寒蝉 Hancic
Streamling 的三个架构决策
三个架构决策，每个都在简洁和稳健之间选了简洁。Checkpoint 搭载在数据上、优化器规则注入流处理语义、插件共享宿主 runtime。如果是我会怎么选。
标签：rust
Streamling：不做分布式的流处理引擎
一个用 Rust 写的列式流处理引擎，不做分布式有状态计算，在生产环境跑通了上千条 pipeline。我为什么选它做深度研究。
Profiling 方法论与实战：Python + Rust 双视角
从大盘指标定位维度，到采样定位函数，再到行级追踪——从大到小看，每一步基于上一步的证据。火焰图看平顶不看宽度。Rust 瓶颈往往在算法，Python 在解释器和进程开销。改完用数字确认，P99 达标就停。
【FFI】 实战——数据中台场景下的 FFI 应用
数据中台场景下，不同技术栈的系统怎么用 FFI 共享同一套数据基础设施——为什么微服务不是答案，以及 FFI 桥接方案的实战经验。
【FFI】 内存管理——跨语言边界最难的问题
跨语言调用的核心矛盾只有三个：数据类型怎么传、函数怎么调、内存怎么管。前两个靠 ABI 和绑定工具解决，第三个是最难的——GC 语言和手动管理语言各有自己的内存世界观，边界上谁说了算？ 两个世界，一个边界 Rust 说：每个值有且仅有一个 owner，owner 离开作用域就 drop。Python
【FFI】 Python 侧——用 Rust 扩展 Python 的三种方式
Python 是数据科学最顺手的语言，但纯 Python 跑计算密集型任务慢得离谱。一个斐波那契递归，纯 Python 算 fib(40) 要几十秒。Rust 算同样的东西，毫秒级。问题是怎么让 Python 用上 Rust 的速度？FFI 提供了三条路。 一个例子看清三道门 先用 PyO3 写个最
跨语言桥接：从 FFI 到 PyO3，底层到底在做什么
你有没有想过，为什么 Python 能调用 C 写的 numpy 而不需要 IPC？为什么 Java 的 JNI 调用一次本地方法，比普通方法调用慢一个数量级？为什么 Rust 的 PyO3 比 ctypes 快？ 这些问题的答案都指向同一个概念：FFI（Foreign Function Inter
Rust高频面试问题
所有权/借用/生命周期 解释下所有权模型 所有权模型是为了解决在无GC的前提下，进行内存管理并保证内存安全。 其核心规则有3个： 每个值同一时间有且只有一个所有者 1. 每个值同一时间有且只有一个所有者 当值超出作用域内存即被释放 2. 当值超出作用域内存即被释放 当所有权转移后，原先的变量就失效了
