近日，Apache基金会在其官网正式公布：木兰宽松许可证2.0（MulanPSL v2）与Apache 2.0许可证兼容，兼容性确认地址：https://www.apache.org/legal/resolved.html#category-a木兰宽松版许可证访问地址1、国内官网访问地址：https://license.coscl.org.cn/MulanPSL2/2、OSI官网访问地址：https://opensource.org/licenses/MulanPSL-2.0木兰开源社区（https://mulanos.cn/）是2018年国家重点研发计划“云计算和大数据开源社区生态系统”项目重点成果，由中国电子技术标准化研究院牵头，联合北京大学、国防科大、联想、腾讯云，以及开源中国、北航、中科院软件所、西南大学、华为、阿里云、浪潮、新华三、中电标协、中科院东莞育成中心、湖南酷得共16家单位共同承担。木兰开源社区立足中国,面向国际,联合汇聚国内开源生态圈相关方,共同打造国内开源生态,推动本土开源项目孵化，在推动培育开源贡献文化的同时，与国内外各开源社区融合发展。

中国电子技术标准化研究院“木兰开源社区”入选工信部中小企业局印发的《中小企业数字化赋能服务产品及活动推荐目录（第一期）》。木兰开源社区（https://mulanos.cn/）是2018年国家重点研发计划“云计算和大数据开源社区生态系统”项目重点成果，由中国电子技术标准化研究院牵头，联合北京大学、国防科大、联想、腾讯云，以及开源中国、北航、中科院软件所、西南大学、华为、阿里云、浪潮、新华三、中电标协、中科院东莞育成中心、湖南酷得共16家单位共同承担。木兰开源社区立足中国，面向国际，联合汇聚国内开源生态圈相关方，共同打造国内开源生态，推动本土开源项目孵化，在推动培育开源贡献文化的同时，与国内外各开源社区融合发展。此次，“木兰开源社区”在“抗击疫情，助力企业复工复产”工作中，聚集国内众多＊＊＊力量，汇聚在线会议、协同开发、在线教育等5类软件资源，为减少人员聚集，有效抗击疫情，努力保持生产生活的平稳有序提供了强有力支撑。

木兰开源社区本期推出上海交通大学发起项目——HClolud。木兰开源社区推广项目HCloludHClolud项目负责人夏虞斌  上海交通大学副教授，CCF高级会员、IEEE/ACM会员，上海市“学术带头人”。主要研究领域是操作系统、系统虚拟化与系统结构；糜泽羽  上海交通大学助理研究员。研究方向是操作系统、系统虚拟化、系统安全；华志超  上海交通大学IPADS博士生，研究方向是ARM平台操作系统、虚拟化安全；刘劲锋  上海交通大学软件学院本科生。项目简介如今，包括亚马逊，谷歌和微软在内的大多数云提供商通常提供虚拟机（VM）作为计算资源。尽管这些公共云共享相似的基础架构，但它们为用户提供了不同的服务质量标准和价格模型，并可能随着资源用量而波动。云际计算（JointCloud）可实现多个公有云之间的动态协作，以合理的价格为用户提供更好的服务质量。与此同时，无服务计算服务变得越来越流行，并且已经得到了国内外主要云厂商的支持。无服务计算允许用户以函数为单位将其计算任务上传到云中。此后用户无需考虑繁琐的虚拟机管理工作，而是由云根据实际请求创建函数实例，并动态处理传入的请求。HCloud是一个基于无服务计算模型实现的云际计算平台，它可以细粒度地为用户管理多个云的计算资源，以＊＊的性能、最实惠的价格为用户提供无服务计算的服务。以函数为粒度使得HCloud能够在云之间灵活地迁移工作负载，从而带来更好的服务质量和更低的价格。在HCloud中，用户能够管理的部分只有函数的管理与调用，而HCloud负责函数的运行态，隐藏多云细节，提供统一服务。核心功能介绍一、统一的函数服务接口。用户不用关心HCloud中到底有哪些云，编写的函数只要遵守HCloud的统一格式，使用HCloud提供的统一接口即可。二、动态资源调度。无服务计算的核心理念之一就是按需调度，按量付费。HCloud里的大部分资源都会根据请求的数量进行扩容缩容，以减少不必要的开销。这主要依靠Manager来实现，Manager会监控云内所有资源的使用状况，在资源使用率较高时分配更多资源，在使用率较低时释放一些资源。在无服务计算中，资源的粒度很小，分配释放都很快，这也是Manager能够快速响应调整，尽量不影响性能表现的前提。三、多云后端，跨云迁移。对用户来说，他可以在几乎无感知的状态下，使用到多个云的资源。