当前位置: 首页 > news >正文

Rust 学习笔记:自定义构建和发布配置

Rust 学习笔记:自定义构建和发布配置

  • Rust 学习笔记:自定义构建和发布配置
    • 发布配置文件
    • 自定义 profile 的选项

Rust 学习笔记:自定义构建和发布配置

发布配置文件

在 Rust 中,发布配置文件是预定义的和可定制的概要文件,具有不同的配置,允许程序员对编译代码的各种选项有更多的控制。

每个配置文件都是独立的。

Cargo 有两个主要配置文件:

  • 开发配置文件(dev profile):运行 cargo build 时使用,适用于开发,默认优化调试体验
  • 发布配置文件(release profile):运行 cargo build --release 时使用,适用于发布,默认优化性能

在构建的输出中,你可能对这些配置文件名称很熟悉:

$ cargo buildFinished `dev` profile [unoptimized + debuginfo] target(s) in 0.00s
$ cargo build --releaseFinished `release` profile [optimized] target(s) in 0.32s

自定义 profile 的选项

当没有显式地在项目的 Cargo.toml 文件中添加任何 [profile. *] 部分时,Cargo 对应用的每个概要文件都有默认设置。

为想要自定义的任何概要文件添加 [profile. *] 部分,可以覆盖默认设置的任何子集。

例如,以下是开发和发布配置文件的 opt 级别设置的默认值:

[profile.dev]
opt-level = 0[profile.release]
opt-level = 3

opt-level 设置控制 Rust 将应用于代码的优化数量,范围为 0 到 3。数字越大,将应用越多的优化会延长编译时间。

如果正在开发并经常编译代码,那么希望通过更少的优化来编译得更快,即使最终代码运行得更慢。因此 dev 的默认选项级别为 0。当准备发布代码时,最好花更多的时间进行编译。只在发布模式下编译一次,但将多次运行编译后的程序,因此发布模式以较长的编译时间换取运行速度更快的代码。这就是为什么发布概要文件的默认选择级别是 3。

可以通过在 Cargo.toml 中为其添加不同的值来覆盖默认设置。例如,如果我们想在开发概要文件中使用优化级别 1,我们可以将这两行添加到项目的 Cargo.toml 文件:

[profile.dev]
opt-level = 1

这段代码覆盖了默认设置 0。现在,当我们运行 cargo build 时,Cargo 将使用 dev 配置文件的默认值以及我们自定义的选项级别。因为我们将 opt-level 设置为 1,所以 Cargo 将应用比默认值更多的优化,但不如发布版本中那么多。

Cargo 文档:https://doc.rust-lang.org/cargo/reference/profiles.html

http://www.xdnf.cn/news/752581.html

相关文章:

  • Linux 内核中 skb_dst_drop 的深入解析:路由缓存管理与版本实现差异
  • MySql(十三)
  • 测量3D翼片的距离与角度
  • Spring MVC参数绑定终极手册:单多参/对象/集合/JSON/文件上传精讲
  • MATLAB实战:传染病模型仿真实现
  • 刚出炉热乎的。UniApp X 封装 uni.request
  • 鸿蒙OSUniApp离线优先数据同步实战:打造无缝衔接的鸿蒙应用体验#三方框架 #Uniapp
  • 一个完整的日志收集方案:Elasticsearch + Logstash + Kibana+Filebeat (一)
  • 43. 远程分布式测试实现
  • CppCon 2014 学习: C++ Test-driven Development
  • 【C/C++】面试基础题目收集
  • 使用ReactNative加载HarmonyOS Svga动画
  • 西瓜书第十一章——降维与度量学习
  • π0论文阅读
  • 16-前端Web实战(Tlias案例-部门管理)
  • WEBSTORM前端 —— 第3章:移动 Web —— 第4节:移动适配-VM
  • Java函数式编程(上)
  • 【小沐杂货铺】基于Three.JS绘制太阳系Solar System(GIS 、WebGL、vue、react,提供全部源代码)第2期
  • Python UV 环境下的 PyKDL 运动学库安装
  • CSS篇-5
  • docker、ctr、crictl命令简介与使用
  • 基于Python与本地Ollama的智能语音唤醒助手实现
  • 无标注数据如何提升LLM推理能力?熵最小化 提升LLM自信度
  • 概念篇:软件测试
  • 基于springboot的益智游戏系统的设计与实现
  • Hive SQL优化实践:提升大数据处理效率的关键策略
  • MMRL: Multi-Modal Representation Learning for Vision-Language Models(多模态表示学习)
  • comfyui利用 SkyReels-V2直接生成长视频本地部署问题总结 1
  • 2025年计算机领域年度主题:融合创新与技术突破
  • NX753NX756美光科技闪存NX784NX785