为了快 30 倍,我把构建工具换成了 Rust,结果团队差点连班都加不了

8小时前
椰子皮
8
0
0
文章

“ 快 30 倍的代价:当团队把构建工具换成 Rust 掘金热榜上那条《为了快 30 倍,我把构建工具换成 Rust,结果团队差点连班都加不了》,标题本身就是一份完整的项目复盘:前半句是技术收益,后半句是组织成本。同一周的信息流里还躺着另外几条 ”

快 30 倍的代价:当团队把构建工具换成 Rust

掘金热榜上那条《为了快 30 倍,我把构建工具换成 Rust,结果团队差点连班都加不了》,标题本身就是一份完整的项目复盘:前半句是技术收益,后半句是组织成本。同一周的信息流里还躺着另外几条新闻——字节的 Rspack 用 Rust 重写 webpack 核心拿到 5–10 倍、谷歌和 OpenAI 掏钱给 Rust 编译器提速七年攒出 3 倍、有人把 78 万行代码从 Zig 迁到 Rust。把它们拼在一起,正好是一张「Rust 重写潮」的成本收益表。

一、30 倍不是魔法:瓶颈不在算法,在运行时

先看最容易量化的那一类:构建工具。Rspack 官方给出的数字是中型项目冷启动从 30 秒降到 5 秒、HMR 从 3 秒降到 300 毫秒。注意这两个倍数并不一样——冷启动约 6 倍,热更新约 10 倍。差距的原因不难推:冷启动是编译密集型任务,两边都在拼命算;而 HMR 是大量细碎的小任务加频繁的状态同步,JavaScript 侧的事件循环调度、对象序列化、跨进程通信在这里占比极高,换成 Rust 的多线程加共享内存之后,省掉的不只是计算时间,还有一整层胶水开销。

Rspack 文档里对瓶颈的定位说得很直白:性能瓶颈往往不在算法,而在语言本身——Node.js 的 JIT 编译和单线程模型在 CPU 密集型任务上天然吃亏。所以它选择用 Rust 从零写核心,把解析、编译、代码生成全流程并行化。这个判断对整个「Rust 化」运动都成立:绝大多数被重写的系统,算法并没有变,变的是算法下面的那层地基。

Python 侧的故事更典型。一个日增 200 GB 文本的舆情分析平台,跑在 16 vCPU / 64 GB 的 k8s Pod 里,峰值耗时 4 小时,每周 OOM Kill 两三次。表面看是「Python 慢」,实际拆开是三个独立问题叠在一起:

  • GIL 让多线程失效,只能靠多进程绕,而进程间传递数据又要序列化,收益被吃掉一大半;
  • 对象模型昂贵,每一行文本都要构造成 Python 字符串和对象,分配与 GC 压力随数据量线性上升;
  • 内存峰值不可控,GC 语言很难给容器一个硬性上限,于是 OOM 变成周期性的运维事件。

Rust 在这三点上分别给出答案:真并行、&str 借用避免拷贝、无 GC 所以内存曲线可预测。素材里提到作者专门做了「从 String 到 &str」的内存优化,本质就是把「拥有所有权」降级成「借用一段视图」,省掉的是每一次切片带来的堆分配。

配图 1

这里有个必须点破的错觉:所谓「快 30 倍」,很少是同一份代码换個编译器就跑快 30 倍。真实情况是换语言的过程顺带把架构也换了——从批处理换成流式、从单线程换成数据并行、从复制换成借用。收益里有一半来自重构,而重构的成本,恰恰是标题里「差点连班」的那部分。

二、两条路线:换工具,还是换语言

把素材里的案例按侵入程度排一下,会发现「Rust 化」其实是两种完全不同的项目。

路线 A:换工具,不动业务代码。 典型就是 Rspack。它的卖点不是性能数字,而是兼容 webpack 生态:绝大多数 loader 和 plugin 能用,webpack.config.js 改个文件名就能跑,内置 swc-loader 替代 babel-loader,Module Federation 原生支持,CSS Modules / PostCSS / Less / Sass / Tree Shaking 全部内置,压缩用 SWC minifier(官方称比 Terser 快数十倍)。对使用者来说,这是一次配置层面的替换,回滚成本约等于改回一行依赖。

