CHINA CONF 2023 第三届中国 Rust 开发者大会 6.17-6.18 @Shanghai ## PromQL Got a BOOST: 用 Rust 重写 Prometheus 的查询引擎 Ruihang Xia @greptime.com ## I ABOUT ## Ruihang GitHub: waynexia Losing hair at Greptime Wanna

构建支撑千亿级数据量的高可用查询引擎 演讲人：蔡岳毅 1. 为什么选择ClickHouse/StarRocks; 2. ClickHouse/StarRocks 的高可用架构； 3. 如何合理的应用ClickHouse的优点，StarRocks如何来补充ClickHouse的短板； 4. ClickHouse的调优，运维介绍； 5. 应用总结； ## 根据实际业务场景需要来选择 1. 不固定的查询条件，不固定的汇总条件； c14ade/p5_1.jpg) ## StarRocks的特点 ## 优点： 1. 支持标准的SQL语法，兼容MySQL协议； 2. MPP架构，扩缩容非常简单方便； 3. 支持高并发查询； 4. 跨机房部署，实现最低成本的DR ## 缺点： 1. 不支持大规模的批处理； 2. 支持insert into，但最理想的是消费Kafka;  ## 采用ClickHouse后平台的查询性能 ### system.query_log表，记录已经执行的查询记录 query：执行的详细SQL，查询相关记录可以根据SQL关键字筛选该字段 query duration ms: 执行时间 memory usage: 占用内存 read_

[Invalid query] message="Static column email cannot be part of the PRIMARY KEY" ## 给静态列的表插入数据 含有静态列的表插入数据和正常表类似，比如我们现在往 iteblog_users_with_status_updates 导入数据： cqlsh:iteblog_keyspace> INSERT INTO iteblog_hadoop@iteblog.com | 0x877e8c36efa827dbd4cafbc92dd90d76 | Learning Cassandra! (1 rows) 我们成功的插入一条数据了。但是上面的插入语句做了两件事： • 所有 username 为 iteblog 数据中的 email 和 encrypted_password 都被设置为 iteblog_hadoop@iteblog 0x877e8c36efa827dbd4cafbc92dd90d76 了。 • 在 iteblog 所在的分区中新增了 body 内容为 Learning Cassandra 的记录。 现在我们再往表中插入一条数据，如下： cqlsh:iteblog_keyspace> INSERT INTO "iteblog_users_with_status_updates" ... ("username"

/p45_1.jpg) Press ENTER or type command to continue ## vector 容器：capacity 函数查询实际的最大容量 - 可以用 capacity() 函数查询已经分配内存的大小，即最大容量。 • 而 size() 返回的其实是已经存储了数据的数组长度。 - 可以发现当 resize 指定的新长度一个超过原来的最大容量时， push_back 可以往尾部插入数据，那么如何往头部插入数据呢？用 insert 函数，他的第一个参数是要插入的位置（用迭代器表示），第二个参数则是要插入的值。 - 注意这个函数的复杂度是 O(n)，n 是从插入位置 pos 到数组末尾 end 的距离。没错，他会插入位置后方的元素整体向后移动一格，是比较低效的，因此为了高效，我们尽量只往尾部插入元素。如果需要高效的头部插入，可以考虑用 deque 容器，他有高效的 << "a = " << a << endl; return 0; ## vector 容器：insert 函数，插到指定的元素前方 - 如果要插入到一个特定位置，可以用迭代器的加法来获取某一位置的迭代器。 - 例如 a.begin() + 3 就会指向第三个元素，那么用这个作为 insert 的参数就会把 233 这个值插到第三个元素的位置之前。

• 能高效处理好 APM 型时序数据 - 同时能高效处理好高基数时间线场景 ## 提供原生分布式方案 • 大规模部署 • 提供高可用、高可靠的服务 • 支持水平扩容 • 支持高效的分布式查询  ## Rust 生产实践 - Tokio