Client会结合函数使用状况、各个云的资源使用状况，调整流量的分配，目标是让用户侧的性能更优，HCloud整体的费用更低。这也要求用户的服务能够跨云迁移。对于无状态的应用，这一点比较好实现。对于有状态的应用，HCloud提供多种存储方式供用户在不同场景下使用。比如，需要支持在任何时刻都可以切换机器执行的函数，就使用跨云存储，以保证函数迁移不受影响。在有限时间段支持迁移的函数，如数据来源是用户侧，中间数据存放在云内存储，不需要和其他应用共享，结果也直接返回给用户。这类函数在中间数据产生之后，不支持换云执行。但是两个不同的请求，可以被分配给不同云执行。也就是说，这类函数不能在运行时终止，但支持将后续的流量都转移。四、与公有云无服务计算结合。无服务计算的冷启动时间是一个衡量服务质量的重要指标，除了使用虚拟机资源提供函数服务，保证较好的兼容性之外，HCloud也会使用公有云的无服务计算平台来提升性能，主要有两个场景。（一）冷启动：当某个函数被调用，联合云平台先检查是否有正在运行的函数实例如果有就交给函数实例处理，如果没有就先转发给公有云的无服务计算平台处理，然后去启动一个虚拟机上的函数实例。（二）过量服务：当某个函数的调用量突然猛增，HCloud会增加函数实例来应对。这一步也有可能需要增加虚拟机的数量，然而虚拟机的启动相对缓慢，为了掩盖这一部分延时，HCloud也会尝试将部分流量转发给公有云的无服务计算平台。项目优势特点一、更细的资源粒度：无服务计算的单个资源是函数，几乎不会需要考虑函数的热迁移，如果函数足够小巧，中止后重新启动即可。同时，细粒度的资源提供了更多的调度可能，将一个传统的应用进程拆分成多个函数后，就有可能运行在多个机器，乃至多个云上，最后再组合成最终结果返回。二、更少的细节暴露：对于用户来说，传统的云服务器包含操作系统、网络设置、运行状态等细节，而无服务计算最简化的情况下就只有函数编程语言是用户所知的。而其他一些用户不可见的部分，＊＊＊就有了更多的实现空间，比如，网络结构不需要满足每一个机器之间都是联通的，因为这些机器对用户来说并不可见，只要它们能协作完成函数服务即可。三、宽泛的应用支持：选取FaaS作为唯一资源使得资源多样性不足，但FaaS有其独特性：它支持用户自定义代码，并不像SaaS一般提供特定应用。联合云Serverless平台有潜力支撑各种应用，包括图片处理、网页服务、音视频处理、API集成等。项目原型实现HCloud实现了四个主要部分：Manager、Worker、Storage Center以及Client。       如图所示，用户通过Client Library来管理函数，调用函数。Manager负责管理某个云的资源，接收请求后，转发给Worker处理，当资源不足时，Manager还会动态请求更多的资源来应对流量高峰。Client Library封装了多云调度的策略，它会从Manager处获取各个云的资源统计数据，包括资源余量、资源价格等。此外，它还会测量到各个云的延迟，评估各个云的性能。综合上述信息，再根据用户设定的策略方案，动态地转发每个函数请求到合适的Manager。项目初步评测的性能我们基于Python的PIL实现了一个对图片进行裁剪、旋转、加水印等操作的无服务计算函数。在此初步测试中，我们模拟三个不同的私有云，在其上运行HCloud的组件。每个云的资源限制不同，会随着时间动态变化。总共设计了三种变化方式：一、正弦，性能表现呈现规律性地波动，符合正弦曲线。二、泊松分布，性能参数满足泊松分布。三、随机，在一定范围内随机变化。为了保证公平性，三种变化具有相同的期望值。因此，如果只选用其中一个云，将会得到一个接近期望值的表现。      HCloud的Client会根据云的性能表现来动态选择一个云使用，如图所示，分别使用单个云和动态选择的平均延时有明显差异。HCloud采用多云架构，有更大资源余量，能够更好地应对性能波动。同时，Serverless是按量付费，不会因为要维护资源池而产生浪费。                                                                                                                                                                                  木兰开源社区（https://mulanos.cn/）是2018年国家重点研发计划“云计算和大数据开源社区生态系统”项目重点成果，由中国电子技术标准化研究院牵头，联合北京大学、国防科大、联想、腾讯云，以及开源中国、北航、中科院软件所、西南大学、华为、阿里云、浪潮、新华三、中电标协、中科院东莞育成中心、湖南酷得共16家单位共同承担。木兰开源社区立足中国，面向国际，联合汇聚国内开源生态圈相关方，共同打造国内开源生态，推动本土开源项目孵化，在推动培育开源贡献文化的同时，与国内外各开源社区融合发展。

