2021 Rust 调查结果公布:共 9354 份调查问卷收集

简介: 2021 Rust 调查结果公布:共 9354 份调查问卷收集

近日,Rust 公布了 2021 调查结果,该调查于 2021 年 12 月启动,结果基于 9354 份调查问卷的累积统计。

全球社区

Rust 社区继续发展壮大,此次调查的完整调查回复数量为历史最高(9354 名受访者),比去年的总数高出约 1500 份。

90% 的受访者表示依然在使用 Rust,而 5% 的人表示他们过去曾使用过 Rust 但现在不再使用,4% 的人表示他们根本没有使用过 Rust。本次调查共有 10 个语言版本,其中 78% 英语调查问卷占比 78%,其次是简体中文 (6%)、德语 (4%) 和法语 (3%)。尽管大多数受访者选择了英语调查问卷,但其中涵盖了来自世界各地的受访者,美国占比 24%,其次是德国 (12%)、中国 (7%) 和英国 (6%)。

然而,英语并不是所有 Rustaceans 的首选语言,近 7% 的受访者表示不愿意用英语作为技术交流的语言,另有 23% 的受访者更喜欢除英语之外的其他语言。

最常见的首选语言(除了英语)大致遵循 Rustaceans 居住的地方,简体中文、德语和法语位居前 3 位。

Rust 使用情况

Rust 的用户比例持续上升,81% 用户目前至少每周使用一次,而去年调查的这一比例为 72%。

75% 的 Rust 用户表示他们会使用 Rust 编写生产就绪代码,尽管 27% 的人认为这么做会比较困难。

image.png

总体而言,Rustaceans 似乎在编写 Rust 时似乎很享受,只有 1% 的受访者表示使用 Rust 并不有趣,另外四分之一的受访者认为 Rust 与其他编程语言相比没有真正的优势。

你会在工作中使用 Rust 吗?

对于许多 Rustaceans 来说,在工作中采用 Rust 似乎是一条漫长但值得的道路。

首先,在工作中使用Rust 的受访者中有 83% 认为它具有“挑战性”。在使用过程中,只有 13% 的受访者认为 Rust 会减慢他们的团队开发速度,而82% 的受访者表示Rust 帮助他们的团队实现了开发目标。

image.png

当受访者被问及他们的团队是否会在未来再次使用 Rust 时,90% 的人表示肯定。最后,在工作中使用 Rust 的受访者中,89% 的受访者表示他们的团队发现用 Rust编程很有趣。

至于为什么受访者在工作中会使用 Rust 这一问题,占比最高的答案是 Rust 能帮助用户“构建相对正确且没有 bug的软件”,其比例为 96%。而性能(占比92%)是另一个最受欢迎的选择,此外,还有89% 的受访者认为他们在工作中选择 Rust,是因为 Rust的安全属性。

image.png

未来的挑战

总体而言,年度调查表明 Rustaceans 社区正在健康成长,但同时也暴露出一些问题。编译时间是 Rust 需要改进的重点,61%的受访者表示需要尽快解决编译时间的问题。

值得称赞的是,61% 的受访者认为 Rust 的性能在这一年中有明显改善。其他需要改进的领域分别是磁盘空间 (45%)、调试 (40%) 和 GUI 开发 (56%)。

通过持续引用和改进各种工具(如 rust-analyzer、IntelliJ Rust 等),IDE 体验凭借着 56% 受访者的支持,获得了改进幅度最大的奖项。

但是,获得最多赞誉的却是编译器错误消息,其当前状态获得了 90% 受访者的赞扬。当受访者被问及他们对 Rust未来发展中的担忧是什么时,占比最高的答案是担心其在行业中的使用量不足(38%)。

占比第二位的答案是害怕 Rust语言会变得过于复杂(33%),这与少数受访者要求 Rust提供附加功能(尤其是那些尚未进入管道的功能)恰恰相反。

最后,第三大担忧是Rust 从业者们担心语言和社区的健康发展缺乏有力支持(30%)。但随着 Rust基金会的建立,这一问题将有望得到解决。

2021 年可以说是 Rust 历史上最重要的年份之一,随着 Rust 基金会正式成立,2021 技术社区的规模远超以往,Rust 也将继续坚定地走向未来。

报告原文:

https://blog.rust-lang.org/20...

