Project Icon

thingbuf

无锁并发环形缓冲区与MPSC通道库

thingbuf是一个无锁并发环形缓冲区和MPSC通道库。它基于数组实现环形缓冲区,允许通过引用访问缓冲区槽位。该库提供异步和阻塞式有界MPSC通道,适用于高吞吐量、低内存分配场景。thingbuf支持#![no_std]环境,提供静态分配选项,并在保持性能的同时确保API一致性。

thingbuf

"我在缓冲池。我在MPSC通道。我在MPSC通道和缓冲池的组合体。"

crates.io 文档 文档 (HEAD) MIT许可 测试状态 在GitHub Sponsors上赞助 @hawkw

这是什么?

thingbuf是一个基于数组的无锁并发环形缓冲区,允许通过引用访问缓冲区中的槽位。它还包括使用该环形缓冲区实现的异步阻塞有界MPSC通道。

我什么时候应该使用它?

  • 如果你想要一个高吞吐量的有界MPSC通道,只在通道创建时分配内存。一些MPSC通道具有良好的吞吐量。另一些MPSC通道不会为每个等待者分配内存。thingbuf::mpsc兼具这两个特点。在大多数用例中,thingbuf::mpsc是一个具有竞争力的通用MPSC通道选择。

    提供了异步阻塞两种MPSC通道,因此thingbuf可以替代像futures::channel::mpsc这样的异步通道以及std::sync::mpsc::sync_channel这样的阻塞通道。

  • 如果你无法分配内存需要使用#![no_std]构建,因为你正在进行嵌入式系统或其他裸机软件开发。Thingbuf提供了一个静态分配的MPSC通道和一个静态分配的无锁队列。这些可以放在static初始化器中,无需任何运行时分配即可使用。

  • 你想在有和没有std的情况下使用相同的MPSC通道。无论是否启用"std"特性标志,Thingbuf的异步MPSC通道都提供相同的API和功能集。如果你正在编写一个需要有条件地支持#![no_std]的库,并且需要一个异步MPSC通道,在两种情况下使用thingbuf::mpsc可能比在std#![no_std]通道实现之间切换更容易。

什么时候不应该使用它?

讨论何时不应该使用thingbuf同样重要。以下是一些你可能更适合考虑其他选择的情况:

  • 你需要一个非常、非常、荒谬地高的边界,而且大多数时候都不会接近它。如果你想为有界MPSC通道设置一个非常高的边界,而通道通常永远不会接近那么满,thingbuf::mpsc可能不是最佳选择。

    Thingbuf的通道在构造时就会分配一个长度等于容量的数组。这通过避免额外的分配来提高性能,但如果你需要设置非常高的边界,你可能更喜欢只在需要时为消息分配内存的通道实现(比如tokio::sync::mpsc)。

  • 你需要一个带有select操作的阻塞通道。 我可能不会实现它。如果你提出,我可能会接受PR。

    如果你需要具有这种功能的同步通道,crossbeam-channel可能是个不错的选择。

  • 你想要一个无界通道。我不会写无界通道。无界通道是邪恶的。

术语

本crate的API和文档区分了"队列"和"通道"这两个术语。术语队列指的是一般的[队列抽象数据类型][q-adt] —— 任何先进先出的数据结构都是队列。

术语通道指的是一种也作为同步原语的并发队列子类型。通道是一种可以在多个线程或异步任务之间共享的队列,允许这些线程或任务等待元素被添加到队列中或从队列中移除。

在Rust标准库中,[std::collections::VecDeque]类型是一个不是通道的队列的例子:它是一个先进先出的数据结构,但不能被多个线程或任务并发地入队和出队。相比之下,[std::sync::mpsc]模块中的类型提供了通道的典型例子,因为它们作为跨线程通信的同步原语。 [q-adt]: https://en.wikipedia.org/wiki/Queue_(abstract_data_type) [std::collections::VecDeque]: https://doc.rust-lang.org/stable/std/collections/struct.VecDeque.html [std::sync::mpsc]: https://doc.rust-lang.org/stable/std/sync/mpsc/index.html

使用方法

要开始使用thingbuf,请在你的Cargo.toml中添加以下内容:

[dependencies]
thingbuf = "0.1"

默认情况下,thingbuf依赖于Rust标准库,以实现诸如同步(阻塞)通道等API。在#![no_std]项目中,必须禁用std特性标志:

[dependencies]
thingbuf = { version = "0.1", default-features = false }

禁用std特性后,thingbuf将仅依赖于libcore。这意味着需要动态内存分配的API将不可用。如果启用static特性标志,静态分配的通道队列可用于没有内存分配器的代码:

[dependencies]
thingbuf = { version = "0.1", default-features = false, features = ["static"] }

然而,如果有可用的内存分配器,#![no_std]代码也可以启用alloc特性标志以依赖于liballoc

[dependencies]
thingbuf = { version = "0.1", default-features = false, features = ["alloc"] }

箱特性标志

  • std默认启用):启用需要Rust标准库的功能,如同步(阻塞)通道。这隐式启用了"alloc"特性标志。
  • alloc:启用需要liballoc(但不需要libstd)的功能。这使得可以使用运行时确定大小的thingbuf队列和异步通道。
  • static默认禁用,需要Rust 1.59+):启用静态(基于const泛型)thingbuf队列和通道。当队列或通道的大小在编译时已知时,可以在不进行动态内存分配的情况下使用这些功能。

编译器支持

thingbuf基于最新的稳定版本构建。最低支持版本是Rust 1.57。当前的thingbuf版本不保证能在早于最低支持版本的Rust版本上构建。

某些特性标志可能需要更新的Rust版本。例如,"static"特性标志需要Rust 1.60+。

常见问题

  • 问:为什么你要制作这个?

    **答:**对于tracing,我想能够将格式化的日志行发送到专门的工作线程,由它将日志写入文件。目前,我们使用crossbeam-channel来实现这一点。然而,这有一个不幸的缺点,即我们必须分配String,通过通道将它们发送给写入器,然后立即丢弃它们。如果能重用这些分配就好了。因此...StringBuf诞生了。

  • 问:它是无锁的吗?

    **答:**非常无锁。

  • 问:为什么只有有界变体?

    **答:**因为无界队列是魔鬼的产物。

  • 问:这不就是一个巨大的内存泄漏吗?

    **答:**如果你使用不当,确实是。

  • 问:为什么叫这个名字?

    **答:**最初,我将其想象成一种环形缓冲区,所以(作为"ringbuf"的双关语)我称之为"stringbuf"。然后,我意识到你可以用它来处理不仅仅是字符串。事实上,它可以推广到任意...东西。所以,"thingbuf"。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号