第三届中国 Rust 开发者大会 Rust 构建分布式账务系统 在 Fintech 公司落地 Rust 项目的经验分享 Airwalle x 胡宇 Airwallex 我们是一家跨境支付领域的 Fintech 独角兽 关于我们 E2 轮 Fintech 独角兽，业务遍布全球 关于我们： Airwallex 墨尔本 新加坡 伦敦 深圳 香港 北京 旧金山 上海 东京 提供高效，低成本的数字银行服务 关于我们： Airwallex 从设计架构到实现细节 项目介绍 分布式账务系统 Fintech 互联网 正确性 bug= 资损 bug 不可怕，快速迭代 可靠性 丢数据 = 资损 允许数据丢失 性能 超低延迟 + 高吞吐 超高吞吐 交易日志 审计，监管 调试使用 分布式账务系统 Fintech 领域中的软件与互联网软件的不同 需求分析 支付处理： ● 转账 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 解耦，当业务发生改变 时，底层 API 不用改变 分布式账务系统 设计理念 - Rust 是我们可靠的基石 分布式账务系统 存算分离 API 解耦 读写分离 层级账号 Rust ● 事务层与账户层分

新一代分布式高性能图数据库的构建 北京海致星图科技有限公司 2023-06-18 沈游人 数据库与大数据专场 海致简介—企业级知识图谱开创者 专业顶尖技术团队支撑 超 700 人团队，其中 80% 为技术人员，创始团队在完成全球第一个中文知 识图谱网站研发后，探索知识图谱技术在企业领域的应用。 2021 年，海致院 士专家工作站成立，站内清华大学计算机博士生占比达 90% 以上。 实时风控对图库的性能挑战（ OLTP 毫秒级响应） • 海致图平台产品服务于金融、政府行业有大量业务经验积累（接近客户需求） • 现有开源产品无法满足要求（受限于基础架构设计，优化性能有限） 新一代分布式图数据库需具备的特性 特性 信 雅 达 • 高可用 • 一致性（事 务） • 高性能 • 低资源消耗 • 易用 • 功能丰富 AtlasGraph 关键特性 云原生 Cloud-Native ，可扩展的分析引擎支持更复 杂的数据挖掘和机器学习场景 MPP Massively Parallel Processing 架构，大规模集群 分布式存储及并行计 算， Shared 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

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 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 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 布式消息服务基础架构，它帮我们解决 了很多分布式⽹络管理的共同的问题， ⽐如说分布式消息⼀致性问题，边缘节 点⾃动发现等问题 传统⽅案痛点 1）数据传输量⼤，中⼼压⼒⼤，⾼可⽤要求⾼ 2）数据发布与订阅都在中⼼，延迟⾼ 3）源站直接暴露 4）数据不好就近进⾏脱敏处理 5）数据不好就近进⾏存储 新⽅案优势 1）分摊中⼼压⼒ 2）降低延迟 3）隐藏源站 4）边缘计算

发 中 心 （ 东 莞 松 山 湖 ） 行为学实验仪器： ... 脑立体定位仪： ... 其他仪器： ... 为什么选择Rust 嵌入式端Rust UI方面的Rust应用 0 1 2 公司Rust人才培养 3 Rust在嵌入式公司应用的想法 4 为什么选择Rust Rust的选择 小动物跑步机 通过调节跑步机的速度和倾斜角度，可以模拟小动物在不 同强度和方向下的运动情况，进而研究其对心血管、代谢和 人员成本 维护成本 产品稳定性 阶梯式的Rust转型 嵌入式的Rust应用 嵌入式Rust应用 更多开发者支持 利用系统级编程特性完善外设 更多的芯片厂商支持 SDK做Rust支持 SDK迁移到Rust 更多行业支持 更好的ROTS 更稳定的SDK 我司目前阶段，过渡期 嵌入式Rust应用 脑立体定位仪 1um精度 传感器精度增到100nm 远程控制 自动运行 关注逻辑本身不用过分关心内存安全 嵌入式项目评估 Rust物联网不足 解决方案：屏幕上云 冷热板刺激仪 老项目评估 新项目评估 简单工期长，探索型项目优先选择Rust 糖水偏好仪 尾部打标机 已经立项 UI端Rust应用 UI 端 Rust 桌面端 平板端 嵌入式端 曾经 现阶段 即将 未来期望 屏幕上云 屏幕交互是用户体验的核心之一

1 50 118 188 448 0 50 100 150 200 250 300 350 400 450 500 2020年夏季 2021年夏季 2022年夏季 2022秋冬季 图表标题 2020年夏季 2021年夏季 2022年夏季 2022秋冬季 项目主页 https://github.com/LearningOS/ • 457 followers • Github 完成5个OS编程大实验 （2周） ArceOS 组件化 操作系统 三阶段 Hypervisor 虚拟化技术 四阶段 完成1个OS组件或驱动 （4周） 完成1个硬件虚拟化适配 （4周） 台阶式向上迈进 训练营的教学/实习安排 • 春夏季训练营 • 4.1 ～ 6.30 共3个月 • 暑期实习生计划 • 7.1 ～ 8.31 共2个月 • 秋冬季训练营 • 10.1 ～ 12.31 • 学习博客（85篇） • http://rcore-os.cn/blog/ • 重要成果 • 2022：陈林峰《rCore 的龙芯平台移植》 • 2022：唐洪雨《基于Rust语言的嵌入式实时操作系统RFreeRTOS的移植》 • 2022：朱懿《zCore 操作系统容器化的探索》 • 2022：米明恒《操作系统调试器VSCode插件系统架构设计与实现》 • 2023：周子琪/周

