基于腾讯云的 Rust 和 WebAssembly 函数即服务

$ 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

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

}

{

"key1": "test value 1",

"key2": "test value 2"

}

Hello! test value 1, test value 2

$ ssvmup build

... ...

$ cp pkg/hello_bg.wasm cloud/

$ cd cloud

 zip hello.zip *</code></pre></div></div><p>按照这个说明和截图来部署并测试上面 <code>hello.zip</code> 文件。现在已经成功地部署了一个 WebAssembly 无服务器函数！</p><p>接下来，让我们用 Rust 函数创建一个有价值的 web 服务。</p><h3 id="11e0p" name="%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%8D%B3%E6%9C%8D%E5%8A%A1"><strong>机器学习即服务</strong></h3><p>这个例子中，我们选择了一个计算密集型的机器学习任务来演示 Rust WebAssembly 函数的性能。</p><p>无服务器函数采用以逗号分隔的数字输入字符串，这些数字表示二维平面上的一组点。输入的数据格式是 <code>x1,y1,x2,y2,...</code></p><p>该函数分析数据并计算两个特征向量，指示数据中最大方差的方向。特征向量为数据科学家提供了关于驱动数据变化的潜在因素的线索。这就是所谓的主成分分析。</p><p>我们的函数创建一个 SVG 图，并且在这个图上绘制输入的数据点以及上面计算得到的特征向量。该函数最后以 XML 文本的形式返回这个 SVG 图。</p><p>要开始这个例子，你可以 clone 或者 fork 这个 repo (https://github.com/second-state/wasm-learning/tree/master/tencentcloud)。该项目在 <code>tencentcloud/ssvm/pca</code> 文件夹中。或者你可以复制 <code>Cargo.toml</code> 和 <code>src/*</code> 的内容到上文的 hello world 模板。如果你选择后者，确保你修改了 <code>Cargo.toml</code>，将其指向 Rust 机器学习库的正确源代码文件夹。</p><p>本教程中不会深入探讨 PCA 或 SVG 生成的 Rust 源代码的细节，因为它们涉及大量的计算代码。</p><p>遵照与 hello world 示例中相同的步骤。使用 ssvmup 构建一个 <code>pca.zip</code> 包，并将其部署到腾讯云 SCF custom runtime 上。</p><p>接下来，我们将部署好的函数与 web API 网关关联起来，以便可以从 web HTTP 或 HTTPS 请求调用它。在 SCF 的 web 控制台的触发管理选项卡中执行此操作。这里可以查看教程和截图 (https://github.com/second-state/wasm-learning/tree/master/tencentcloud/ssvm/pca#create-a-web-service)</p><p>API 控制台将 HTTP 请求转换为无服务器函数的 JSON 输入。例如，这里有一个对 API 网关 URL 的 HTTP POST 请求。我们将来自 <code>iris.csv</code> 文件的以逗号分隔的数据点放在 POST 主体中。</p><div class="rno-markdown-code"><div class="rno-markdown-code-toolbar"><div class="rno-markdown-code-toolbar-info"><div class="rno-markdown-code-toolbar-item is-type"><span class="is-m-hidden">代码语言：</span>javascript</div></div><div class="rno-markdown-code-toolbar-opt"><div class="rno-markdown-code-toolbar-copy"><i class="icon-copy"></i><span class="is-m-hidden">复制</span></div></div></div><div class="developer-code-block"><pre class="prism-token token line-numbers language-javascript"><code class="language-javascript" style="margin-left:0"> curl -d @iris.csv -X POST https://service-m9pxktbc-1302315972.hk.apigw.tencentcs.com/release/PCASVG

{

"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"

}

}

$.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);

})