Para nuestro tercer proyecto, elegiremos algo que demuestra una de las mayores fortalezas de Rust: la ausencia de un entorno de ejecución.
A medida que las organizaciones crecen, estas de manera progresiva, hacen uso de una multitud de lenguajes de programación. Diferentes lenguajes de programación poseen diferentes fortalezas y debilidades, y una arquitectura poliglota permite usar un lenguaje en particular donde sus fortalezas hagan sentido y otro lenguaje sea débil.
Un area muy común en donde muchos lenguajes de programación son débiles es el performance en tiempo de ejecución. Frecuentemente, usar un lenguaje que es lento, pero ofrece mayor productividad para el programador, es un equilibrio que vale la pena. Para ayudar a mitigar esto, dichos lenguajes proveen una manera de escribir una parte de tu sistema en C y luego llamar ese código como si hubiese sido escrito en un lenguaje de mas alto nivel. Esta facilidad es denominada ‘interfaz de funciones foráneas’ (‘foreign function interface’), comúnmente abreviando a ‘FFI’.
Rust posee soporte para FFI en ambas direcciones: puede llamar código en C de manera fácil, pero crucialmente puede ser llamado tan fácilmente como C. Combinado con la ausencia de un recolector de basura y bajos requerimientos en tiempo de ejecución, Rust es un candidato para ser embebido dentro de otros lenguajes cuando necesites esos ooKmh extra.
Existe un capitulo completo dedicado a FFI y sus detalles en otra parte del libro, pero en este capitulo, examinaremos el uso particular de FFI con ejemplos en Ruby, Python, y JavaScript.
Existen muchos problemas que podríamos haber escogido, pero elegiremos un ejemplo en el cual Rust tiene una ventaja clara por encima de otros lenguajes: computación numérica e hilos.
Muchos lenguajes, en honor a la consistencia, colocan números en el montículo, en vez de en la pila. Especialmente en lenguajes enfocados en programación orientada a objetos y el uso de un recolector de basura, la asignación de memoria desde el montículo es el comportamiento por defecto. Algunas veces optimizaciones pueden colocar ciertos números en la pila, pero en vez de confiar en un optimizador para realizar este trabajo, podríamos querer asegurarnos que siempre estemos usando numero primitivos en vez de algun tipo de objetos.
Segundo, muchos lenguajes poseen un ‘bloqueo global del interprete’ (‘global interpreter lock’) (GIL), que limita la concurrencia en muchas situaciones. Esto es hecho en el nombre de la seguridad lo cual es un efecto positivo, pero limita la cantidad de trabajo que puede ser llevado a cabo de manera concurrente, lo cual es un gran negativo.
Para enfatizar estos 2 aspectos, crearemos un pequeño proyecto que usa estos dos aspectos en gran medida. Debido a que el foco del ejemplo es embeber Rust en otros lenguajes, en vez de el problema en si mismo, usaremos un ejemplo de juguete:
Inicia diez hilos. Dentro de cada hilo, cuenta desde uno hasta cinco millones. Después que todos los hilos hayan finalizado, imprime "completado!".
He escogido cinco millones basado en mi computador en particular. He aquí un ejemplo de este código en Ruby:
threads = []
10.times do
threads << Thread.new do
count = 0
5_000_000.times do
count += 1
end
end
end
threads.each { |t| t.join }
puts "completado!"
Intenta ejecutar este ejemplo, y escoge un numero que corra por unos segundos. Dependiendo en el hardware de tu computador, tendrás que incrementar o decrementar el numero.
En mi sistema, ejecutar este programa toma 2.156. Si uso alguna tipo de herramienta de monitoreo de procesos, como top, puedo ver que solo usa un núcleo en mi maquina. El GIL presente haciendo su trabajo.
Si bien es cierto que este en un programa sintético, uno podría imaginar muchos problemas similares a este en el mundo real. Para nuestros propósitos, levantar unos pocos hilos y ocuparlos representa una especie de computación paralela y costosa.
