关于webassembly:基于腾讯云-serverless-的-Rust-和-WebAssembly-函数即服务

腾讯云计算是 serverless 计算畛域的当先创新者，提供函数即服务(FaaS) 运行时、触发器、连接器和开发工具等弱小服务。

腾讯 serverless 云函数(SCF) 曾经反对十多种编程语言和运行时框架。腾讯云最近公布的 SCF custom runtime（自定义运行时）更进一步。SCF 当初能够反对用任何编程语言编写的函数。

本文将介绍如何在 SCF 中运行用 Rust 编写的 WebAssembly 函数。

咱们先介绍一些基本概念，而后回顾一个残缺但简略的 hello world 示例，部署您的第一个 WebAssembly serverless 函数。

最初，咱们将用一个机器学习即服务 (MLaaS) 示例来做一些有用的事件。该示例承受数据并以 SVG 格局返回拟合模型和可视化。

点击查看本教程完结时你将创立的最终利用。它齐全是“serverless”的，只有应用时会产生老本。

HTML 和 JavaScript UI 能够托管在任何计算机上，包含笔记本电脑上。在腾讯云 serverless 上的后端函数执行机器学习和 SVG 绘图。

传统的 serverless 函数基于重量级的框架。开发者必须在特定的利用框架中编写函数，比方 Node.js 中的 JavaScript 或 Python Boto。

腾讯云 SCF Custom Runtime 突破了这种模式，容许开发者用任何语言编写 serverless 函数。

为了演示这个劣势，本文提供了基于 Bash 脚本的函数、基于 Deno 的 TypeScript 函数和基于 Rust 的本机二进制函数的示例。这使咱们可能在腾讯云上创立和部署基于 web 组件的 serverless 函数。

咱们为什么要这么做？以下是一些起因。

WebAssembly 是为性能而设计的。WebAssembly 函数能够比用 JavaScript 或者 Python 快 10 倍。
WebAssembly 函数是可移植的。尽管能够在 SCF Custom runtime 上运行本地二进制文件，但必须将这些二进制文件编译到 Custom runtime 的确切操作系统环境中。目前在 X86 CPU 上应用的是 CentOS 7.6，之后可能会更改。正如咱们将要看到的，WebAssembly 函数是可移植的，并且非常容易部署和治理。
WebAssembly 函数是平安的。家喻户晓，即便应用 Docker，本地二进制应用程序也可能会毁坏容器。因为你的应用程序可能依赖于许多第三方库，因而你的依赖项中存在危险代码的危险实在存在。WebAssembly 有着基于能力的平安模型, 为你的代码提供更好的运行时爱护。
尽管 WebAssembly 兼容各种编程语言，但 Rust、AssemblyScript (TypeScript)、C/C++ 和 Go 是写 WebAssembly 函数的最佳语言，尤其是 Rust。Rust 是一种风行且越来越受注目的编程语言，社区十分沉闷。Rust 让咱们可能写一个高效但内存平安的函数。

在腾讯云上编写和部署 WebAssembly 函数实际上非常简单，在一个小时内就能够实现。

首先，注册一个腾讯云账户。对大多数开发和集体我的项目来说，开发工作都能够在收费额度内进行。

确保你曾经在地开发计算机或 Docker 容器上装置了 Rust 和 ssvmup 工具链。ssvmup 工具链将 Rust 程序编译并优化为 WebAssembly 字节码。只需应用以下简略命令即可装置。你也能够参考这个指南。

$ curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
$ source $HOME/.cargo/env
... ...
$ curl https://raw.githubusercontent.com/second-state/ssvmup/master/installer/init.sh -sSf | sh

WebAssembly 函数是在 Second State 虚拟机 SSVM 里执行的。SSVM 是专为服务端的用例和利用优化的高性能 WebAssembly 虚拟机。

要在腾讯云上部署 Rust 和 WebAssembly 函数, 咱们倡议 clone 或者 fork GitHub 上的模板 repo，并把这个模板作为你本人利用的根底。

在 main.rs 上的 Rust 函数是咱们将部署到 SCF 的 serverless 函数。正如你能从源代码看到的那样，它能从 STDIN 读取函数的输出, 而后用 println! macro 把后果发送到 STDOUT。

use std::io::{self, Read};
use serde::Deserialize;

fn main() {let mut buffer = String::new();
    io::stdin().read_to_string(&mut buffer).expect("Error reading from STDIN");
    let obj: FaasInput = serde_json::from_str(&buffer).unwrap();
    let key1 = &(obj.key1);
    let key2 = &(obj.key2);
    println!("Hello! {}, {}", key1, key2);
}

#[derive(Deserialize, Debug)]
struct FaasInput {
    key1: String,
    key2: String
}

Rust main() 函数应用 serde 库来从 STDIN 解析一个 JSON 字符串。

JSON 看起来像上面这样。咱们之所以用这种形式编写函数，是因为 SCF 应用内置的 hello world JSON 模板来测试部署好的函数。

{
  "key1": "test value 1",
  "key2": "test value 2"
}

函数提取 key1 和 key2 值并输入上面的 hello 音讯到 STDOUT。

Hello! test value 1, test value 2

然而，这个函数的 web 申请是如何被转换成 STDIN 的？如何将 STDOUT 中的函数响应转换为 HTTP 响应？

这是通过咱们模板中的 SCF custom runtime 基础设施和疏导 (bootstrap) 程序实现的。

正如你所看到的那样，疏导程序只是一个 bash shell 程序，它一直地轮询 SCF 以查找传入的申请。它将传入的申请转换为 STDIN，并通过 SSVM 调用 WebAssembly 函数。而后，它承受 STDOUT 输入，并将其作为函数的响应发给 SCF。

如果你应用咱们的模板，就不须要批改疏导程序。

当初，能够应用 ssvmup 将 Rust 函数构建到 WebAssembly 字节码中，而后将 zip 文件打包，从而在腾讯云 SCF Custom Runtime 上进行部署。

$ ssvmup build
... ...

