Kiedy po raz pierwszy zdecydowałem się na migrację naszego backendu z Pythona do Rusta, nie chodziło tylko o ciekawość – było to spowodowane realnymi problemami związanymi z wydajnością, kosztami wdrożenia i niezawodnością pod obciążeniem. Ekosystem webowy Pythona – zwłaszcza FastAPI – to przyjemność w pracy pod względem produktywności i szybkich iteracji. Ale gdy nasz ruch wzrósł, a limity wydajności stały się widoczne, chciałem sprawdzić, co Rust może zaoferować.
W tym artykule podzielę się tym, czego nauczyłem się po drodze: zaletami, pułapkami i gdzie każdy ekosystem wciąż się wyróżnia.
Porównanie wydajności: Rust (Actix-Web) vs. Python (FastAPI)
Przepustowość i opóźnienia
Jedną z pierwszych rzeczy, które mnie uderzyły podczas testów wydajności, było to, jak różne są profile wydajności między frameworkami webowymi Rusta i Pythona.
W różnych niezależnych testach porównawczych, Actix-Web w Rust konsekwentnie przewyższa FastAPI pod względem czystych żądań na sekundę i efektywności pamięci. W jednym teście społecznościowym Actix-Web obsługiwał tysiące więcej żądań na sekundę przy niższych opóźnieniach i znacznie niższym zużyciu pamięci w porównaniu do FastAPI.
Jest to zgodne z szerszą obserwacją, że abstrakcje zerowego kosztu w Rust i brak garbage collectora czynią go wyjątkowo wydajnym podczas obsługi HTTP na dużą skalę.
Implikacje w rzeczywistych zastosowaniach
W moim doświadczeniu przełożyło się to na:
- Znacznie wyższą trwałą przepustowość w testach obciążeniowych.
- Mniejszą zmienność pod obciążeniem.
- Niższe zużycie pamięci w stanie bezczynności w porównaniu do procesów Pythona.
Mimo to testy porównawcze pokazują tylko część historii: rzeczywiste wąskie gardła są często związane z bazą danych lub siecią. W przypadku wielu aplikacji wydajność FastAPI jest więcej niż wystarczająca, a dostrajanie dostępu do bazy danych lub cache'owania przynosi większe korzyści niż sam wybór języka.
Różnice w ORM: Diesel vs SQLAlchemy
Zmiana paradygmatów ORM była jedną z najbardziej kulturowo odmiennych części migracji.
System migracji
W Pythonie używaliśmy SQLAlchemy z migracjami Alembic – podejściem, które porównuje Twoje modele i automatycznie generuje skrypty migracji.
W Rust przeszliśmy na Diesel, który przyjmuje zupełnie inne podejście:
- Migracje są pisane ręcznie jako jawne pliki SQL.
- Nie ma automatycznego narzędzia do porównywania różnic.
- Otrzymujesz więcej kontroli – i więcej odpowiedzialności.
Początkowo to frustrujące, ale dyscyplina pisania migracji ręcznie prowadziła do lepszej audytowalności i mniej niespodzianek w produkcji.
Bezpieczeństwo typów i gwarancje w czasie kompilacji
Tutaj Diesel naprawdę zmienił moje myślenie o kodzie bazodanowym: bezpieczeństwo typów w czasie kompilacji.
Diesel generuje typy Rust na podstawie Twojego schematu, więc niezgodne nazwy kolumn lub nieprawidłowe konstrukcje zapytań po prostu się nie kompilują. Koncepcje takie jak check_for_backend i wymaganie jawnych deklaracji table_name oznaczają, że całe klasy typowych błędów znikają, zanim w ogóle uruchomisz zapytanie.
Dla porównania SQLAlchemy wychwytuje wiele błędów dopiero w czasie wykonania. Chociaż dodaje to elastyczności, oznacza to również większe poleganie na testach w celu zapewnienia poprawności.
Budowanie i wykonywanie zapytań
Konstruktor zapytań Diesel wykorzystuje system typów Rusta i wymaga więcej linii kodu w porównaniu do bardziej dynamicznego, ekspresyjnego stylu SQLAlchemy – ale kompromisem jest to, że kompilator wiele udowadnia za Ciebie.
Po okresie dostosowania zacząłem doceniać, jak jednoznaczność Rusta pomaga podczas nawigowania po złożonej logice zapytań podczas refaktoryzacji.
Wsparcie automatycznego generowania OpenAPI
Jeden obszar, w którym Python wciąż wydaje się być z przodu po wyjęciu z pudełka, to generowanie schematu API.
FastAPI automatycznie generuje dokumentację OpenAPI i jest dostarczany z interfejsami przeglądarkowymi, takimi jak ReDoc i Swagger UI pod /docs i /redoc, co czyni niezwykle łatwym dla klientów i współpracowników zrozumienie i eksplorowanie Twojego API.