rust

相关文章
|
8月前
|
机器学习/深度学习 人工智能 编解码
月之暗面开源16B轻量级多模态视觉语言模型!Kimi-VL:推理仅需激活2.8B,支持128K上下文与高分辨率输入
月之暗面开源的Kimi-VL采用混合专家架构,总参数量16B推理时仅激活2.8B,支持128K上下文窗口与高分辨率视觉输入,通过长链推理微调和强化学习实现复杂任务处理能力。
643 5
月之暗面开源16B轻量级多模态视觉语言模型!Kimi-VL:推理仅需激活2.8B,支持128K上下文与高分辨率输入
|
资源调度 前端开发 JavaScript
前端研发链路之脚手架
本文首发于微信公众号“前端徐徐”。文章介绍了前端开发中脚手架工具的重要性及其工作原理。脚手架工具能够大幅提升开发效率,确保代码质量和项目一致性。文章详细探讨了脚手架的历史、工作原理、常见工具及其优势与潜在问题,并展望了其未来发展方向,帮助开发者更好地理解和应用脚手架工具。
382 4
前端研发链路之脚手架
|
9月前
|
Java
课时8:CLASSPATH环境属性
课时8介绍了CLASSPATH环境属性,它是Java程序解释时类加载路径的关键配置。默认情况下,JVM从当前目录加载类文件,但通过设置`SET CLASSPATH=d:\mldnjava`,可以在不同目录中执行特定字节码文件。若CLASSPATH未正确配置,如在C盘根目录下执行,会报`ClassNotFoundException`错误。此外,PATH定义可执行程序路径,而CLASSPATH专为Java类加载服务。最佳实践是将CLASSPATH设为全局属性,并确保包含当前目录“.”。
|
人工智能 atlas 开发工具
【AI系统】昇腾 AI 架构介绍
昇腾计算产业基于华为昇腾系列处理器,涵盖硬件、基础软件、应用使能等,构建全栈AI计算基础设施。华为通过开放硬件、开源软件,支持多框架,推动AI技术在端、边、云的广泛应用,促进AI产业生态繁荣。
1161 1
|
设计模式 Java Maven
Springboot Starter 是如何工作的?
本文详细介绍Springboot Starter的实现原理、设计思想及其优缺点。Springboot Starter通过Maven或Gradle依赖管理引入相关依赖,并利用自动配置和条件注解简化开发流程。文章通过示例展示了如何创建自定义Starter,并分析了其模块化设计、约定优于配置、自动配置、依赖注入、开闭原则及单一职责原则等设计理念。尽管Starter带来诸多便利,但也存在黑盒操作、过度依赖及启动时间增加等问题。通过本文,你将全面了解Springboot Starter的工作机制与应用场景。
414 3
STM32控制SG90舵机原理及代码
STM32控制SG90舵机原理及代码
778 1
|
算法 调度 数据库
性能优化在实时系统中的应用
性能优化在实时系统中的应用
206 3
|
人工智能 自然语言处理 开发者
首个基于SSM-Transformer混合架构,开源商业大模型Jamba
【4月更文挑战第13天】AI模型部署与优化迎来新解决方案,ai21labs推出的SSM-Transformer混合架构大模型Jamba结合英伟达NVIDIA NIM服务。Jamba模型在自然语言处理上表现出色,开源特性促进AI技术普及,而NIM提供跨平台、高性能的部署支持。不过,技术门槛、资源需求及优化挑战仍需考虑。
304 6
首个基于SSM-Transformer混合架构,开源商业大模型Jamba
|
算法 搜索推荐 Java
Java数据结构 -- 常见算法分析(查找算法、排序算法)精解详解!!!
Java数据结构 -- 常见算法分析(查找算法、排序算法)精解详解!!!
261 0
|
编解码
nuxt3:使用sass(reset.scss、px2rem)
nuxt3:使用sass(reset.scss、px2rem)
578 0
nuxt3:使用sass(reset.scss、px2rem)