前言

近幾年MicroSoft、Google、Amazon都大力讚揚Rust，例如【Google投百萬美元給Rust基金會】、【微軟再組新團隊，欲將C#代碼改寫為Rust】、【AWS大量投資Rust社群，包括開源Tokio】、【Rust will go into Linux 6.1】，為什麼呢?

筆者認為Rust程式語言兼具Python與C優點，Python語言優點如下：

1. 簡單易入門，變數不需宣告資料型別，可直接使用，因為語言創造者希望撰寫Python，就像寫英文一樣簡單直覺。可以從【Python忍者宣言】一窺究竟，在終端機內輸入python，再輸入import this，如下圖。
   

2. 套件(Package)齊全，開發生產力超高：官方目前已註冊超過562,000個套件，不管是機器學習、數值分析、資料庫、網頁、UI、系統程式...，一應俱全，只要善用套件，就可以最簡約的程式碼完成應用系統開發。
   

相對的，C語言優點如下：

1. 具備高效能，並可精準掌控記憶體。
2. 可編譯成二進位的執行檔或函數庫，不必像Python一樣，需將原始程式碼交付給客戶，或需等到執行時才會發現程式錯誤，因為Python屬於直譯器(Intepreter)，讀一行程式碼，才解析並執行該行程式碼。

Rust特點

Rust程式語言兼具Python與C優點，並改善Python與C缺點，說明如下：

1. 套件(Crate)也非常多，官方目前已註冊超過154,000個套件，雖然數量及完整度不及Python，但遠比C/C++來的完善。也可以參考awesome-rust的分類，各種應用非常多元。

2. 套件管理：Python以pip指令安裝套件，Rust則以cargo指令安裝套件，pip會將套件安裝在統一的位置，例如C:\Users<使用者帳號>\anaconda3\Lib\site-packages，常會造成多個套件依賴不同版本的其他套件，造成困擾，Rust的cargo指令會將套件安裝在個別的專案內，可避免上述的錯亂狀況。
   

3. Rust是一個編譯器，可輕易編譯成二進位的執行檔或函數庫，例如程式main.rs內容如下：

fn main(){ 
    println!("Hello Rust !!"); 
}

執行 rustc main.rs，瞬間就創建main.exe，可直接double click執行，不需原始程式碼。

4. Rust許多語法與Python非常相似，例如迴圈、字串處理，程式撰寫都非常方便。例如Python截取部分字串，使用x[2:]，而Rust採用&x[2..]。

let x: &str = "Hello, world!";
let substr : &str = &x[2..];  // 從第3個字元至最後

5. 嚴謹的編譯檢查：以C語言開發具備高效能，並可精準掌控記憶體，但非常容易造成區段錯誤(Segmentation Fault)及記憶體洩漏(Memory leak)，Rust特別針對這些問題，在編譯時進行非常嚴謹的檢查，建置程式前就可以找出潛在風險。

fn main() {
    let x: &str = "Hello, world!";
    println!("{}",&x[20..]); // x 不足20個字元
}

編譯時會出現錯誤訊息：【byte index 20 is out of bounds of Hello, world!】。

6. 除了語言本身的優點外，Rust也導入許多設計典範(Design patterns)，例如泛型(Generics)、特徵(Trait)、巨集(Macro)、閉包(Closure)，可以幫我們撰寫出高品質的程式碼，例如並行處理(Concurrency)、物件導向程式設計(OOP)、函數式程式設計(Functional Programming)、特性導向程式設計(Aspect Oriented Programming, AOP)...等。

7. 提供跨語言介面規格(Foreign Function Interface, FFI)規格，可輕易的與其他語言整合，包括C、Python、C#...。許多Python套件都改用Rust開發，同時提供多種語言呼叫，並可提升執行效能，例如Polars。

開始動手吧

遵照官網安裝指引，下載並執行安裝程式即可，Rust是一個跨平臺的語言，可在Windows、Linux及Mac上安裝，官網上面有非常多的免費書籍可參閱。

工商廣告:)

Rust雖然具備諸多優點，但學習曲線陡峭，因此筆者最近剛完成【Rust 最佳入門與實戰】一書的撰寫，希望能與讀者分享Rust開發心得，內容除了Rust語言的入門、設計典範(Design patterns)外，也著重應用的探討，包括網頁、WebAssembly、桌面程式、資料庫、機器學習/深度學習、區塊鏈…等。