第三届中国 Rust 开发者大会 PromQL Got a BOOST: 用 Rust 重写 Prometheus 的查询引擎 Ruihang Xia @greptime.com Ruihang GitHub: waynexia Losing hair at Greptime Wanna sleep 10 hrs/day Learn JS every year Healing

&args[2]; println!("Searching for {query}"); println!("In file {file_path}"); } 示例 12-2：创建变量来存放查询参数和文件路径参数 正如之前打印出 vector 时所看到的，程序的名称占据了 vector 的第一个值 args[0]，所以我 们从索引为 1 的参数开始。minigrep 获取的第一个参数是需要搜索的字符串，所以将第一个 我们将测试驱动实现实际在文件内容中搜索查询字符串并返回匹配的行示例的功能。我们将在 一个叫做 search 的函数中增加这些功能。 编写失败测试 去掉 src/lib.rs 和 src/main.rs 中用于检查程序行为的 println! 语句，因为不再真正需要它们 了。接着我们会像第十一章那样增加一个 test 模块和一个测试函数。测试函数指定了 search 函数期望拥有的行为：它会获取一个需要查询的字符串和用来查询的文本，并只会返回包含请 查询的文本，并只会返回包含请 求的文本行。示例 12-15 展示了这个测试，它还不能编译： 文件名：src/lib.rs #[cfg(test)] mod tests { use super::*; #[test] fn one_result() { let query = "duct"; let contents = "\ Rust:

@johnathan79717。 • Korean by @keispace, @jiyongp, @jooyunghan, and @namhyung. • 西班牙语版本译者：@deavid。 使用右上角的语言选择器切换语言。 未完成的翻译 还有很多语言版本仍在翻译中。以下是最近更新的翻译版本的链接： • 孟加拉语版本译者：@raselmandol。 • 法语版本译者：@KookaS 和@vcaen。 15 resolve, this would cause your program to stall. • 还可以将 join_all 与 join! 结合使用，并行处理所有对 http 服务的请求和数据库查询。尝试使 用 futures::join! 将 tokio::time::sleep 添加到 Future 中。这不是一个超时操作（其 需要使用 select!，下一章会详细介绍），而是展示了 join

员工 手机号 设备 商品 商品 查询 / 操作 生活中无处不在的图 图分析技术分类 图查询 • 使用图数据库的查询语言进行点边搜索 图算法 • 中心性算法 • 社区算法 • 路径算法 • … 图深度学习 • 图嵌入 • 图卷积 • 图注意力网络 • 图自编码器 图查询及其应用场景 图查询 • 使用图数据库的查询语言进行点边的关联查询，可以快速完成传统数据库难以完成的 多度点边关 图技术全景图—— Graph Technology Landscape 2020 • 图数据库 • 图数据建模 • 图计算引擎 • 图数据集成 • 可视化分析 • 知识图谱解决方案 • 图查询语言 • 欺诈检测 • 网络安全分析 • 社交网络分析 • BI 工具 • 图分析工具集 • 图咨询服务 Source ： Graph Aware 图数据库发展趋势 AtlasGraph Nothing 模式支 持存储计算分离 高性能 基于 Rust 开发的分布式存储引 擎及图计算引擎，精细的内存 管理设计，内置索引系统，支 持毫秒级的并发查询响应速度 易用 AQL(Atlas Graph Query Language) ，类 SQL 的图查询 语言，内置上百种分析函数， 面向分析师友好，拥抱标准， 基于 openCypher 向 ISO GQL 迈进 实时大图 支持万亿节点存储及流式计算

之间的映射，实现高效的元素查询。具体而 言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 ?(?) 时间。 ‧ 删除元素：需要先查询到元素，再从数组（链表）中删除，使用 ?(?) 时间。 表 6‑1 元素查询效率对比 数组 链表 哈希表 查找元素 ?(?) ?(?) ?(1) 添加元素 ?(1) ?(1) (1) ?(1) 删除元素 ?(?) ?(?) ?(1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 ?(1) ，非常高效。 6.1.1 哈希表常用操作 哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等，示例代码如下： 第 6 章 哈希表 hello‑algo.com 117 // === File: hash_map.rs === use std::collections::HashMap;

之间的映射，实现高效的元素查询。具体而 言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 ?(?) 时间。 ‧ 删除元素：需要先查询到元素，再从数组（链表）中删除，使用 ?(?) 时间。 表 6‑1 元素查询效率对比 数组 链表 哈希表 查找元素 ?(?) ?(?) ?(1) 添加元素 ?(1) ?(1) (1) ?(1) 删除元素 ?(?) ?(?) ?(1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 ?(1) ，非常高效。 6.1.1 哈希表常用操作 哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等，示例代码如下： 第 6 章 哈希表 www.hello‑algo.com 117 // === File: hash_map.rs === use std::collections::HashMap;

