基于边缘架构的可编程MQTT服务 CONTENTS 背景说明 O1 O2 O4 HPMQ简介 HPMQ开发说明 HPMQ未来规划 O3 1. 背景说明 物联⽹时代带来的变化 海量 连⽹ 设备 海量数据处理？ 设备安全性？ 共性：边缘 原来以数据中 ⼼为核⼼的云 端架构是否还 满⾜需求？ 01 02 03 边缘架构 ⼀种分布式计 算架构 构成边缘 计算架构 计算架构 的核⼼ 可在边缘直接对数据进⾏相 关的计算（处理/存储）并提 供相应的查询功能 边缘架构 物联⽹设备的纽带 2. HPMQ 简介 HPMQ是基于Rust语⾔开发的 下⼀代可编程边缘分布式 MQTT软件，主要有以下⼏个 核⼼特性： • Geo-Distributed • 可编程性 • 云边⼀体化 • 兼容异构设备 HPMQ （Hyperconverged Programmable 只能做到在数据中⼼内相关的分布式扩展，⽆法直接进⾏ 全球节点的扩展 • 复杂的容灾⽅案 为什么需要geo-distributed 传统⽅案存在有问题 解决⽅案 geo-distributed架构 + 调度 如何管理分布式⽹络 我们主要基于eclipse-zenoh来做⼆次开 发，eclipse-zenoh是⼀款很优秀的rust 语⾔编写的，基于边缘架构的，开源分 布式消息服务基础架构，它帮我们解决

quadratic_recur(n - 1); } 图 2‑18 递归函数产生的平方阶空间复杂度 4. 指数阶 ?(2?) 指数阶常见于二叉树。观察图 2‑19 ，层数为 ? 的“满二叉树”的节点数量为 2? − 1 ，占用 ?(2?) 空间： // === File: space_complexity.rs === /* 指数阶（建立满二叉树） */ fn build_tree(n: 逻辑结构：线性与非线性 逻辑结构揭示了数据元素之间的逻辑关系。在数组和链表中，数据按照一定顺序排列，体现了数据之间的线 性关系；而在树中，数据从顶部向下按层次排列，表现出“祖先”与“后代”之间的派生关系；图则由节点 和边构成，反映了复杂的网络关系。 如图 3‑1 所示，逻辑结构可分为“线性”和“非线性”两大类。线性结构比较直观，指数据在逻辑关系上呈 线性排列；非线性结构则相反，呈非线性排列。 ‧ 线性 都是一个节点对象，各个节点通过“引用”相连接。 引用记录了下一个节点的内存地址，通过它可以从当前节点访问到下一个节点。 链表的设计使得各个节点可以分散存储在内存各处，它们的内存地址无须连续。 图 4‑5 链表定义与存储方式 观察图 4‑5 ，链表的组成单位是「节点 node」对象。每个节点都包含两项数据：节点的“值”和指向下一节 点的“引用”。 ‧ 链表的首个节点被称为“头节点”，最后一个节点被称为“尾节点”。

quadratic_recur(n - 1); } 图 2‑18 递归函数产生的平方阶空间复杂度 4. 指数阶 ?(2?) 指数阶常见于二叉树。观察图 2‑19 ，层数为 ? 的“满二叉树”的节点数量为 2? − 1 ，占用 ?(2?) 空间： 第 2 章 复杂度分析 hello‑algo.com 48 // === File: space_complexity.rs === /* 指数阶（建立满二叉树） 逻辑结构：线性与非线性 逻辑结构揭示了数据元素之间的逻辑关系。在数组和链表中，数据按照一定顺序排列，体现了数据之间的线 性关系；而在树中，数据从顶部向下按层次排列，表现出“祖先”与“后代”之间的派生关系；图则由节点 和边构成，反映了复杂的网络关系。 如图 3‑1 所示，逻辑结构可分为“线性”和“非线性”两大类。线性结构比较直观，指数据在逻辑关系上呈 线性排列；非线性结构则相反，呈非线性排列。 ‧ 线性 都是一个节点对象，各个节点通过“引用”相连接。 引用记录了下一个节点的内存地址，通过它可以从当前节点访问到下一个节点。 链表的设计使得各个节点可以分散存储在内存各处，它们的内存地址无须连续。 图 4‑5 链表定义与存储方式 观察图 4‑5 ，链表的组成单位是节点（node）对象。每个节点都包含两项数据：节点的“值”和指向下一节 点的“引用”。 ‧ 链表的首个节点被称为“头节点”，最后一个节点被称为“尾节点”。

