Rust on Workers 為什麼是大改動?從 Tokio 生態到每月五美元的服務架構
Cloudflare 以 Emscripten、wasm-bindgen 與 Tokio 實驗整合,擴大既有 Rust 程式移植到 Workers 的可能。看執行模型、平台限制,以及每月 US$5 方案如何搭配儲存、佇列與 AI 服務。
作者
Seer
日期
2026-09-30
Cloudflare 的 Rust Workers Emscripten 更新,重點是讓更多依賴 Tokio、socket 與檔案系統的既有 Rust 程式,可以保留原有結構,再移植到 Workers。Rust 仍會編譯成 WebAssembly,執行於 Workers 的 JavaScript 主機環境。[1]
Workers 早已能執行 Rust。這次改動擴大的是相容範圍:從以 Workers API 為中心撰寫的 Rust 程式,往既有 Rust 非同步網路生態靠近。它目前是首個公開實驗預覽,Tokio 與 Emscripten 的部分支援仍依賴 patchset,正式採用前要逐一驗證相依套件。[1][4][5]
接下來看三個實際問題:Tokio 為什麼牽動這麼多 Rust 函式庫、Workers 如何容納原本面向 OS 執行緒的程式,以及每月最低 US$5 的 Workers 方案能接出哪些服務。應用架構是導入建議,Minecraft 則是官方展示的移植案例。[1][13]
快速跳轉:Tokio 生態:連接 async 語法與網路服務的基礎|每月五美元的 Workers,買到的是哪些額度?|搭配平台服務,可以做哪些產品?|怎麼開始,才不會把實驗功能當正式基礎?
Tokio 生態:連接 async 語法與網路服務的基礎
呼叫 Rust 的 async 函式會回傳 Future。Future 需要被輪詢,遇到未就緒的 I/O 或計時器時返回 Pending,再由喚醒機制安排後續進展。[3]
Tokio 提供執行非同步程式的 runtime,以及非同步網路、計時器、同步工具等基礎能力。它可以使用多執行緒工作竊取排程,也有單執行緒 runtime。它最適合大量任務等待 I/O 的情境,純 CPU 平行計算則應另外評估 Rayon 等工具。[3]
這讓一系列上層函式庫有共同基礎:
| 層級 | 常見元件 | 處理什麼 |
|---|---|---|
| 任務與 I/O | Tokio | 非同步任務排程、計時器、網路與同步工具 |
| HTTP 協定 | Hyper | HTTP/1、HTTP/2 的低階 client/server 實作 |
| Web 應用 | Axum | 路由、請求提取、handler 與回應組裝 |
| 共用服務層 | Tower | 用 Service/Layer 組合 timeout、限流、重試等中介邏輯 |
| HTTP 客戶端 | Reqwest | 高階 HTTP 請求、JSON、redirect 與 TLS 等功能 |
Hyper、Axum、Tower、Reqwest 解決不同層的問題。Axum 的官方設計明確依賴 Tokio 與 Hyper,並使用 Tower 的 middleware 生態。Tower 本身提供服務抽象,單獨使用還不會變成一個網路伺服器。[8][9]
Hyper 提供 HTTP 協定,Reqwest 封裝高階 client 行為,各自的功能與目標平台需要分開查。[10][11]
因此,Tokio 能和 Workers 主機整合,會影響上層函式庫能否沿用既有模式。但各套件的 TLS、DNS、socket、thread 與平台判斷仍需確認。這份生態圖說明相依關係,沒有宣稱這些套件的全部功能都已在新目標上通過驗證。[1][4]
Rust 以前就能上 Workers,這次多了什麼?