$ cp pkg/hello_bg.wasm cloud/
$ cd cloud
$ zip hello.zip *

依照这个阐明和截图来部署并测试下面 hello.zip 文件。当初曾经胜利地部署了一个 WebAssembly serverless 函数！

接下来，让咱们用 Rust 函数创立一个有价值的 web 服务。

这个例子中，咱们抉择了一个计算密集型的机器学习工作来演示 Rust WebAssembly 函数的性能。

serverless 函数采纳以逗号分隔的数字输出字符串，这些数字示意二维立体上的一组点。输出的数据格式是 x1,y1,x2,y2,...

该函数剖析数据并计算两个特征向量，批示数据中最大方差的方向。特征向量为数据科学家提供了对于驱动数据变动的潜在因素的线索。这就是所谓的主成分剖析。

咱们的函数创立一个 SVG 图，并且在这个图上绘制输出的数据点以及下面计算失去的特征向量。该函数最初以 XML 文本的模式返回这个 SVG 图。

要开始这个例子，你能够 clone 或者 fork 这个 repo。该我的项目在 tencentcloud/ssvm/pca 文件夹中。或者你能够复制 Cargo.toml 和 src/*[](http://main.rs/)的内容到上文的 hello world 模板。如果你抉择后者，确保你批改了 Cargo.toml，将其指向 Rust 机器学习库的正确源代码文件夹。

本教程中不会深入探讨 PCA 或 SVG 生成的 Rust 源代码的细节，因为它们波及大量的计算代码。如果你有趣味的话，能够在文末查看更多资源。

遵循与 hello world 示例中雷同的步骤。应用 ssvmup 构建一个 pca.zip 包，并将其部署到腾讯云 SCF custom runtime 上。

接下来，咱们将部署好的函数与 web API 网关关联起来，以便能够从 web HTTP 或 HTTPS 申请调用它。在 SCF 的 web 控制台的触发治理选项卡中执行此操作。点击这里查看教程和截图。

API 控制台将 HTTP 申请转换为 serverless 函数的 JSON 输出。例如，这里有一个对 API 网关 URL 的 HTTP POST 申请。咱们将来自 iris.csv 文件的以逗号分隔的数据点放在 POST 主体中。

$ curl -d @iris.csv -X POST https://service-m9pxktbc-1302315972.hk.apigw.tencentcs.com/release/PCASVG

API 网关将以下 JSON 传到 Rust 函数的 STDIN。POST body 当初是 JSON 中的 body 属性。

{
  "body": "3.5,0.2,3,0.2,...",
  "headerParameters": {},
  "headers": {
    "accept": "/",
    "content-length": "11",
    "content-type": "application/x-www-form-urlencoded",
    "host": "service-aj0plx8u-1302315972.hk.apigw.tencentcs.com",
    "user-agent": "curl/7.54.0",
    "x-anonymous-consumer": "true",
    "x-api-requestid": "e3123014742e7dd79f0652968bf1f62e",
    "x-b3-traceid": "e3123014742e7dd79f0652968bf1f62e",
    "x-qualifier": "$DEFAULT"
  },
  "httpMethod": "POST",
  "path": "/my_hk",
  "pathParameters": {},
  "queryString": {},
  "queryStringParameters": {},
  "requestContext": {
    "httpMethod": "ANY",
    "identity": {},
    "path": "/my_hk",
    "serviceId": "service-aj0plx8u",
    "sourceIp": "136.49.211.114",
    "stage": "release"
  }
}

Rust 函数解析主体中的数据，执行 PCA，并生成 SVG 图形。它将 SVG 内容打印到 STDOUT，后者由 API 网关获取并作为 HTTP 响应发送回来。

要在 AJAX 申请中应用此 API 网关 URL，还必须配置腾讯云网关以承受 CORS web 申请。查看指南，理解如何做到这一点。

上面的 HTML JavaScript 例子展现了如何在网页中应用这个 serverless 函数。

它通过 ID csv_data 从 textarea 字段获取 CSV 数据，向 serverless 函数收回 AJAX HTTP POST 申请，而后把返回值 (一个 SVG 图形) 放入 ID 为 svg_img 的 HTML 元素中。点击这里查看 demo。

$.ajax({
  method: "POST",
  url: "https://service-m9pxktbc-1302315972.hk.apigw.tencentcs.com/release/PCASVG",
  data: $('#csv_data').val(),
  dataType: "text"
}).done(function(data) {$('#svg_img').html(data);
})

（运行中的 Web 利用）

腾讯的 SCF Custom runtime 是一个十分弱小的 serverless 运行环境。它为你想要编写的任何应用程序函数提供了一个通用的 Linux 环境，并提供了规范的 web 接口来与函数的输出和输入进行交互。这相对值得一试。

正如本文所探讨的，咱们置信 Rust 和 WebAssembly 为 serverless 函数提供了一个高性能、平安、可移植、面向未来的堆栈。Rust、WebAssembly 与 SCF costum runtime 代表了将来！

深刻理解为什么要在服务端应用 WebAssembly
深刻理解腾讯 SCF
深刻理解机器学习算法
Rust 入门
Rust 和 WebAssembly 中的机器学习算法
入门教程：在 Node.js 应用 Rust 函数
深刻理解 Second State WebAssembly 虚拟机 SSVM

关于webassembly:基于腾讯云-serverless-的-Rust-和-WebAssembly-函数即服务

本文内容

为什么抉择 WebAssembly 和 Rust

后期筹备

Hello, world

机器学习即服务

接下来

更多资源