路线 B:换语言,就地扩展。 素材里的 Python 案例走的是另一条路:不动接口、不动部署脚本,用 PyO3 / maturin 把热点模块编成 native 扩展,Python 继续做调度和编排。作者定的策略是「最小可交付单元(MVP)」——先迁一个能独立验证的函数,跑通 benchmark,再谈下一个。这条路的天花板比路线 A 高,因为你连业务逻辑的执行模型都换了;但风险也高一个量级。

维度 路线 A:换 bundler 路线 B:就地扩展
改动面 配置与少量插件适配 热点模块重写 + FFI 边界
回滚成本 改回依赖即可 需要保留双实现并行跑
技能要求 会用即可,团队无需懂 Rust 至少 1–2 人能读能改 Rust
性能上限 受限于工具本身 可重设数据流与内存模型
主要风险 长尾插件不兼容 FFI 边界、语义差异、调试降级

值得单独说的是路线 A 的隐性依赖。Rspack 的仓库数据很能说明「兼容」这件事有多重:约 88.3 万行代码(含注释空行共约 123 万行)、334 位贡献者、116 个 open issue、119 个 open PR,近 90 天新建 PR 1013 个、合并 923 个,合并率约 91%。这组数字的含义是:兼容层不是一次性交付物,而是一条持续吞人的流水线。你享受的「无缝迁移」,建立在别人每周合几百个 PR 之上。选路线 A 的人真正要评估的,是这个上游项目还能不能保持这个吞吐。

配图 2

三、被忽略的账单:编译时间、生态缝隙与调试降级

换到 Rust 之后,第一笔新增开销是编译时间。这是语言的结构性特征,不是工程没做好:单态化要为每个具体类型生成一份代码、LLVM 的优化通道要走完、借用检查本身也要算。素材里那条关于 Rust 编译器自身的报道格外有意味——谷歌和 OpenAI 出钱投入,七年攒出 3 倍的编译速度提升,而落到某个具体项目上,一次优化让 30 分钟的构建只省下 82 秒。七年的投入换一个边际收益递减的曲线,这基本宣告了「等编译器变快」不是一个可依赖的策略。

这意味着一个反直觉的取舍:如果你只是想让构建变快,那应该换构建工具,而不是把自己的代码写成 Rust。 前者是买别人优化好的产物,后者是给自己每天加一道编译关卡。Rspack 之所以体验好,恰恰因为它是「Rust 写的一次性产物」——你只在 npm install 时付一次成本。

第二笔开销是语义缝隙。素材里 Python 案例的标题提到「正则加速」,这是最容易踩坑的地方:Python 的 re 支持回溯引用、后行断言这类特性,而 Rust 的 regex crate 为了保证线性时间,明确不支持回溯引用。迁移时如果只做「同一条正则换个引擎」,行为差异会在边缘样本上炸出来,而且往往在生产流量里才暴露。JSON 序列化同理:换语言后原本被 GIL 掩盖的序列化开销会浮上来,成为新的热点,这几乎是所有「Python → Rust」项目的必经之路。素材把「GIL 与并行」「JSON 序列化瓶颈」「内存碎片」列为三个深坑,指向的其实是同一件事——你优化掉一个瓶颈,瓶颈就会搬到下一个位置,只是新位置你可能不熟。

第三笔开销是调试与可观测性的降级。Python 有 pdb、有成熟的 profiling 生态;TypeScript 有 sourcemap;而 Rust 的 panic backtrace 在异步场景下经常残缺不全,线上排障要重新建一套工具习惯。这不是能力问题,是熟练度问题,但它会在故障发生时按分钟计费。

四、「差点连班都加不了」:成本其实落在人身上

回到那条热榜标题。作者自述「去年底力排众议」主导替换,正文没有展开,但「差点连班都加不了」这个措辞已经把矛盾指向了人的一侧——不是机器跑不动,是团队跟不上。

素材里的 Python 案例给了一个关键背景:团队里 80% 的同事只会 Python。这个比例决定了迁移的形态。如果让全员学 Rust,等于在交付压力最大的时候给每个人加一门新语言;如果只让少数人写 Rust,那 Rust 部分就成了知识孤岛,bus factor 降到 1–2 人,一旦这个人休假或离职,整条链路没人能改。

这里有一个管理上的结构性错配:机器时间省下来的钱记在基础设施预算上,人力时间多花出去的钱记在项目排期上。两本账不打通,这类项目就一定会「技术上成功、组织上失控」。