既有 workers-rs 路線 使用 wasm32-unknown-unknown。Rust handler 透過 wasm-bindgen 呼叫 JavaScript API,再由 wasm-bindgen-futures 把 Future 接到 Promise 與 JS 事件迴圈。KV、R2、D1、Queues 等平台能力,可透過 workers-rs 提供的 bindings 存取。[5]
這條路很適合以 Workers API 為中心的應用。但把既有 Rust server 搬過來時,常會遇到另一組假設:函式庫預期有 libc、檔案系統、OS socket,或 Tokio 所使用的 I/O driver。
新的 wasm32-unknown-emscripten 目標,加入 Emscripten 的 libc、POSIX 風格 API、檔案系統與 JavaScript runtime,讓更多 std 功能有對應實作,也讓 Rust 能和 C/C++ 元件連結。[4]
| 路線 | 適合什麼 | 代價或前提 |
|---|---|---|
| wasm32-unknown-unknown | 以 Workers bindings 為中心的新程式、較精簡的 Wasm 模組 | 依賴底層 OS 功能的函式庫可能需要改介面 |
| wasm32-unknown-emscripten | 嘗試沿用更多原生導向 Rust/Tokio 程式與 C/C++ 相依元件 | 額外 runtime、工具鏈與實驗 patch,相容性需驗證 |
wasm-bindgen 文件仍建議一般情境以 unknown-unknown 為預設,它的 runtime 較小、冷啟動較快。Emscripten 的價值是擴大相容能力,速度與體積應以專案量測。[4]
第一個改動:讓兩套 Wasm 工具鏈分工
原本 Emscripten 與 wasm-bindgen 都想主導最終 JavaScript、Wasm 載入與綁定產物,因此不能簡單疊在一起。[1]
新的 -sWASM_BINDGEN 配置讓 Emscripten 負責連結、載入模組與配套 JS,wasm-bindgen 產生可納入 Emscripten 系統的綁定。Rust 可以呼叫 JS API,C/C++ 也能與 Rust 元件一起連入模組。[1][4]
這改變了函式庫的移植成本。遇到原生依賴時,工程師有更完整的相容層可用,無須每次都重新改成純 Web API。但缺少的平台條件與底層功能仍要補齊,libc、socket2、Mio 在官方工作中就需要相應 patch。[1]
第二個改動:Tokio 要把等待交回主機
Workers 和 Durable Object 的這個執行模型,是單執行緒 JS 事件迴圈。一般 Tokio runtime 在工作暫時完成後,會等待 I/O 事件或計時器,可能將執行緒 park。[1]
直接在 JS 主機裡執行這種等待,會把主機一起停住。即使改成 current-thread runtime,等待主機事件的問題仍在。[1]
Cloudflare 為此探索兩條路。
JSPI:暫停 Wasm 堆疊,保留同步等待外觀
JavaScript Promise Integration(JSPI)讓 Wasm 在等待時暫停自己的堆疊,控制權返回 JS 事件迴圈,等 Promise 或 I/O 就緒再恢復。[1]
困難在於重入:另一個 Wasm 呼叫可以在前一個暫停時進入,但 Tokio 以 thread-local 記錄 runtime context。堆疊換了、執行緒沒換,新呼叫可能被誤判成重複進入 runtime。因此 patch 必須在進入、退出、暫停和恢復時切換相應 context。[1]
這是單執行緒上的協作交錯。CPU 密集工作仍會占住同一條執行緒,不能期待 JSPI 自動提供多核心平行計算。
LocalEventLoop:Tokio 推進一批任務就返回
另一條是提案中的 LocalEventLoop。它把 Tokio 的迴圈拆為兩部分:
drive()執行一批已就緒任務,之後返回主機。- socket、timer 或任務就緒時,用主機的 Waker 通知「之後再推進」。[1]
主機掌握事件迴圈,Tokio 在被安排時才處理工作。等待權交給主機後,LocalEventLoop 的 block_on 到達需要停下等待的位置會 panic,不能拿它當一般阻塞 runtime 使用。[1]
這個設計也可能適用 GTK、Win32 或 Cocoa 等主機事件迴圈。它的意義超出 Workers,是為 Tokio 增加一種嵌入其他主機的執行模式;公告當下仍在上游設計與整合。[1]
第三個改動:socket 和檔案操作接到 Workers 相容層
Tokio 的網路能力經 Mio 依賴 I/O readiness。Emscripten 原有的 poll/WebSocket 模擬層不夠,Cloudflare 因此加入 epoll 與 Node.js socket 的橋接工作。[1]
主要路徑是:
Rust/Tokio 網路操作
→ Mio/libc
→ Emscripten -sNODERAWSOCKETS
→ Node.js 相容 API
→ Workers 支援的網路能力
工具鏈用熟悉的 API 接到主機能力。Emscripten 在 Node.js 中支援的 TCP、UDP、Unix socket,不能整包推論成 Workers 已公開支援每一種協定、任意端口與任意網路目的地。[1][7]
官方 Minecraft 展示使用 TCP ingress 與 handleAsNodeConnection(),但查核時的 TCP 文件仍把 inbound TCP 列為 coming soon。這裡保留兩者的狀態差異:展示證明官方實驗有這條路,自己的帳號能否使用仍要看開放條件,不能當作普遍可用的部署教學。[1][7]
檔案系統也有相同原則。Emscripten 能把 std::fs 接到相容 API,持久化則需要明確的儲存後端。預設記憶體檔案系統不會因為改成 Emscripten 就自動成為永久硬碟。[1][4]
Minecraft 案例為什麼有說服力?