木兰开源社区推广项目Labeled-RISC-VLabeled-RISC-V项目负责人：包云岗，中科院计算所研究员，博士生导师，先进计算机系统研究中心主任，中国科学院大学岗位教授。研究方向是计算机系统结构，在国际会议期刊发表了40余篇论文，多次受邀担任ASPLOS、ISCA、MICRO、SC等国际＊＊会议程序委员会委员。相关技术已在华为、阿里、Intel等国内外企业应用。获“CCF-Intel青年学者”奖，入选2016年中国计算机大会特邀大会报告、ARM2018全球研究峰会三个特邀大会报告之一、中科院青年创新促进会优秀会员，“CCF-IEEE CS”青年科学家奖。担任中国计算机学会理事、普及工作委员会主任，中科院青年创新促进会理事，ACM China副主席。余子濠，中国科学院计算技术研究所先进计算机系统研究中心博士生，本科毕业于南京大学计算机科学与技术系，主要研究方向包括数据中心云计算架构与QoS保障，国家重点研发计划项目“软件定义的云计算基础理论与方法”的核心成员。在《计算机研究与发展》期刊中发表文章《芯片敏捷开发实践：标签化RISC-V》，对本项目中芯片敏捷开发相关的经验进行介绍分享。王诲喆，中国科学院计算技术研究所先进计算机系统研究中心，博士研究生。目前负责标签化体系结构研发及其在RISC-V平台的应用。研究兴趣为计算机系统的性能优化与实现。张传奇，中国科学院计算技术研究所先进计算机系统研究中心，博士研究生，本科毕业于中国科学院大学计算机科学与技术系。目前负责标签化体系结构在RISC-V平台的应用。目前的研究方向是动态二进制翻译。项目背景当下，越来越多类型各异的应用部署在云计算平台上，云计算平台通过共享硬件资源、复用网络线路，降低了应用服务的部署门槛、维护和优化成本，提高了资源分配的灵活性。云计算平台提高核心竞争力的一种主要方式是提高资源利用率以降低成本，但资源利用率往往和用户体验存在矛盾：在一些场景下，若CPU利用率从30%提升到70%，用户请求响应时间尾延迟将增长10倍。而用户体验对于应用服务商来说至关重要，如在搜索服务中，如果用户搜索的响应时间增加0.5秒，则广告收入下降20%。因此，为了保证基本的服务质量，云计算平台的资源利用率仍然保持在较低水平，如CPU利用率基本不足20%。资源利用率与用户体验的矛盾，主要来源于计算机系统中，资源共享带来的无序竞争所导致的系统行为不确定性及性能波动。计算机系统中的硬件资源，如CPU、高速缓存、内存、网络和磁盘IO，都会被不同的应用所争抢，导致部分应用出现饥饿以及局部性被破环的现象，从而降低应用的性能，影响用户体验。为了解决硬件资源共享带来的无序竞争问题，硬件厂商针对各个部件提供了调控手段，如Intel处理器的资源指导技术（Resource Director Technology）提供了软件接口，允许软件管理底层硬件的资源分配策略，具体包括高速缓存监控、高速缓存容量分配、内存带宽监控等。本项目提出一种新型的体系结构，标签化体系结构，通过提供新型软硬件接口的方式，借助软硬件协同控制的机制，以实现硬件资源的合理分配。与其他方案不同，标签化体系结构将计算机系统内部视为一个通信网络，硬件间的请求视为通信数据包，则资源共享的调控问题与分组交换网络有一定的相似之处。受分组交换网络中软件定义网络（Software Defined Network, SDN）思想的启发，标签化体系结构在硬件的通信消息中引入标签，将硬件资源的具体调控部件定义为数据平面，将中心化的参数表项和调控策略定义为控制平面，通过统一的编程接口，来实现以处理器核心或进程为对象的资源调控。下图是将计算机部件拓扑视为网络、通信协议视为数据包的一个示例。标签的思想早在二十世纪六七十年代便由莱斯大学（Rice University）提出，但当时的设计将数据作为标签的描述对象，需要将标签存储在内存中，占据大量空间且有额外的校验运算开销，实现难度较大，现在主要应用在安全领域。