具体到日常,成本会以这些形式出现:code review 没人能看懂生命周期标注;一个借用检查报错卡住半天;线上问题只能等唯一懂 Rust 的同事;重构时发现某个 crate 的 API 和原来的库语义不同,要重写一整块。这些都是「加班」的真实来源,而它们不会出现在任何 benchmark 里。

Rust 的安全保证确实消灭了一整类 bug(数据竞争、空指针),但它把成本前置了:编译期的严格换来了设计期的反复。前两三个月团队基本处于负产出状态,这段曲线必须在排期里显式留出来,否则就会变成标题里的结局。

配图 3

五、什么时候该换:几条可执行的判据

把上面的分析压成可操作的判断,大致是这几条:

  • 先 profile,再决定。素材里的项目之所以能定出「4 小时 → 30 分钟、64 GB → 32 GB」这种可验收的目标,是因为瓶颈已经量化。没有 profile 的「我们也要 Rust 化」都是情绪。
  • 看热点是否集中。如果 80% 的时间花在 20% 的代码上,就走路线 B,只迁热点;如果瓶颈弥散在全链路,那要问的是架构问题,换语言救不了。
  • 看边界是否干净。CLI、HTTP、FFI 这类清晰边界适合切;深度耦合的业务逻辑不适合,因为你要么全迁,要么维护两套。
  • 看有没有两个人。一个人叫试验,两个人才能叫能力。
  • 提前定回滚路径。双实现并行跑一段时间,用真实流量对拍,是这类项目唯一可靠的验收方式。
  • 统一度量口径。冷启动和增量构建要分开算,P50 和 P95 要分开看,内存峰值比平均值重要——素材里 OOM 每周出现两三次,说明决定生死的是峰值不是均值。

还有一个容易被忽略的口径问题:素材标题写的是「10 倍提速」,而目标写的是「≤30 分钟」,相对 4 小时只有 8 倍。这种数字上的松动很常见,不是造假,而是「峰值」与「常态」、「端到端」与「核心链路」的统计范围不同。评估任何 Rust 化案例时,先问清楚分母是什么。

六、判断:Rust 化是把运行时的不确定性换成编译期的不确定性

把这几条新闻放在一起看,会得到一个相对清晰的图景。

构建工具这一层的 Rust 化已经基本被证明是划算的:Rspack 用一次性的大投入,换来了整个前端生态的公共品,使用者付出的只是依赖体积和上游活跃度的风险。这一层的关键在于「一次重写、多人受益」,成本被摊薄了。

而业务链路的 Rust 化,目前还处在逐个案例验证的阶段。素材里的舆情平台、Zig 迁移的 78 万行代码,都在说明迁移本身正在被工具化、流程化——但工具化降低的是单次迁移的摩擦,不是长期维护的门槛。78 万行这个量级本身就在提示:这已经是「重写一个系统」,而不是「优化一个模块」。

真正决定成败的分水岭,是团队有没有把 Rust 部分当成一项长期承诺而不是一次性项目。当成项目,交付那天就是债务开始计息的那天;当成承诺,才有人持续维护、持续 profiling、持续把新的热点迁过去。

后续值得盯的三个观察点:编译器那边,谷歌和 OpenAI 的钱能不能把「七年 3 倍」的曲线拉陡;PyO3 / maturin 这条路上的 FFI 边界会不会被抽象得更薄;以及最实际的——那些宣布 Rust 化的团队,一年之后还有没有人在维护那部分代码。


📚 参考来源

  1. 为了快 30 倍,我把构建工具换成了 Rust,结果团队差点连班都加不了去年底,我力排众议,主导把团队的构建工具从 We - 掘金 —— juejin.cn
  2. 把 Python 脚本“就地”升级成 Rust:一次 10 倍提速、内存减半的实战记录_python_IT闫-AI Agent技术社区 —— agent.csdn.net
  3. 谷歌、OpenAI 掏钱改 Rust 编译器:7 年攒出 3 倍,30 分钟构建只省 82 秒 - 今日头条 —— m.toutiao.com
  4. 我用Bun把78万行代码从Zig迁移到Rust,花费的数据和过程_kcoufee的技术博客_51CTO博客 —— blog.51cto.com
  5. webpack 构建慢、配置重?Rspack 兼容生态、Rust 驱动 5–10 倍速 | X-CMD 推荐 | rspack —— cn.x-cmd.com
赏
支付宝微信
0
关注公众号获取更多内容
纳指重挫5% 英伟达狂泻14%
没有了
暂无评论,快抢沙发吧