Pumpkin 是 Rust/Tokio Minecraft server,原本使用多核心機器與 OS 執行緒。Cloudflare 公告描述的移植,把它放到一個 Durable Object 內。[1]
真正有資訊量的是三項調整:
- 排程改成協作任務。 遊戲 tick、chunk scheduler 與原本的 Rayon 工作改成 Tokio 任務,在事件迴圈內交錯。
- 存檔換成 Durable Object SQLite 後端。
worker-fs-mount的durable-object-fs把檔案映射成資料列,讓物件重啟後能恢復世界。 - 連線接上 TCP ingress。 主機把連線傳入 Durable Object,再由 Node.js 相容層與 Emscripten 提供 TcpListener。[1]
這展示了既有 Rust server 如何保留部分程式介面,再調整排程與底層。它也提醒導入者:多執行緒工作需要改造、持久化需要後端、入口需要平台支援。公告沒有給出通用玩家承載量或延遲 benchmark,不能據此替任何遊戲伺服器做容量保證。
每月五美元的 Workers,買到的是哪些額度?
Workers 產品頁 強調全球執行無伺服器程式、前端應用與可觀察性。實際選型要接著看方案與限制。[2][6]
依 2026-09-30 查核的 官方定價,Workers Paid 是帳號每月最低 US$5,按超額用量追加計費。Workers Standard 主要額度如下:[13]
| 項目 | 每月含量/價格 | 判斷方式 |
|---|---|---|
| 帳號最低月費 | US$5 | 最低付費方案成本 |
| Worker 請求 | 1,000 萬次含量 | 超出後每 100 萬次 US$0.30 |
| Worker CPU | 3,000 萬 CPU ms 含量 | 超出後每 100 萬 CPU ms US$0.02 |
| 一般直接靜態資產請求 | 免費、不限次數 | 需核對是否經 Worker 路由或 Workers Caching 等計費路徑 |
| KV、D1、Queues、Workflows、Durable Objects | 各有獨立額度與計價維度 | 資料操作、步驟、儲存與 active duration 都可能影響費用 |
| R2、Workers AI、外部 API | 另看各服務計價 | 五美元沒有涵蓋所有儲存與模型成本 |
CPU time 計算程式實際執行時間,等待網路或資料庫通常不計入 Worker CPU。Durable Objects 則另外涉及 active duration,不能照一般 Worker 的 CPU 模型估算。[6][13]
以下是假設計算,沒有量測 Rust 的效能,只計一般 Worker 請求與 CPU,不含儲存、AI、DO、佇列、工作流程、log 超額與稅金:
| 情境 | 假設流量與 CPU | Worker 部分月費 |
|---|---|---|
| 輕量 API | 100 萬次,每次 10 ms | US$5.00 |
| 較重的資料處理 API | 100 萬次,每次 100 ms | US$6.40 |
| 高流量 API | 1,500 萬次,每次 7 ms | US$8.00 |
估算公式是:
Worker 成本 = 5 美元
+ max(請求數 - 1,000 萬, 0) / 100 萬 × 0.30
+ max(CPU ms - 3,000 萬, 0) / 100 萬 × 0.02
Rust 若在相同工作下減少 CPU 時間,才會反映到這一部分成本;Emscripten 本身帶來額外 runtime 與初始化,也必須一起測。語言選擇不能直接代替成本量測。
搭配平台服務,可以做哪些產品?
