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 Plugable Hooks for 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

Amphitheatre 中创建 即可实时部署到云端 进⾏测试和验收 上线 利⽤ Amphitheatre 配置⽂ 件， 执⾏标准 CI/CD ⼯ 作流，轻松发布! 开发⼯程师需要在本机安装各种编程语⾔的运⾏时和相关的框 架以及库，随着业务规模的增⻓，多语⾔多版本的维护和管理 变得越来越复杂。 技术栈杂多 研发流程⻓达⼗⼏个步骤：安装开发软件、配置环境、克隆代 码、开发、本地调试、提交代码、编译构建、⾃动化测试、部 Release Test Integrate Push Inner Loop Outer Loop 戏单（正在测试中的环境） 1 排练（申请环境） 2 替换（切换版本） 3 演出（运⾏） 搭档 适⽤于 29+ 种 编程语⾔ 您可以在⼀个地⽅测量项⽬中所有 语⾔以及领域中所有项⽬的可靠 性、安全性和可维护性。 从语⾔到语⾔，我们为您提供有凝 聚⼒的体验和⼀致的指标集以及数 ⽀持微服务架构体系和多⼈协作联调测试 Kayn Sona Riven Event Account Project Activity Tariq Share Redis ETCD 可让您完全跳过镜像构建，
 使⽤新代码更新正在运⾏的容器，
 只需⼏秒钟⽽不是⼏分钟。 本地开发实时部署到远程集群 如何⼯作的？ Kubernetes 集群 更改 资源定义 ⻆⾊定义 执⾏资源 资源定义

KusionStack是什么？ KusionStack架构 KCL KusionStack 是什么？ KusionStack 是开源的云原生可编程技术栈! 1. 围绕现代应用程序交付以及使用 OCI 镜像对配置和策略进 行编码和统一 2. 组织应用程序资源，并在整个交付过程中通过身份确保安 全 3.为 Kubernetes 和云精简应用交付工作流，并提供开发友 好的体验 基于 Platform as 的交付工作 流程，真正实现集中定义、随处交付。 KusionStack 架构 • KCL：面向应用研发者的 配置策略专用高级编程语 言，及其协议组，工具链及 IDE 插件 • Kusion：运维引擎、工具 链、服务层，IDE 工作空间 及社区技术集成套件 • Konfig：应用配置及基础 模型共享仓库，及面向 GitOps 工作流程（如 GitHub Actions）的自定义 CI

步地，可完成安全引导、安全镜像分发和 通常的嵌入式开发等功能。 # ROM运行环境 # 2023年的RustSBI 作为RISC-V SBI固件的RustSBI，2023年 将与UEFI、LinuxBoot擦出火花。在驱 动、环境和SBI接口的基础上，提供快速 实现具体引导流程的解决方案。 目录 组件化驱动 第 01 部分 什么是组件化驱动？ 运 用 生 命 周 期 、可 变 片 系 统 开 箱 即 用 ，与 成 熟 组 件 自 由 组 合 。 高 可 复 用 、 生 态 融 合 动 、静 态 基 地 址 结 合 ，零 开 销 抽 象 。只 开 发 一 次 ，同 时 运 用 于 嵌 入 式 、固 件 和 操 作 系 统 生 态 中 。 轻 松 构 造 测 试 框 架 ，快 速 验 证 组 件 。 灵 活 、 高 效 、 低 成 本 从 基 础 算 法 到 文 件 持 ， 填 入 常 量 泛 型 ， 即 可 用 于 运 行 环 境 ROM运行环境 第 02 部分 裸机和引导程序的ROM阶段 高级语言环境 初始化bss段、data段， 加载栈寄存器，构成高级 语言运行的最小环境 生成镜像结构 外设和时钟 提供具备所有权的外设 列表，提供ROM初始化 完成的时钟配置 编译时生成镜像头，通 常包含处理器配置、时 钟和闪存配置等部分

Firefox,Microsoft Edge,Safari四⼤浏览器都开始实验性的⽀持 • 它在浏览器以外也有很⼴泛的运⽤，特别是在边缘计算领域。 • ⽀持多语⾔开发，⽐如Go，Python, rust，Javascript等 什么是Webassembly? 1. 所需求运⾏资源⼩(~64Kb for code and ~10Kb RAM) 2. 异构设备兼容性强(x86, ARM, RISC-V • 更好的安全机制，Docker 之类的容器最让⼈诟病的问题之⼀就是安全性； • 更低的内存和资源消耗，Wasm 运⾏时所需的资源⽐ Docker 之类的容器要少很多； • 更快的冷启动时间，Wasm的冷启动时间为微秒，⽐ Docker 的秒级启动快不少； • 更⼩的运⾏时依赖，Docker整体包⼤⼩还是偏⼤，并且依赖的东⻄偏多，很难在⼀些资源 受限的设备上跑起来； Wasm vs wasm如何分发部署？ 3. HPMQ函数开发说明 HPMQ平台 触发器 公共函数 （⽐如：tb2aws） 私有函数 配置 关联 关联 使⽤流程 编写函数 Hpmqfile OCI镜像 镜像仓库 hpmq-cli build hpmq-cli push 发布函数 Demo 4. HPMQ未来规划 开源（https://github.com/wangjuyunlian/hpmq）