之间的映射，实现高效的元素查询。具 体而言，我们向哈希表中输入一个键 key ，则可以在 ?(1) 时间内获取对应的值 value 。 如图 6‑1 所示，给定 ? 个学生，每个学生都有“姓名”和“学号”两项数据。假如我们希望实现“输入一个 学号，返回对应的姓名”的查询功能，则可以采用图 6‑1 所示的哈希表来实现。 图 6‑1 哈希表的抽象表示 除哈希表外，数组和链表也可以实现查询功能，它们的效率对比如表 6‑1 所示。 ‧ 添加元素：仅需将元素添加至数组（链表）的尾部即可，使用 ?(1) 时间。 ‧ 查询元素：由于数组（链表）是乱序的，因此需要遍历其中的所有元素，使用 ?(?) 时间。 ‧ 删除元素：需要先查询到元素，再从数组（链表）中删除，使用 ?(?) 时间。 表 6‑1 元素查询效率对比 数组 链表 哈希表 查找元素 ?(?) ?(?) ?(1) 添加元素 ?(1) ?(1) (1) ?(1) 删除元素 ?(?) ?(?) ?(1) 观察发现，在哈希表中进行增删查改的时间复杂度都是 ?(1) ，非常高效。 6.1.1 哈希表常用操作 哈希表的常见操作包括：初始化、查询操作、添加键值对和删除键值对等，示例代码如下： 第 6 章 哈希表 hello‑algo.com 117 // === File: hash_map.rs === use std::collections::HashMap;

thread3 threadN ... 多线程调用查询 type_of typeck borrow_ck impl_trait adt_def impl_defaul tness param_env fn_sig ... 查询互相调用 查询缓存系统 查询依赖信息 查询结果缓存 查询执行状态 查询保存文件 性能瓶颈点 频繁访问查询系统，成为效率瓶颈点 挑战：缓存系统访问热点效率瓶颈

Rust 经验分享 4. 反哺社区 1. CnosDB 架构与选型 特性 • 横/纵 向扩展 • 计算存储分离 • 平衡存储性能与成本 • 查询引擎支持矢量化查询 • 兼容多种时序协议 • 可观测性 • 支持云原生 • 原生支持多租户 • 租户Quota可动态配置 • 云边端协同 • 云上生态融合 整体架构 1.2 存储引擎 version_set Index Inverted Index tsfile delta tomb WAL metrics .... Write Request 1.3 基于 DataFusion 的高性能查询引擎 9 SQL Result DataFusion Parser DataFusion SqlToRel DataFusion Logical Optimizer DataFusion Cascade Optimizer Pluggable Scheduler Logical transform Physical transform 1.4基于DataFusion的高性能查询引擎 • 扩展数据源 • 扩展 SQL 语句 • 扩展流处理引擎 • 扩展优化规则 • 扩展时序函数 1.5 分布式 1. Shared nothing 2. Leaderless

数 据 实时超高频数据 结构化多档行情 全行业指数 概念指数 龙头 lead 股票 互联网新闻 外 部 交 互 交易所引擎 Web客户端 下单指令 信息回报 母单/信息上传 统计信息查询等 数据获取 模型训练 信号预测 交易指令 交易指令 1. 低延迟高吞吐的一写多读消息队列 2. 基于共享内存，全用户态，零拷贝(配合 capnproto) 3. 针对 x86_64、AArch64 数 据 实时超高频数据 结构化多档行情 全行业指数 概念指数 龙头 lead 股票 互联网新闻 外 部 交 互 交易所引擎 Web客户端 下单指令 信息回报 母单/信息上传 统计信息查询等 数据获取 模型训练 信号预测 交易指令 交易指令 与非 Rust 世界交互的主要边界 Rust FFI 网络协议栈参数优化，多路行情冗余互备 UDP 组播 Rust 全栈应用实践 数 据 实时超高频数据 结构化多档行情 全行业指数 概念指数 龙头 lead 股票 互联网新闻 外 部 交 互 交易所引擎 Web客户端 下单指令 信息回报 母单/信息上传 统计信息查询等 数据获取 模型训练 信号预测 交易指令 交易指令 森林模型的 Rust 展开 预测 大规模的新闻实时 spider 以及 NLP 分析 互联网新闻因子 配备 8TB 内存 +8