Ekosystem Rusta ewoluuje w tym obszarze. Narzędzia takie jak utoipa mogą generować specyfikacje OpenAPI dla Actix-Web, ale wydają się bardziej manualne i fragmentaryczne w porównaniu do płynnego doświadczenia FastAPI. Istnieją również społecznościowe crate'y do obsługi interfejsów Swagger lub Redoc, ale wymagają dodatkowej konfiguracji i adnotacji.
Oczekuję, że ta luka będzie się dalej zmniejszać – istnieją aktywne wysiłki w społeczności Rust, aby zapewnić płynniejsze doświadczenie dokumentacji API, które rywalizuje z FastAPI.
Rozmiar wdrożenia: Kompilacja vs Zależności
Czas kompilacji Rust
Kompilacja Rusta jest znana z tego, że jest wolniejsza niż języki interpretowane. Podczas programowania, przebudowy – zwłaszcza z dużymi crate'ami – mogą wydawać się powolne w porównaniu do ponownego uruchamiania skryptu Pythona.
Ale ten koszt to czas programowania, a nie czas produkcyjny. Po skompilowaniu pliki binarne Rust są:
- W pełni skompilowane z wyprzedzeniem
- Samodzielne (bez virtualenv, zazwyczaj bez dynamicznych zależności)
- Bardzo mały ślad w obrazach kontenerów
To sprawia, że wdrożenia są prostsze i bardziej przewidywalne.
Ślad zależności Pythona
Aplikacje Pythonowe często przynoszą duży graf zależności: sam FastAPI, uvicorn, pydantic (teraz znacznie szybszy dzięki wewnętrznym elementom Rust), sterowniki baz danych itp.
To zwiększa:
- Rozmiar kontenera
- Złożoność budowania
- Powierzchnię konfliktów zależności
Cargo w Rust produkuje jeden plik binarny, który zawiera wszystko (zazwyczaj), co radykalnie upraszcza historię wdrożenia.
Łatwość utrzymania
To był obszar z prawdopodobnie największym osobistym rozwojem.
Rust popycha Cię w kierunku jasnych granic własności, jawnej obsługi błędów i starannego projektowania. Gdy zinternalizujesz błędy kompilacji Rusta, sam kompilator staje się silnym barierem przed regresjami.
W przeciwieństwie do tego, dynamizm Pythona może wydawać się bezwysiłkowy podczas wczesnego rozwoju – ale ta sama elastyczność czasami prowadzi do trudniejszych do zdiagnozowania błędów w produkcji, chyba że jest wspierana przez solidny zestaw testów.
Nasze bazy kodu Rust wydawały się bardziej odporne podczas dużych refaktoryzacji, w dużej mierze dzięki rygorowi kompilatora.
Dokumentacja i doświadczenie programisty
Automatyczne dokumenty FastAPI
Integracja FastAPI z OpenAPI, wraz z ReDoc i Swagger UI, sprawia, że wdrażanie nowych programistów jest niezwykle łatwe. To jedna z największych korzyści, jakie widziałem w produktywności zespołu.
Generowanie dokumentacji Rust
Wbudowane narzędzia dokumentacyjne Rust (cargo doc) są fenomenalne dla dokumentów na poziomie kodu. Zachęca to do pisania dokumentacji obok Twojego kodu, a Rustdoc generuje czystą, przeszukiwalną dokumentację HTML.
Chociaż nie zastępuje to ładnego endpointu /docs po wyjęciu z pudełka, znacznie poprawia jakość i wykrywalność dokumentacji skoncentrowanej na kodzie.
Podsumowanie
Przejście z Pythona na Rusta w rozwoju backendu nie było kwestią faworyzowania jednego języka nad drugim – chodziło o dostosowanie się do priorytetów naszego projektu.
- Rust dał nam wydajność, przewidywalność i niezawodność w ruchu produkcyjnym.
- Python dał nam szybkość rozwoju i światowej klasy ergonomię.
Oba ekosystemy są potężne. To, co się zmienia w Rust, to to, że wiele problemów, które pojawiłyby się tylko w czasie wykonania w Pythonie, jest zamiast tego wychwytywanych w czasie kompilacji w Rust, redukując niespodzianki i awarie.
Wybór Rusta oznacza inwestowanie w krzywą uczenia się – ale dla zespołów, w których wydajność i poprawność mają największe znaczenie, kompromis był dla nas opłacalny.
Nota od autora
Ten artykuł został napisany przez twórcę Hytale Multiplayer, strony internetowej skupionej na artykułach technicznych i dogłębnych analizach gry Hytale, w tym rozwoju serwerów, narzędzi i porównań z powiązanymi ekosystemami, takimi jak Minecraft. Jeśli lubisz praktyczne, skoncentrowane na inżynierii treści, zapraszam do odkrywania większej liczby artykułów tam.