先把平台服務放回各自的用途。這裡是架構選擇,部分平台 bindings 早已提供 Rust 介面,不必全部等到 Emscripten 才能使用。[5]
| 需求 | 平台元件 | Rust 負責的工作 | 主要邊界 |
|---|---|---|---|
| 全球 API、驗證與 webhook | Workers | 請求解析、簽章檢查、業務規則與轉送 | CPU/記憶體限制、權限與重放防護 |
| 讀多寫少的設定與快取 | KV | 序列化、版本化設定與快取處理 | 最終一致,避開強一致交易用途 |
| 上傳檔案、原始資料與報表 | R2 | 串流處理、內容轉換與資料校驗 | 儲存與操作成本、避免整檔載入記憶體 |
| SQL 型產品資料 | D1 | 查詢、資料驗證與狀態更新 | schema、索引與交易設計 |
| 每個房間/工作單位的協調 | Durable Objects | 單一物件內的狀態機與協作任務 | 單物件容量、持久化與 active duration |
| 批次處理與可重試流程 | Queues/Workflows | 資料轉換或獨立任務執行 | 重複投遞、冪等、步驟與重試邊界 |
| AI 應用 | Workers AI/外部模型 | 整理輸入、驗證模型回應、整合結果 | 模型費用、資料隔離與錯誤處理 |
| 連既有資料庫 | Hyperdrive | 業務查詢與結果處理 | 核對 driver、TLS 與目標平台支援 |
R2 放物件與產物,D1 提供 SQL 查詢,Durable Objects 提供具有識別碼的狀態與儲存。[14][15][16]
Queues 處理訊息投遞,Workflows 管多步驟進度。[17][18]
Workers AI 執行託管模型,Hyperdrive 加速存取既有資料庫。[19][20]
KV 官方明確定位為最終一致、讀取密集的儲存。訂單狀態、扣庫存與必須原子更新的值,應交給具有合適交易或一致性保證的儲存,不要只因讀取便宜就放 KV。[12]
bindings 和 Tokio socket 是兩條不同介面。D1、R2 等服務應用對應 bindings 或 API;Tokio 的標準網路能力不會自動把它們變成普通本機資料庫與硬碟。Workflows 等介面若缺少對應 Rust 支援,可用 JavaScript/TypeScript 主機層調度 Rust Worker,逐項確認整合契約。[4][5]
產品一:上傳資料後,自動清理並產出報表
使用者上傳 CSV 或結構化文件至 R2,入口 Worker 驗證權限、寫入 job 記錄,再送進 Queues。Rust consumer 按批次讀取、解析與校驗,整理好的資料存 D1,報表存回 R2。
若流程還包含等待外部系統或人工核准,可以再以 Workflows 調度。[18]Queues 採至少一次投遞,因此每個 job 需有識別碼與可重試步驟,避免重複投遞產生重複結果。D1 寫入與 Queue 入列需設補償或對帳流程,不能假設跨服務一起原子提交。[17]
這個架構適合已有 Rust parser 或資料處理函式庫的團隊。Emscripten 擴大可嘗試的相依範圍,但大型 PDF、OCR 模型或整份資料載入記憶體的做法,仍可能超出 Workers 資源。
產品二:即時協作或小型遊戲房間
入口 Worker 依房間識別碼找到 Durable Object,由物件維護房間狀態與事件順序。Rust 放狀態機、規則計算與可重用的遊戲邏輯,持久狀態則寫入明確的儲存後端。
新 Tokio 整合的吸引力,是更容易沿用原本的 async 任務結構。採 TCP ingress 時,必須確認帳號可用條件;採其他已支援入口時,也要測斷線、恢復、背壓與房間容量。
單一房間需要大量多核心世界生成時,應評估不同運算環境。多個房間分開放物件,與單一房間自動取得多核心,是兩種架構。
產品三:AI 客服與文件問答的處理層
入口 Worker 驗證租戶與使用者權限,再查詢有權讀取的資料。Rust 負責解析、分段、規則判斷、結構化輸出驗證;模型推論交給 Workers AI 或外部服務。原始文件與結果分別放 R2 和產品資料庫。
已有 Rust 文件處理元件時,新的相容路線讓團隊多一個移植選項。檢索、權限、來源引用與模型版本仍需由應用設計,不能因為用 Rust 就省略。
這個方案的 Rust 部分是資料與控制邏輯。模型推論仍是另一項服務,也有另一套費用。
產品四:既有系統的 API/協定轉接
HTTP 入口接收請求,Rust 驗證資料、處理協定或沿用既有 client,再連到後端資料庫或公開 TCP 服務。這適合已有 Rust 業務函式庫、希望把接入層放近使用者的團隊。
外連目的地、端口、TLS、DNS 和 socket 生命週期都要核對。Workers TCP API 有受限目的地與端口,不能假設 Linux 上能連的位址,在 Workers 都能直接連。[7]
怎麼開始,才不會把實驗功能當正式基礎?
