ray tracer in rust
borrow-checker 逻辑上违背原则 mutable borrow不能同时被用到多次，mutable borrow和imutable borrow不能同时出现。
lifetime 协变 lifetime 到类型系统， 不是正常的
GAT generic associate type
表达式向量化 整数
火山： 每来一个数据，执行一种相加操作 向量化：
过程宏 fn trait 类型体操
代码生成（go tidb），生成一个全新的文件。
泛型
nullable （int， null） in MySQL
simd优化
async function / async stream
dart / js / ts async stream
- implement stream trait
- async stream tokio 过程宏
rustfmt 不能为其fmt
borrow checker 引用cast 指针，之后cast 回引用
编译慢，polonius borrow checker， 不稳定
存储引擎实现方法：B+， LSM B+： sqlite， innodb， k8s LSM：rocksdb， level db， aggo db
rising light, AP parser, binder, planner storage, compute
业务层：用库来实现业务 数据库：业务之下,设计系统，完成调试 硬件层：操作系统，硬件调试，fpga不能断点，log
risingwave，流数据库，物化视图，每次查询没有开销，从存储层
实时物化视图，实时更新，流计算引擎，存储中间状态，
计算引擎，SQL层 存储引擎，kv存储->KVpair，到磁盘， LSM，盘上做compaction
LSM特点： 盘，存储访问方式不同， B+保证数据有序，随机写随机读 lsm memtable， wal 对盘的使用方式，追加写，随机读，后台做compaction 对象存储：完整写一个文件，对云原生存储友好，lsm写最小单位为文件， ssd内部写log，写请求转化为顺序写请求， lsm软件层将随机写打包成顺序写
算法上 lsm容易控制 rocksdb remote compaction， 计算和存储之间不影响。 适合云原生架构
lsm劣势：存储KV结构，SQL存储关系型数据，针对性优化 AP系统使用列式存储
compaction占用带宽和CPU，数据合并之后会得到有序的数据，读放大，写放大
flink 存储 中间状态 rocksdb，