在企业中实施 MLOps

第 10 章 使用 Rust 实现 MLOps 使用 Rust 实现 MLOps

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

任何技术系统都必须以运营效率为核心。MLOps 建立在 DevOps 的基础之上，而 DevOps 建立在日语中持续改进（kaizen）的概念之上。没有持续改进，就不会有 DevOps，进而也就不会有 MLOps。

持续改进运营的核心是一个简单的问题："我们能否将运营绩效（从培训和推理到包装和交付）提高十倍或更多？如果答案是肯定的，就像许多使用 Python 进行数据科学分析的组织一样，那么下一个问题就应该是："我们为什么不这样做？"我们为什么不这样做？

几十年来，在机器学习解决方案方面，除了纯 C、C++ 或 C# 和 Python 之外，企业几乎没有其他选择。C++ 在性能方面可能提供更高的效率，但 Python 通常更容易学习、实现和维护，这也是 Python 在数据科学领域风生水起的原因。在性能优异但复杂的 C++ 和易学但相对缓慢的 Python 之间艰难抉择，最终导致许多公司选择了 Python。

但还有另一种方法。Rust 一直是性能和能效最高的语言之一。在Stack Overflow 的年度开发者调查中，它也是最受喜爱的语言之一。虽然数据科学中广泛使用的一些 Python 库是用 C 语言编写的，可以提供运行编译语言的一些性能优势，但 Rust 在使用单一语言的同时提供了更直接的裸机路径。

Rust 的学习和使用也远比 C 或 C++ 容易，这让它成为那些希望获得编译语言性能的人的现实解决方案。使用GitHub Copilot 时尤其如此。这个由人工智能驱动的结对编程助手使用 OpenAI Codex，在开发人员编码时实时向他们推荐代码和整个函数。接下来让我们讨论一下这一策略。

备注

人工智能驱动的结对编程助手指的是对传统结对编程方式的改进，即你坐在另一位开发人员旁边，一起编写代码。借助GitHub Copilot X 等新兴开发人员工具，您可以与编码助手聊天，了解编码项目的想法，并在输入时获得编码建议。

为 MLOps 引入 Rust 的理由

GitHub Copilot是开发人员工作方式的革命性新变革。GitHub Copilot 和类似工具改变了游戏规则，因为它们最大程度地减少了语法对工作效率的影响。使用 Rust，你可以花更多时间编译代码，这是对未来回报的投资，就像在退休账户中为未来储蓄一样。Rust 具有出色的性能和安全性，但语法可能具有挑战性。有了 GitHub Copilot，语法就不再是问题，因为它的建议消除了编程中的许多困难。此外，由于 Rust 工具链在着色、格式化和编译方面的强大功能，GitHub Copilot 的任何错误或错误启动都会被这些工具捕捉到，从而使 Rust 和 GitHub Copilot 的组合成为人工智能辅助编码的新兴领跑者。

备注

除了性能之外，还有几个原因需要考虑 Rust。Rust 是一种现代语言，于 2010 年首次出现。它没有老式语言的包袱，但已经足够成熟，不会很快消失。此外，其他趋势也支持对 Rust 进行认真研究。

Rust 从设计之初就支持多核线程等现代计算功能，而这些功能通常是 "附加 "在 Python 等老式语言上的。通过从一开始就设计支持这些功能的语言，Rust 可以避免许多其他语言的尴尬。Rustrayon 库中的以下代码片段就是一个很好的例子，它说明了多核线程在