新寫的 API 若只需要平台 bindings,可以先用既有 Rust Workers 路線:
rustup target add wasm32-unknown-unknown
cargo install cargo-generate
cargo generate cloudflare/workers-rs
官方指南用這些命令建立 Rust Worker 範本,再以 npx wrangler dev 本機開發、npx wrangler deploy 部署。部署需要自己的 Cloudflare 帳號與正確環境設定。[5]
要試 Emscripten,則從官方的三個範例開始,依序驗證基本模組、Tokio 任務與 TCP:
wasm-bindgen 文件要求安裝 Emscripten 6.0.10 或更新版本,emcc 必須在 PATH,wasm-bindgen CLI 版本要與 Cargo.lock 中的 crate 完全一致。Tokio event-loop 與 JSPI 路線還有 tagged patchset、unstable cfg 和額外工具要求,不能只換編譯 target 就假設完成。[4]
文件也指出,這個 Emscripten 打包路線使用 binary crate,和常見 cdylib 範本不同。更適合先照範例固定工具鏈、保留 lockfile,再一次加入一個真實相依套件,檢查編譯、I/O、並行呼叫、錯誤與取消行為。[4]
以下固定版本的官方範例,以 worker-build --emscripten --release 建置。完成上述工具鏈與 patch 配置後,可從最小範例啟動本機開發:[21]
git clone https://github.com/cloudflare/workers-rs
cd workers-rs
git checkout b57ba6ef8198c65499c2f92b1845cc2412dd6e8c
cd examples/emscripten
npx wrangler dev
這段命令固定 repository 版本,避免主分支更新後的工具鏈與範例差異。基礎範例會將 POST 文字寫入暫存檔、逐行統計字頻,再回傳報表與目錄資訊。通過後再換到 Tokio 範例,驗證 spawn、sleep、timeout、channel、mutex 與 join,最後測 outbound TCP。每一步都應以實際環境結果為準。[21]
採用前,守住四個限制
第一是實驗成熟度。Tokio 的目標支援與完整 runtime 整合不是同一階段。官方文件仍指出 event-loop 支援尚未進入正式 Tokio release,patch tag 與上游進度都需追蹤。[1][4]
第二是資源預算。一般 Workers isolate 的記憶體上限是 128 MB,包含 JS heap 與 Wasm 記憶體。付費 HTTP invocation 的 CPU 預設 30 秒,可設定到最高 5 分鐘。等待網路的 wall time 和實際 CPU 是不同指標,免費方案的 10 ms CPU 也不適合直接承接所有重型 Rust 工作。[6]
第三是任務生命週期。HTTP 回應完成或用戶端斷線後,相關任務可能被取消;waitUntil 的延長時間有限。要可靠完成批次工作,需設計 Queues/Workflows/持久化狀態,而不是只 spawn 一個背景 task。[6]
第四是依賴與持久化。thread、TLS、DNS、C/C++ 相依庫與檔案後端都要逐項核對。Tokio 單執行緒模式可以提高 I/O 協作能力,CPU 平行與永久磁碟仍需要各自的解法。[1][4]
這次更動的重要性,在於降低既有 Rust 生態與 Web 主機之間的介面落差。對有大量可重用 Rust 程式的團隊,值得先做一個小型移植;對只需要幾個 API 的新專案,既有 Workers Rust bindings 已經能完成許多工作。最後再用真實流量、CPU、儲存與模型用量,判斷五美元起步的架構是否符合產品需求。
延伸閱讀:vinext 與 VoidZero 的開發工具鏈更新。
來源
- 1:Cloudflare:Rust Workers Emscripten 更新
- 2:Cloudflare Workers 產品頁
- 3:Tokio 官方教學
- 4:wasm-bindgen:Emscripten 文件
- 5:Workers:Rust 開發指南
- 6:Workers 平台限制
- 7:Workers TCP socket API
- 8:Axum 文件
- 9:Tower 文件
- 10:Hyper 文件
- 11:Reqwest 文件
- 12:Workers KV 的運作與一致性
- 13:Workers 官方定價
- 14:R2 文件
- 15:D1 文件
- 16:Durable Objects 的執行與儲存模型
- 17:Queues 投遞保證
- 18:Workflows 文件
- 19:Workers AI 文件
- 20:Hyperdrive 文件
- 21:workers-rs 官方範例,固定版本
Signals
Visits
--
Waiting for Cloudflare metrics.