PyO3でRust製Pythonライブラリを作成する実践ガイド：高速処理とメモリ安全性を両立する開発手法

2025年12月30日

当ページのリンクには広告が含まれています。

お疲れ様です！IT業界で働くアライグマです！

Pythonの処理速度に不満があるなら、Rustで書いたコードをPythonから呼び出すのが最も効果的な解決策です。PyO3を使えば、RustのパフォーマンスとPythonの使いやすさを両立できます。

「Pythonでデータ処理をしているけど遅い」「NumPyでも限界がある」「Cythonは学習コストが高い」——こうした悩みを持つエンジニアに向けて、本記事ではPyO3を使ったRust製Pythonライブラリの作成方法を、実装例とともに解説します。

なぜPythonの高速化にRustが選ばれるのか

💡 AIスキルを体系的に学んでキャリアアップを目指す

RustやPythonの高度な開発スキルを身につけ、市場価値の高いエンジニアを目指しませんか。

初心者からAIエンジニアへ！オンラインAIプログラミングスクール【Aidemy Premium】

Pythonは生産性が高い言語ですが、CPUバウンドな処理では速度がボトルネックになりがちです。高速化の選択肢としては以下があります。

Python高速化アプローチの比較

NumPy/Pandas：ベクトル演算に強いが、複雑なロジックには不向き
Cython：PythonライクにC拡張を書けるが、型定義が煩雑
Numba：JITコンパイルで高速化できるが、対応関数に制限がある
Rust + PyO3：最高速かつメモリ安全。学習コストはあるが再利用性が高い

Pure Pythonを1とした場合、NumPyで約15倍、Cythonで約25倍、Rust+PyO3では約50倍の速度向上が期待できます（処理内容による）。

Flash Attentionの仕組みと実装では、メモリ効率を重視した高速化手法を解説しています。

IT女子アラ美

RustってPythonと全然違う言語ですよね。学習コストが心配です。

ITアライグマ

確かに最初は慣れが必要ですが、PyO3のおかげでPythonとの連携部分は直感的に書けますよ。

PyO3の基本：環境構築と最小構成

PyO3はRustコードをPythonモジュールとしてビルドするためのクレートです。maturinというビルドツールと組み合わせることで、pip installできるwheelを簡単に生成できます。

環境構築

# Rustのインストール（未インストールの場合）
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

# maturinのインストール
pip install maturin

# プロジェクト作成
maturin new my_rust_lib --bindings pyo3
cd my_rust_lib

最小構成のRustコード

use pyo3::prelude::*;

/// 2つの数値を加算する関数
#[pyfunction]
fn add(a: i64, b: i64) -> i64 {
    a + b
}

/// フィボナッチ数列のn番目を計算
#[pyfunction]
fn fibonacci(n: u64) -> u64 {
    match n {
        0 => 0,
        1 => 1,
        _ => {
            let mut a = 0u64;
            let mut b = 1u64;
            for _ in 2..=n {
                let c = a + b;
                a = b;
                b = c;
            }
            b
        }
    }
}

/// Pythonモジュールの定義
#[pymodule]
fn my_rust_lib(m: &Bound<'_, PyModule>) -> PyResult<()> {
    m.add_function(wrap_pyfunction!(add, m)?)?;
    m.add_function(wrap_pyfunction!(fibonacci, m)?)?;
    Ok(())
}

ビルドとインストール

# 開発モードでインストール（編集可能）
maturin develop

# Pythonから呼び出し
python -c "import my_rust_lib; print(my_rust_lib.add(1, 2))"
# 出力: 3

# 本番用wheelのビルド
maturin build --release

Sonic-MoE実践ガイドでは、IO・Tile最適化による高速化手法を解説しています。

IT女子アラ美

maturinを使えば、pip installできるパッケージが簡単に作れるんですね。

ITアライグマ

その通りです。CIでwheelをビルドしてPyPIに公開すれば、誰でもpip installできるようになりますよ。

実践例：大量データの高速処理をRustで実装する

ここでは、実際のユースケースとして「大量の文字列データをバッチ処理する」例を実装します。

課題：100万件のログ行からパターンマッチングを行う

Pure Pythonで正規表現マッチングを100万行に対して実行すると、数十秒かかることがあります。これをRustで実装し、高速化します。

use pyo3::prelude::*;
use regex::Regex;