Escribamos este problema en Rust. Primero, creemos un proyecto nuevo con Cargo:
$ cargo new embeber
$ cd embeber
Este programa es fácil de escribir en Rust:
fn main() { use std::thread; fn procesar() { let handles: Vec<_> = (0..10).map(|_| { thread::spawn(|| { let mut _x = 0; for _ in (0..5_000_000) { _x += 1 } }) }).collect(); for h in handles { h.join().ok().expect("No se pudo unir un hilo!"); } } }use std::thread; fn procesar() { let handles: Vec<_> = (0..10).map(|_| { thread::spawn(|| { let mut _x = 0; for _ in (0..5_000_000) { _x += 1 } }) }).collect(); for h in handles { h.join().ok().expect("No se pudo unir un hilo!"); } }
Algo de esto debe lucir familiar a ejemplos anteriores. Iniciamos diez hilos, colectandolos en un vector handles. Dentro de cada hilo, iteramos cinco millones de veces, agregando uno a _x en cada iteración. Porque el sub-guion? Bueno, si lo removemos y luego compilamos:
$ cargo build
Compiling embeber v0.1.0 (file:///Users/goyox86/Code/rust/embeber)
src/lib.rs:3:1: 16:2 warning: function is never used: `procesar`, #[warn(dead_code)] on by default
src/lib.rs:3 fn procesar() {
src/lib.rs:4 let handles: Vec<_> = (0..10).map(|_| {
src/lib.rs:5 thread::spawn(|| {
src/lib.rs:6 let mut x = 0;
src/lib.rs:7 for _ in (0..5_000_000) {
src/lib.rs:8 x += 1
...
src/lib.rs:6:17: 6:22 warning: variable `x` is assigned to, but never used, #[warn(unused_variables)] on by default
src/lib.rs:6 let mut x = 0;
^~~~~
La primera advertencia es debido es a consecuencia de estar construyendo una biblioteca. Si tuviéramos una prueba para esta función, la advertencia desaparecería. Pero por ahora nunca es llamada.
La segunda esta relacionada a x versus _x. Como producto de que efectivamente no hacemos nada con x obtenemos una advertencia. Eso, en nuestro caso, esta perfectamente bien, puesto que queremos desperdiciar ciclos de CPU. Usando un sub-guión de prefijo eliminamos la advertencia.
Finalmente, hacemos join en cada uno de los hilos.
Hasta el momento, sin embargo, es una biblioteca Rust, y no expone nada que pueda ser llamado desde C. Si quisiéramos conectarla con otro lenguaje, en su estado actual, no funcionaria. Solo necesitamos hacer unos pequeños cambios para arreglarlo. Lo primero es modificar el principio de nuestro código:
fn main() { #[no_mangle] pub extern fn procesar() { }#[no_mangle] pub extern fn procesar() {
Debemos agregar un nuevo atributo, no_mangle. Cuando creamos una biblioteca Rust, este cambia el nombre de la función en la salida compilada. Las razones de esto escapan del alcance de este tutorial, pero para que otros lenguajes puedan saber como llamar a la función, debemos evitar que el compilador cambie el nombre en la salida compilada. Este atributo desactiva ese comportamiento.
El otro cambio es el pub extern. El pub significa que esta función puede ser llamada desde afuera de este modulo, y el extern dice que esta puede ser llamada desde C. Eso es todo! No muchos cambios.
La segunda cosa que necesitamos hacer es cambiar una configuración en nuestro Cargo.toml. Agrega esto al final:
[lib]
name = "embeber"
crate-type = ["dylib"]
Estas lineas le informan a Rust que queremos compilar nuestra biblioteca en una biblioteca dinámica estándar. Rust compila un ‘rlib’, un formato especifico de Rust.
Ahora construyamos el proyecto:
$ cargo build --release
Compiling embeber v0.1.0 (file:///Users/goyox86/Code/rust/embeber)
Hemos elegido cargo build --release, lo cual construye el proyecto con optimizaciones. Queremos que sea lo mas rápido posible! Puedes encontrar la salida de la biblioteca en target/release:
$ ls target/release/
build deps examples libembeber.dylib native
Esa libembeber.dylib es nuestra biblioteca de ‘objetos compartidos’. Podemos usar esta biblioteca como cualquier biblioteca de objetos compartido escrita en C! Como nota, esta podría ser libembeber.so o libembeber.dll, dependiendo la plataforma.
