Volga Rust 重寫：即時 AI/ML 資料引擎

🔑 增強重點摘要

• •Volga 採用混合 Push+Pull 架構，Push 部分由自訂串流引擎處理，使用 Ray Actors 和 ZeroMQ 實現毫秒級延遲的資料處理[1][3]。
• •提供 Entity API，支援類似 Pandas 的操作如 transform、filter、join 和 groupby，支持編譯時 schema 驗證和一致的線上/離線語義[1][3]。
• •On-Demand Compute Layer 支援請求時計算，如嵌入點積或 meta-model 查詢，可依賴其他 on_demand 或 pipeline 特徵[2]。
• •內建可自訂資料連接器，支援從第三方系統讀寫資料，並與 Ray 生態系統無縫整合，包括叢集管理和模型訓練[3]。

🛠️ 技術深入

• •串流引擎使用 Ray Actors 執行、ZeroMQ 通訊及 Rust 效能核心，透過 PyO3 提供 Python 原生 API，支持 DataStream API 建構自訂管線[3][7]。
• •On-Demand Layer 處理請求時 DAG 計算，支援 on_demand 特徵依賴 pipeline 特徵，填補 Ray 在特徵計算的空白[2]。
• •低階網路堆疊聚焦 Rust 和 ZeroMQ，包括通訊協議和背壓機制，實現每秒百萬訊息規模[7]。
• •Entity API 提供標準化資料模型，包含 transform、filter、join、groupby/aggregate 等操作，確保線上/離線一致性[1][3]。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線