quadratic_recur(n - 1); } 图 2‑18 递归函数产生的平方阶空间复杂度 4. 指数阶 ?(2?) 指数阶常见于二叉树。观察图 2‑19 ，层数为 ? 的“满二叉树”的节点数量为 2? − 1 ，占用 ?(2?) 空间： 第 2 章 复杂度分析 www.hello‑algo.com 48 // === File: space_complexity.rs === /* 逻辑结构：线性与非线性 逻辑结构揭示了数据元素之间的逻辑关系。在数组和链表中，数据按照一定顺序排列，体现了数据之间的线 性关系；而在树中，数据从顶部向下按层次排列，表现出“祖先”与“后代”之间的派生关系；图则由节点 和边构成，反映了复杂的网络关系。 如图 3‑1 所示，逻辑结构可分为“线性”和“非线性”两大类。线性结构比较直观，指数据在逻辑关系上呈 线性排列；非线性结构则相反，呈非线性排列。 ‧ 线性 都是一个节点对象，各个节点通过“引用”相连接。 引用记录了下一个节点的内存地址，通过它可以从当前节点访问到下一个节点。 链表的设计使得各个节点可以分散存储在内存各处，它们的内存地址无须连续。 图 4‑5 链表定义与存储方式 观察图 4‑5 ，链表的组成单位是节点（node）对象。每个节点都包含两项数据：节点的“值”和指向下一节 点的“引用”。 ‧ 链表的首个节点被称为“头节点”，最后一个节点被称为“尾节点”。

路径、use 关键词和 pub 关键词如何在编译器 中工作，以及大部分开发者如何组织他们的代码。我们将在本章节中举例说明每条规则，不过 这是一个解释模块工作方式的良好参考。 • 从 crate 根节点开始: 当编译一个 crate, 编译器首先在 crate 根文件（通常，对于一个库 crate 而言是 src/lib.rs，对于一个二进制 crate 而言是 src/main.rs）中寻找需要被编译的代 内联，在大括号中，当 mod garden 后方不是一个分号而是一个大括号 • 在文件 src/garden.rs • 在文件 src/garden/mod.rs • 声明子模块: 在除了 crate 根节点以外的其他文件中，你可以定义子模块。比如，你可能在 src/garden.rs 中定义了 mod vegetables; 。编译器会在以父模块命名的目录中寻找子模块代 码：- 内联，在大括号中，当 80624effd 大部分情况下所有权是非常明确的：可以准确地知道哪个变量拥有某个值。然而，有些情况单 个值可能会有多个所有者。例如，在图数据结构中，多个边可能指向相同的节点，而这个节点 从概念上讲为所有指向它的边所拥有。节点在没有任何边指向它从而没有任何所有者之前，都 不应该被清理掉。 为了启用多所有权需要显式地使用 Rust 类型 Rc ，其为 引用计数（reference counting）

● 转账 ● 冻资 / 解资 ● 账户限额 ● 批处理事务 正确性：无双花或少付 审计监管：交易日志不可篡改，交易历史可回溯 条件事务：根据一定的条件决定事务执行与否 高可用：在部分节点失效的情况下，依旧可以提供正确的 服务 超低延迟：实时交易，超低响应延迟 水平扩展性：利用分布式事务实现钱包集群的的水平扩 展，应对高达 100 万 TPS 的流量 可演化性：业务逻辑与底层 API 执行转账计划 ○ 分发账户变动请求 ● Auticuro 账户层 ○ 使用账户 id 进行分区 ○ 执行账户变动请求 ○ 更新账户余额 分布式账务系统 性能展示 8 vCPUs * 5 节点 SSD 磁盘 当 TPS = 10K 时， 延迟 P99 < 20ms 分布式账务系统 高吞吐，超低延迟 账户层： Auticuro 分布式账务系统 账户层： Auticuro Raft 共识，等待 events 被多数节点保存 ○ 共识：基于 raft-rs 的可靠消息队 列 ○ 存储： Rocksdb with Rust 账户层： Auticuro 分布式账务系统 1 2 3 4 ● 1. 接受转账请求，转换成 events ● 2. 将 events 送入 Raft 共识，等待 events 被多数节点保存 ● 3. 处理被共识的 events