标签化体系结构结合实际情况，将标签的描述对象限定在请求发生源（CPU、进程），通过通信协议进行传输，专注于资源调控，从而降低标签的存储和CPU运算开销。项目功能Labeled RISC-V是标签化体系结构的一个具体实现案例，其功能包括标签设置、L1访存带宽调控、共享cache容量划分和核心物理内存划分。标签设置标签分为核心标签和进程标签两类。核心标签存储在控制平面中，每个核心有各自的核心标签。进程标签通过 Linux 的 Cgroups 机制进行配置。为一个 Cgroups 设定标签后，添加到该组的进程都对应此标签。在上下文切换时，内核将进程标签从进程控制块写入专门的体系结构寄存器中。每当核心发送访存请求时，核心标签和进程标签会拼接成完整标签，并附着在访存请求上。借助这一标签，硬件资源的控制部件可以感知到请求的来源。L1访存带宽调控为了调控核心的访存带宽，本项目在核心与系统总线之间添加了令牌桶模块。令牌桶有三个参数，分别是令牌容量，恢复周期和恢复量，它们均存储在控制平面中。每个令牌对应一次访存请求，访存粒度的单位是一个cache block。通过上述三个参数，即可控制每个核心的平均带宽和瞬时带宽。共享cache容量划分为了实现共享cache容量分配，本项目为每个标签维护相应的可用路掩码（waymask）。可用路掩码在替换时与替换结果掩码进行按位与操作，以限制相应标签可以替换掉的路，从而实现cache容量分配的效果。亦有查询接口可以查看每个标签占用的具体cache容量。若只通过cache容量分配来调节性能，则容易造成cache容量分配较少的应用由于cache缺失率上升而频繁访问内存的现象，从而增大关键应用的访存延迟，因此，往往需要将共享cache和L1访存带宽联合进行调控。下图对比了Redis服务独占硬件资源运行与共享硬件资源运行时的各百分位尾延迟，可以看到，若只将cache尽可能多地分配给Redis服务（12:4以及15：1-A），反而造成性能下降，甚至性能弱于无序共享（16:16）时的表现，而15:1-D在cache划分的基础上添加严格的L1带宽调控，则可以使得Redis服务的性能回升到独占时（Baseline）的表现，但此时其它应用依然在运行，从而提升系统整体的资源利用率。物理内存划分本项目为每个核心记录了可用物理内存区域的BASE和MASK，实现了简单的分段机制。每个核心在流水线里访问相同的地址空间，请求离开核心后则会被映射到不同且隔离的内存区域。互斥的任意核心集合均可独立地运行各自的 Linux 系统，从而实现片内核心的细粒度划分和隔离。项目特点标签化体系结构以标签机制和控制平面为核心，可在不同的硬件系统中实现。最初，项目尝试过在开源OpenSparc T1处理器上实现，但未成功；然后项目尝试在Xilinx 维护的Microblaze处理器和AXI4总线上成功实现标签及相应的控制平面，但由于Microblaze等IP核并非开源模块，一些创新性质的工作仍然无法开展。之后，项目选择了基于开放指令集架构RISC-V的开源Rocketchip平台，在TileLink总线上添加标签，实现相应的控制平面，并进一步将控制平面的统一编程接口与RISC-V的调试接口进行整合，从而可以通过Openocd和JTAG接口进行统一的编程操作，无需使用自定义驱动程序，使得项目更具可维护性。目前，项目已适配到 ZCU102, Sidewinder, Zedboard 等FPGA开发板，并且通过Python脚本封装了控制平面的读写命令，借由Openocd和JTAG连接设备，可方便高效地进行资源的调控。背景资料木兰开源社区（https://mulanos.cn/）是2018年国家重点研发计划“云计算和大数据开源社区生态系统”项目重点成果，由中国电子技术标准化研究院牵头，联合北京大学、国防科大、联想、腾讯云，以及开源中国、北航、中科院软件所、西南大学、华为、阿里云、浪潮、新华三、中电标协、中科院东莞育成中心、湖南酷得共16家单位共同承担。木兰开源社区立足中国，面向国际，联合汇聚国内开源生态圈相关方，共同打造国内开源生态，推动本土开源项目孵化，在推动培育开源贡献文化的同时，与国内外各开源社区融合发展。 按钮组件

