用 Rust 重写你的 Python 热点代码：实战性能提升 50 倍

为什么要用 Rust 重写 Python 热点代码？

Python 的开发效率毋庸置疑，但在 CPU 密集型任务上，性能瓶颈往往让人头疼。与其全部重写，不如精准定位热点函数，用 Rust 替换关键路径。

第一步：找到性能瓶颈

import cProfile
import pstats

def profile_it(func):
    def wrapper(*args, **kwargs):
        profiler = cProfile.Profile()
        profiler.enable()
        result = func(*args, **kwargs)
        profiler.disable()
        stats = pstats.Stats(profiler)
        stats.sort_stats("cumulative")
        stats.print_stats(10)
        return result
    return wrapper

用 cProfile 跑一遍你的程序，找出耗时最多的函数。通常 80% 的时间花在 20% 的代码上。

第二步：用 PyO3 搭建桥梁

PyO3 是 Rust 和 Python 之间最成熟的 FFI 框架：

# Cargo.toml
[dependencies]
pyo3 = { version = "0.22", features = ["extension-module"] }

[lib]
crate-type = ["cdylib"]

use pyo3::prelude::*;

#[pyfunction]
fn fast_sum(data: Vec<f64>) -> f64 {
    data.iter().sum()
}

#[pymodule]
fn my_rust_lib(m: &Bound<PyModule>) -> PyResult<()> {
    m.add_function(wrap_pyfunction!(fast_sum, m)?)?;
    Ok(())
}

第三步：用 maturin 构建

pip install maturin
maturin develop --release

构建完成后直接在 Python 里 import：

from my_rust_lib import fast_sum
import numpy as np

data = np.random.rand(10_000_000).tolist()
result = fast_sum(data)  # 比纯 Python 快 50x+

实测对比

方法	1000万元素求和	相对速度
纯 Python for 循环	1.2s	1x
NumPy	0.025s	48x
Rust (PyO3)	0.022s	55x

Rust 版本甚至略快于 NumPy，而且你可以实现任意复杂的逻辑，不受 NumPy 向量化的限制。

适用场景

• 自定义数据解析器
• 加密/哈希计算
• 图算法、路径搜索
• 文本处理管线
• 任何 NumPy 无法向量化的复杂逻辑

小结

不要盲目重写整个项目。Profile → 定位瓶颈 → Rust 替换关键函数 → 用 PyO3 桥接。这是最务实的性能优化路径。