A Multi-address DSN(Data Source Name) parser. TDengine 应用开发组 • Python/Rust/Go 连接器 • 数据可视化 • 数据库运维工具 • 第三方数据源接入 • BI 系统接入 https://taosdata.com/ https://github.com/zitsen CONTENTS 自 我 介 绍 T D e u s t 使 用 TDengine: 时序数据库 TDengine 是一款开源、云原生的时序数据库（ Time Series Database ），专为物联网、工业互联网、金融、 IT 运维监控等场景设计并优化，具有极强的弹性伸缩能力。同时它还带有内建的缓存、流式计算、数据订阅等 系统功能，能大幅减少系统设计的复杂度，降低研发和运营成本，是一个极简的时序数据处理平台。 • 大量设备大量数据归集存储，存储压力大 • 数据总线 / 消息队列消息接入，定制化程度要求高 • 数据业务逻辑自定义需求强 • 一定的实时数据分析能力 taosX - 功能路线图 集群运维 数据接入 流式处理 流式处理 数据分享 开放平台 • Backup/Restore • Replication • Migration • Data Sources • IoT Protocols

国信通产业集团等电力能源行业提供数据智能产品解决方案及长期服务。 海致专注为政府、金融、能源等客户提供大数据处理、分析、挖掘服务，在互 联网技术基础上，打造专业、易用的企业级大数据实战应用产品及解决方案。 北京中关村总部 武汉运维中心 深圳研发中心 上海应用中心 专注于数据智能技术赋能中国数字经济发展 海致高性能图计算院士专家工作站 郑纬民 - 海致科技首席科学家 中国工程院院士、清华大学计算机科学与技术系教 授 为已有的分析模型增加“关系特征”维 度 客户贡献度 客户信用分 客户忠诚度 客户欺诈分 客户风险度 违约概率 客户资质 … 集团关系 社群关系 欺诈团伙 担保关系 资金圈 / 链 …  设别出带有某种共同特征 的企业或个人群体 舆情传导 营销传导 风险传导 …  计算某个事件在关联的企业、个人 之间的传递过程和传递概率 图深度学习及其应用场景 图嵌入 • 将高维的图信息映射到低维向量中 • 通过图嵌入将客户关系表示为低维向量，可以结合其 他客户行为特征进行机器学习训练 图卷积神经网络 • 对图结构数据进行卷积计算 • 通过已有的企业数据，通过 GCN 进行半监督学习和分 类，预测企业的违约概率 传统的关系型数据库的存储方式丢失了事物之间的关系信息 Relational Table Real World Multi-Context is Preserved with Graph

靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 也就是说，在能够解决问题的前提下，算法效率已成为衡量算法优劣的主要评价指标，它包括以下两个维 度。 ‧ 时间效率：算法运行时间的长短。 ‧ 空间效率：算法占用内存空间的大小。 简而言之，我们的目标是设计“既快又省”的数据结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们 com 22 图 2‑2 嵌套循环的流程框图 在这种情况下，函数的操作数量与 ?2 成正比，或者说算法运行时间和输入数据大小 ? 成“平方关系”。 我们可以继续添加嵌套循环，每一次嵌套都是一次“升维”，将会使时间复杂度提高至“立方关系”“四次方 关系”，以此类推。 2.2.2 递归 递归（recursion）是一种算法策略，通过函数调用自身来解决问题。它主要包含两个阶段。 1. 递：程序 quadratic(n: i32) { // 矩阵占用 O(n^2) 空间 let num_matrix = vec![vec![0; n as usize]; n as usize]; // 二维列表占用 O(n^2) 空间 let mut num_list = Vec::new(); for i in 0..n { let mut tmp = Vec::new(); for j in

靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 也就是说，在能够解决问题的前提下，算法效率已成为衡量算法优劣的主要评价指标，它包括以下两个维 度。 ‧ 时间效率：算法运行速度的快慢。 ‧ 空间效率：算法占用内存空间的大小。 简而言之，我们的目标是设计“既快又省”的数据结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们 com 22 图 2‑2 嵌套循环的流程框图 在这种情况下，函数的操作数量与 ?2 成正比，或者说算法运行时间和输入数据大小 ? 成“平方关系”。 我们可以继续添加嵌套循环，每一次嵌套都是一次“升维”，将会使时间复杂度提高至“立方关系”“四次方 关系”，以此类推。 2.2.2 递归 递归（recursion）是一种算法策略，通过函数调用自身来解决问题。它主要包含两个阶段。 1. 递：程序 quadratic(n: i32) { // 矩阵占用 O(n^2) 空间 let num_matrix = vec![vec![0; n as usize]; n as usize]; // 二维列表占用 O(n^2) 空间 let mut num_list = Vec::new(); for i in 0..n { let mut tmp = Vec::new(); for j in

靠地求得问题的正确解。 2. 寻求最优解法：同一个问题可能存在多种解法，我们希望找到尽可能高效的算法。 也就是说，在能够解决问题的前提下，算法效率已成为衡量算法优劣的主要评价指标，它包括以下两个维 度。 ‧ 时间效率：算法运行速度的快慢。 ‧ 空间效率：算法占用内存空间的大小。 简而言之，我们的目标是设计“既快又省”的数据结构与算法。而有效地评估算法效率至关重要，因为只有 这样，我们 com 22 图 2‑2 嵌套循环的流程框图 在这种情况下，函数的操作数量与 ?2 成正比，或者说算法运行时间和输入数据大小 ? 成“平方关系”。 我们可以继续添加嵌套循环，每一次嵌套都是一次“升维”，将会使时间复杂度提高至“立方关系”“四次方 关系”，以此类推。 2.2.2 递归 「递归 recursion」是一种算法策略，通过函数调用自身来解决问题。它主要包含两个阶段。 1. 递：程 quadratic(n: i32) { // 矩阵占用 O(n^2) 空间 let num_matrix = vec![vec![0; n as usize]; n as usize]; // 二维列表占用 O(n^2) 空间 let mut num_list = Vec::new(); for i in 0..n { let mut tmp = Vec::new(); for j in