Nano Hash - криптовалюты, майнинг, программирование

Заимствовать изменяемую и неизменяемую ссылку в одном блоке

Я пытаюсь реализовать свою собственную наивную структуру данных HashMap/HashTable в Rust. Первый шаг — создать таблицу типа Vec<&mut Bucket>, где type Bucket = Vec<i64>.

У меня проблемы с заполнением таблицы данными... Я читаю 1 000 000 целых чисел из входного файла и сохраняю их в 100 000 сегментов. Для каждого числа из ввода я назначаю случайное ведро. Сначала я проверяю, существует ли уже ведро, и если да, то вставляю номер в ведро. В противном случае я создаю ведро и сохраняю его в таблице.

При этом я столкнулся с двумя проблемами:

Первая проблема заключается в том, что я получаю сообщение об ошибке 'b' does not live long enough при создании корзины. Как сохранить ведро даже после того, как его область действия закончилась?

Вторая проблема заключается в том, что я заимствую table как изменяемый, так и неизменный, но я не знаю, как этого избежать.

use std::env;
// other libs...

extern crate rand;
use rand::{thread_rng, Rng};

type Bucket = Vec<i64>;

fn main() {
    let mut rng = thread_rng();

    let mut nums = // read 1 million i64s, ie. vec![4253564645, 2394887235, ...] 
    println!("input consumed!");

    let mut table: Vec<&mut Bucket> = Vec::new();

    for x in nums.iter() { 
        let key: usize = rng.gen_range(0, 99999);
        println!("{}", key);

        if let Some(mut b) = table.get(key) { // <-- immutable borrow
            b.push(x);
        } else {
            let mut b = vec![x]; // <-- `b` does not live long enough
            table.insert(key, &mut b); //  <-- mutable borrow
        }
    }
}

Если вы хотите запустить пример, все это здесь: https://gist.github.com/neektza/f96d8bf92ee66f1c1703

P.S. Я использую Руст 1.0.0


  • Сделайте свой пример кода MCVE. Например, вам не нужно включать какую-либо случайность, чтобы воспроизвести вашу ошибку. Кроме того, вы можете просто указать одно значение для nums. Сделайте свой код небольшим, заставьте его воспроизвести одну проблему и, в идеале, запустите его на манеже. Пожалуйста, будьте любезны потратить немного времени, спрашивая, чтобы сэкономить время многих людей, которые будут читать это, чтобы узнать или попытаться ответить. 07.06.2015
  • Вы задаете два вопроса (еще одна просьба не делать). Я отметил это как дубликат одного из них. Что касается другого вопроса, просмотрите множество вопросов об этой ошибке и, возможно, задать новый вопрос, подробно описав (а) почему ваша проблема отличается или (б) что вы не понимаете в них. 07.06.2015

Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..