust 所消除的那一类缺陷。Microsoft 报告 Windows 也有类似的比例。发现、分级、修补和部署这些漏洞的修复,其成本远远超过前期的效率差异。
在运维层面,Rust 服务的故障率往往大幅降低:空指针崩溃更少,缓慢拖垮性能的内存泄漏更少,只有在生产负载下才会出现的竞态条件更少。运行 Rust 服务的团队,花在值班救火上的时间更少,花在开发功能上的时间更多。
经济账在规模化时最清楚。如果运行一个服务的 10 个实例,Rust 与 Java 之间的基础设施成本差异可以忽略不计。如果运行 10,000 个实例,如 Cloudflare 和 Discord 那样,Rust 带来的 40-60% 内存降幅,会直接转化为每年数百万美元的基础设施节省。
把 Rust 引入现有技术栈
采用 Rust 的错误方式,是重写整个后端。正是这种做法让 Rust 在企业圈子里名声不佳:雄心勃勃的重写要花数年时间,投资回报却存疑。
正确的做法是精准切入。找出 Rust 的优势与您的痛点相吻合的具体服务或组件,用 Rust 构建该组件,让它先证明自己的价值,再扩大范围。
常见的切入点包括:
- 对性能要求苛刻的微服务:替换那个造成 P99 延迟问题、或消耗了不成比例的基础设施预算的服务。
- 共享库:用 Rust 编写核心算法或数据处理库,通过 FFI 或 WebAssembly 暴露,再由现有的 Python 或 Node.js 服务调用。
- CLI 工具和开发者基础设施:用 Rust 构建内部工具。它以单个二进制文件交付,没有运行时依赖,不再有“在我机器上能跑”的问题。
- 全新的 greenfield 服务:从零开始新建服务时,评估 Rust 是否符合需求。这样可以避免重写现有代码带来的内部协调与技术开销。
招聘问题是真实存在的,但在不断变化。三年前,几乎找不到高级 Rust 开发者。如今人才库已大幅增长,许多有经验的 C++ 和 Go 开发者正在积极学习 Rust。关键在于不要求第一天就具备 Rust 经验:招聘优秀的系统程序员,并投入 2-3 个月做 Rust 专项培训。
GTEMAS 的视角
在 GTEMAS,我们把 Rust 视为专项选择,而不是默认选项。当客户有经过衡量的明确需求时(通常是高吞吐数据处理或实时事件流),我们会通过 Talent Ecosystem 中已验证的 Skill Profile,寻找 Rust 能力已被证明的工程师。
我们对大多数客户的建议很明确:不要因为 Rust 流行而采用它。只有当您已度量出某个具体问题,如延迟、内存消耗、安全风险敞口,而 Rust 比您当前的技术栈解决得更好时,才采用它。我们帮助客户找出这些拐点,构建最初的 Rust 组件,并建立内部能力来维护和扩展它们。作为 FastDX(我们的 AI 原生交付流水线)的一部分,AI 辅助工具还能缩短刚接触 Rust 所有权模型的工程师的上手曲线:它不能取代学习,但比单靠编译器更快地发现借用检查器的错误,并提示惯用写法。
从 Rust 中获益最多的公司,不是那些把一切都重写的公司,而是清楚知道 Rust 的优势在哪里重要,并精准地用在那里的公司。