282 56.1 RTC 驱动程序 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282 56.2 嵌入式 Rust：进阶篇 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300 XIII 并发：上午 305 57 欢迎了解 中加入第三方 crate。 • 裸机：为期一天的课程，介绍如何使用 Rust 进行裸机（嵌入式）开发。课程内容涵盖微控制器和应用 处理器。 • 并发：为期一天的课程，介绍 Rust 中的并发性。我们将涵盖传统并发（使用线程和互斥锁进行抢占 式调度）和 async/await 并发（使用 futures 进行协作式多任务处理）。 非目标 Rust 是一门庞大的语言，短短几天的课程无法覆盖其全部内容。本课程不包括以下内容： 试、组件构建方式，其他构建方式也可以使用。确 保所构建的 Chromium 浏览器可以正常运行。 裸机 Rust 深入探究裸机 Rust 课程为期一天，旨在介绍如何使用 Rust 进行裸机（嵌入式）开发。其中涵盖了微控制 器和应用处理器。 对于微控制器部分，需要提前购买 BBC micro:bit v2 开发板。每个人都需要安装多个软件包，具体如欢 迎页面中所述。 14 Rust 中的并发

归：返回结果 n + res } 图 2‑3 展示了该函数的递归过程。 图 2‑3 求和函数的递归过程 虽然从计算角度看，迭代与递归可以得到相同的结果，但它们代表了两种完全不同的思考和解决问题的范 式。 ‧ 迭代：“自下而上”地解决问题。从最基础的步骤开始，然后不断重复或累加这些步骤，直到任务完成。 ‧ 递归：“自上而下”地解决问题。将原问题分解为更小的子问题，这些子问题和原问题具有相同的形式。 总结以上内容，如表 2‑1 所示，迭代和递归在实现、性能和适用性上有所不同。 表 2‑1 迭代与递归特点对比 第 2 章 复杂度分析 hello‑algo.com 27 迭代 递归 实现方 式 循环结构 函数调用自身 时间效 率 效率通常较高，无函数调用开销 每次函数调用都会产生开销 内存使 用 通常使用固定大小的内存空间 累积函数调用可能使用大量的栈帧空间 适用问 题 归：当函数完成执行并返回时，对应的栈帧会被从“调用栈”上移除，恢复之前函数的执行环境。 因此，我们可以使用一个显式的栈来模拟调用栈的行为，从而将递归转化为迭代形式： // === File: recursion.rs === /* 使用迭代模拟递归 */ fn for_loop_recur(n: i32) -> i32 { // 使用一个显式的栈来模拟系统调用栈 let mut stack = Vec::new();

归：返回结果 n + res } 图 2‑3 展示了该函数的递归过程。 图 2‑3 求和函数的递归过程 虽然从计算角度看，迭代与递归可以得到相同的结果，但它们代表了两种完全不同的思考和解决问题的范 式。 ‧ 迭代：“自下而上”地解决问题。从最基础的步骤开始，然后不断重复或累加这些步骤，直到任务完成。 ‧ 递归：“自上而下”地解决问题。将原问题分解为更小的子问题，这些子问题和原问题具有相同的形式。 总结以上内容，如表 2‑1 所示，迭代和递归在实现、性能和适用性上有所不同。 表 2‑1 迭代与递归特点对比 第 2 章 复杂度分析 www.hello‑algo.com 27 迭代 递归 实现方 式 循环结构 函数调用自身 时间效 率 效率通常较高，无函数调用开销 每次函数调用都会产生开销 内存使 用 通常使用固定大小的内存空间 累积函数调用可能使用大量的栈帧空间 适用问 题 归：当函数完成执行并返回时，对应的栈帧会被从“调用栈”上移除，恢复之前函数的执行环境。 因此，我们可以使用一个显式的栈来模拟调用栈的行为，从而将递归转化为迭代形式： // === File: recursion.rs === /* 使用迭代模拟递归 */ fn for_loop_recur(n: i32) -> i32 { // 使用一个显式的栈来模拟系统调用栈 let mut stack = Vec::new();

归：返回结果 n + res } 图 2‑3 展示了该函数的递归过程。 图 2‑3 求和函数的递归过程 虽然从计算角度看，迭代与递归可以得到相同的结果，但它们代表了两种完全不同的思考和解决问题的范 式。 ‧ 迭代：“自下而上”地解决问题。从最基础的步骤开始，然后不断重复或累加这些步骤，直到任务完成。 ‧ 递归：“自上而下”地解决问题。将原问题分解为更小的子问题，这些子问题和原问题具有相同的形式。 总结以上内容，如表 2‑1 所示，迭代和递归在实现、性能和适用性上有所不同。 表 2‑1 迭代与递归特点对比 第 2 章 复杂度分析 hello‑algo.com 27 迭代 递归 实现方 式 循环结构 函数调用自身 时间效 率 效率通常较高，无函数调用开销 每次函数调用都会产生开销 内存使 用 通常使用固定大小的内存空间 累积函数调用可能使用大量的栈帧空间 适用问 题 归：当函数完成执行并返回时，对应的栈帧会被从“调用栈”上移除，恢复之前函数的执行环境。 因此，我们可以使用一个显式的栈来模拟调用栈的行为，从而将递归转化为迭代形式： // === File: recursion.rs === /* 使用迭代模拟递归 */ fn for_loop_recur(n: i32) -> i32 { // 使用一个显式的栈来模拟系统调用栈 let mut stack = Vec::new();