Ahora que tenemos nuestra biblioteca Rust, usémosla desde Ruby.
Crea un archivo embeber.rb dentro de nuestro proyecto, y coloca esto dentro:
require 'ffi'
module Hola
extend FFI::Library
ffi_lib 'target/release/libembeber.dylib'
attach_function :procesar, [], :void
end
Hola.procesar
puts 'completado!'
Antes de que podamos ejecutarlo, necesitamos instalar la gema ffi:
$ gem install ffi # esto puede necesitar sudo
Fetching: ffi-1.9.8.gem (100%)
Building native extensions. This could take a while...
Successfully installed ffi-1.9.8
Parsing documentation for ffi-1.9.8
Installing ri documentation for ffi-1.9.8
Done installing documentation for ffi after 0 seconds
1 gem installed
Finalmente, intentemos ejecutarlo:
$ ruby embeber.rb
completado!
$
Whoa, eso fue rápido! En mi sistema, tomo 0.086 segundos, a diferencia de los dos segundos que la version en Ruby puro. Analicemos este código Ruby:
require 'ffi'
Primero necesitamos requerir la gema ffi. Nos permite interactuar con una biblioteca Rust como una biblioteca en C.
module Hola
extend FFI::Library
ffi_lib 'target/release/libembeber.dylib'
El modulo Hola es usado para adjuntar las funciones nativas de la biblioteca compartida. Dentro, extendemos el modulo FFI::Library y luego llamamos el método ffi_lib para cargar nuestra biblioteca de objetos compartidos. Simplemente pasamos la ruta en la cual nuestra biblioteca esta almacenada, la cual, como vimos anteriormente, es target/release/libembeber.dylib.
attach_function :procesar, [], :void
El método attach_function es proporcionado por la gema FFI. Es lo que conecta nuestra función procesar() en Rust a un método en Ruby con el mismo nombre. Debido a que procesar() no recibe argumentos, el segundo parámetro es un arreglo vacío, y ya que no retorna nada, pasamos :void como argumento final.
Hola.procesar
Esta es la llamada a Rust. La combinación de nuestro modulo y la llamada a attach_function han configurado todo. Se ve como un método Ruby pero es en realidad código Rust!
puts 'completado!'
Finalmente, y como requerimiento de nuestro proyecto, imprimimos completado!.
Eso es todo! Como hemos visto, hacer un puente entre los dos lenguajes es realmente fácil, y nos compra mucho performance.
A continuación, probemos Python!
Crea un archivo embeber.py en este directorio, y coloca esto en el:
from ctypes import cdll
lib = cdll.LoadLibrary("target/release/libembeber.dylib")
lib.procesar()
print("completado!")
Aun mas fácil! Usamos cdll del modulo ctypes. Una llamada rápida a LoadLibrary después, y luego podemos llamar procesar().
En mi sistema, toma 0.017 segundos. Rápidillo!
Node no es un lenguaje, pero es actualmente la implementación de Javascript dominante del lado del servidor.
Para hacer FFI con Node, primero necesitamos instalar la biblioteca:
$ npm install ffi
Después de que este instalada, podemos usarla:
var ffi = require('ffi');
var lib = ffi.Library('target/release/libembeber', {
'procesar': ['void', []]
});
lib.procesar();
console.log("completado!");
Luce mas parecido al ejemplo Ruby que al de Python. Usamos el modulo ffi para obtener acceso a ffi.Library(), la cual nos permite cargar nuestra biblioteca de objetos compartidos. Necesitamos anotar el tipo de retorno y los tipos de los argumentos de la función, que son void para el retorno y un arreglo vacío para representar ningún argumento. De allí simplemente llamamos a la función procesar() e imprimimos el resultado.
En my sistema, este ejemplo toma unos rápidos 0.092 segundos.
Como puedes ver, las bases de hacer FFI son muy fáciles. Por supuesto hay mucho mas que podríamos hacer aquí. Echa un vistazo al capitulo FFI para mas detalles.