/// 正規表現にマッチする行のインデックスを返す
#[pyfunction]
fn find_matching_lines(lines: Vec, pattern: &str) -> PyResult> {
    let re = Regex::new(pattern)
        .map_err(|e| PyErr::new::(e.to_string()))?;

    let indices: Vec = lines
        .iter()
        .enumerate()
        .filter(|(_, line)| re.is_match(line))
        .map(|(i, _)| i)
        .collect();

    Ok(indices)
}

/// 並列処理版（rayonクレートを使用）
#[pyfunction]
fn find_matching_lines_parallel(lines: Vec, pattern: &str) -> PyResult> {
    use rayon::prelude::*;

    let re = Regex::new(pattern)
        .map_err(|e| PyErr::new::(e.to_string()))?;

    let indices: Vec = lines
        .par_iter()
        .enumerate()
        .filter(|(_, line)| re.is_match(line))
        .map(|(i, _)| i)
        .collect();

    Ok(indices)
}

Cargo.tomlの依存関係

[dependencies]
pyo3 = { version = "0.22", features = ["extension-module"] }
regex = "1.10"
rayon = "1.10"

MixLMでRAGのリランキングを高速化する実装ガイドでは、類似のパフォーマンス最適化手法を解説しています。

IT女子アラ美

並列処理もRustなら簡単にできるんですか？

ITアライグマ

rayonクレートを使えば、イテレータをpar_iterに変えるだけで並列化できます。非常に直感的ですよ。

ケーススタディ：ログ解析処理を10倍高速化した事例

あるデータエンジニアリングチームで、ログ解析処理をRust+PyO3で高速化した事例を紹介します。

状況（Before）

1日あたり500万行のアクセスログを解析し、異常パターンを検出するバッチ処理
Pure Python + reモジュールで実装しており、処理に45分かかっていた
サーバーコストを抑えるためにスケールアップは避けたかった
Pandasで試したが、正規表現処理がボトルネックで改善は限定的だった

行動（Action）

PyO3でRust製のログ解析モジュールを導入し高速化：正規表現マッチング処理をRustに移行した。regexクレートとrayonを採用し、並列処理を実装した結果、CPUコアを100%活用できるようになった
Pythonインターフェースを維持しつつ差し替え：既存のPythonコードの関数呼び出し部分だけを変更し、ロジック全体の書き換えは行わなかった。maturin developで開発中に動作確認しながら進めたところ、移行作業は2日で完了した
GitHub ActionsでCIを構築：maturin-actionを使い、Linux/macOS/Windows向けのwheelを自動ビルドするパイプラインを追加した。これにより、チームメンバー全員がpip installで利用可能になった

結果（After）

処理時間が45分から4.5分に短縮（10倍高速化）
サーバーコストは変更なし（スケールアップ不要）
Pythonコードの変更は100行未満で、既存ロジックはほぼそのまま
チーム内でRustに興味を持つメンバーが増え、他のボトルネック箇所でも同様のアプローチを検討中

時系列データの異常検知をPythonで実装するでは、Pythonベースの異常検知手法を解説しています。

本記事で解説したようなAI技術を、基礎から体系的に身につけたい方は、以下のスクールも検討してみてください。

比較項目	DMM 生成AI CAMP	Aidemy Premium
目的・ゴール	ビジネス活用・効率化非エンジニア向け	エンジニア転身・E資格Python/AI開発
難易度	初心者◎プロンプト作成中心	中級者〜コード記述あり
補助金・給付金	最大70%還元リスキリング補助金対象	最大70%還元教育訓練給付金対象
おすすめ度	S今の仕事に活かすなら	SAIエンジニアになるなら
公式サイト	詳細を見る	詳細を見る