用来解释模块、路径、use关 键词和pub关键词如何在编译器中工作，以及大部分开发者如何组织他们的代码。我们将在本 章中举例说明每条规则，但这是回顾模块工作原理的绝佳参考。 • 从 crate 根节点开始: 当编译一个 crate, 编译器首先在 crate 根文件（通常，对于一个库 crate 而言是 src/lib.rs，对于一个二进制 crate 而言是 src/main.rs）中寻找需要被编译的代 的模块。编译器会在下列路径中寻找模块代码：- 内联，用大括号替换 mod garden 后跟的分号 • 在文件 src/garden.rs • 在文件 src/garden/mod.rs • 声明子模块: 在除了 crate 根节点以外的任何文件中，你可以定义子模块。比如，你可能在 src/garden.rs 中声明 mod vegetables;。编译器会在以父模块命名的目录中寻找子模块代 码：- 内联，直接在 mod vegetables Rc 引用计数智能指针 大部分情况下所有权是非常明确的：可以准确地知道哪个变量拥有某个值。然而，有些情况单 个值可能会有多个所有者。例如，在图数据结构中，多个边可能指向相同的节点，而这个节点 从概念上讲为所有指向它的边所拥有。节点在没有任何边指向它从而没有任何所有者之前，都 不应该被清理掉。 为了启用多所有权需要显式地使用 Rust 类型 Rc，其为引用计数（reference counting）的

运⾏在浏览器中的 P2P ⽹络 李敏成 from RingsNetwork Montivation 连接所有钱包持有者 去中⼼化的 Pure P2P ⽹络 The Idea 最好的节点载体是浏览器 ⽤户群体 钱包插件 运⾏环境 How to P2P Did: Wallet Address E2E secure(sign/encryption): Wallet Discovery Connect through WebRTC Route by Chord DHT Rings-node browser extension Rings-node daemon 浏览器节点 服务器节点 Node communication Node A Node B Create Offer ConnectNodeSend ConnectNodeReport Pending Transport Geeks Validator MessageCallback Native Backend WASM Backend (WIP) Future Inside 运⾏时抽象 节点共识机制 ⼤规模节点集成测试 Outside 跨平台的 WASM Backend Backend 开发⽂档 Contact Us Twitter: @ringsnetworkio Email: contact@ringsnetwork

Hash Join Sort-merge Join Nested Loop Join 连接重排序 连接算法选择 TopN A Order TopN A Limit 查询优化 定义计划节点 定义重写规则 ⽤纯 Rust 编写的第⼀代优化器 Visitor 模式 ⽤纯 Rust 编写的第⼀代优化器 e-class e-node Rewriting Rewriting (* 2)) (scan $2 (list $2.1 $2.2)) ) {$1.1, $2.1} {$1.2} {$1.1, $1.2} {$2.1, $2.2} 表达式节点：⽤到的所有列 算⼦节点：输出的所有列 Hash Join L_key:[A.id, A.id] R_key:[B.id, C.id] Join A.id = C.id AND B.id Analysis 估计⾏数 • Expr：Selectivity 0-1 • Plan：Rows CostFunction 估计代价 • Expr：每⾏计算开销 • Plan：计算+数据量+⼦节点 简单，但需要耐⼼调 估价函数 搜索剪枝 egg 不⽀持使⽤估价函数进⾏启发式搜索 容易导致组合爆炸问题 我们通过分阶段优化+多轮迭代缓解此问题 RBO: Pushdown… CBO

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 联 当前图的典型应用场景 路径识别 群体挖掘 节点识别 相似节点 链接预测 连接强度 一致行动人 同事关系 实际控制人 可能认识的人 上下游 同爱好的人 亲属关系 …  人与人、企业与企业、企业与人之间的 复杂、潜在关系推导和挖掘  为已有的分析模型增加“关系特征”维 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 引擎的结合，最新数据实时入 库构图，为在线业务决策分析 提供有力支撑 AtlasGraph 架构及实现 新一代图技术应用特征简介 Takeaway AtlasGraph 架构概览 务实现，在保障一致性的前提下，提供优 秀的分析性能 分布式事务技术方案 MVOCC 处理流程 全面的算法支持  覆盖全部常用算法 • 路径计算、社区检测、相似度计算 等  丰富的自研图算法 • 环路识别、链路识别、节点间全路径、 发散子图识别、汇聚子图识别、金字塔 子图识别 与图数据库的深度结合  使用 cypher 语句直接调用  支持在用户筛选出的子图上计算  灵活的参数设定 自研图计算系统架构、极致的性能优化