木兰开源社区推广项目Apache IoTDBApache IoTDB 项目发起人王建民，清华大学软件学院院长，主要研究领域为大数据管理、分析与过程数据管理。国家支撑计划制造业信息化科技工程专家组成员；国家863计划先进制造技术领域专家组成员；国家重大科技专项“核高基”基础软件方向实施专家组成员；中国计算机学会大数据专委会委员、数据库专委会委员。工业互联网联盟工业大数据特设组组长。黄向东，清华大学软件学院助理研究员。主要研究领域为时序数据管理与分布式系统建模。引  言“乾道变化，各正性命”，很多情况下，事物的价值和内涵往往存在于变化中，人们对于事物的变化规律的探究也一直没有停歇。从远古时期人们记录天象变化、总结四季更替、到现代人们记录设备运行状态、个人活动记录、股票变化情况等等，记录这些观测对象的变化情况，并加以分析的需求，自古至今一直存在。这种需求伴随着物联网、工业互联网、智能运维等应用的蓬勃发展变得愈发重要。物联网诞生于1999年，在其理念和技术的不断革新下，无处不在的设备和设施正在被越来越多的通过网络连接起来，并不断向云端发送实况数据。近些年，工业4.0和工业互联网成为发展焦点。在这次工业革命中，工业生产和运维过程中机械设备产生的数据成为了新的核心资产。随着Devops的兴起，运维人员开始追求对IT基础设施、各种服务的运行情况了如指掌的境界，从而开始大量采集对这些设施、进程、用户的监控数据。上述这些场景中产生的数据，主要都是用来描述一个对象在时间维度上的变化的数据，这类数据就被称为时间序列数据。时间序列数据其实离我们很近。例如，用苹果手机可以看到手机的电量变化情况，谷歌地图的“时间线”功能（用于记录个人的位置服务）记录的个人位置移动，安装了健康应用的每小时步数统计，佩戴的智能手表检测的心率变化都是时序数据；家里安装的温湿度传感器采集到的家里的温湿度变化，空气净化器采集的PM2.5变化，智能插线板显示的用电功率变化，都是时序数据；每天使用的各种网站服务记录的个人行为信息也是时序（文本）数据。时间序列数据也可能离我们更远，但时刻影响着我们的衣食住行。机房的每台服务器的CPU、内存、网络带宽占用情况的实时变化，气象观测站观测的每刻气象情况变化，汽车、飞机行驶过程中采集的位置、速度、油耗等各种指标值，发电厂、光纤制造塔里的惰性气体含量变化都是时序数据。可见，时序数据无处不在。时序数据的定义研究时序数据的人很多。美国国家标准化委员会NIST将时序数据定义为一系列等时间间隔到达的某个变量的值。TKDE上对时序数据的定义则放松了等时间间隔的约束：一系列时间戳递增的数据点。事实上，通过研究实际场景，我们可以得到更确切的时间序列数据的定义。以某气象观测站为例，全国有近6万个气象观测站，每个气象观测站有70种气象物理量需要采集。某市地铁每列列车拥有3200个指标需要测量，全市列车数达300列。服务器运维监控中，一台服务器需要同时监测IOPS、CPU、网络等十余项指标，而服务器中的重要进程还需要监测CPU占用率、存活时间等指标。这些例子中展现出两个概念：设备与度量指标。所谓度量指标（又被称为工况、测点）是指用户关心的能反映目标的某种状况的数据项，例如CPU利用率、温度、湿度等等。设备是指一个拥有一系列度量指标的实体，例如一台服务器、一个进程、一列车、一个气象观测站等等。一个设备的一个度量指标形成了一条时序数据的唯一标识。随着时间推移，这条时序数据会产生一系列（时间戳，值）的二元组数据点，构成了时间序列数据集。因此，我们定义一条时间序列是由一个时间序列标识（设备和度量指标），一系列时间戳和数据值对组成的无限集。一个时间序列数据库将管理百万甚至千万条这样的时间序列。如图所示，在对汽车的状态监控中，汽车可以作为设备（国家、地区、车牌号组成了设备ID），而剩余油量、车速则是两个度量指标。因此该图中有4条时间序列（2个设备，2种度量指标），其中3个序列有2个点，一个序列没有数据。时序数据的管理需求工业中的时间序列数据具有超高通量的特点。由于工业设备的数量可能非常庞大，同时每一个设备上都会有着上百种传感器同时采集数据，并且这些设备很多都是 7*24 小时不间断地运行，因此其采集的时间序列数据是源源不断的。以我国某企业制造的风机组管理为例。当前其拥有近3万台风机，其中 多数风机可以采集时序数据并向数据中心回传。以每个风机上约 100 种测点(传感器)为例，总时间序列数量可达数百万条。以其 SCADA 系统中的 7 秒时间间隔采集数据 为例，一天将产生 271.5 亿个数据点。又以某市地铁应用为例，单列车拥有 3200 个测点，当前采集频率为 500 毫秒/次，共有 180 列车，其每秒的吞吐量达 118 万点每秒。未来的采集间隔将缩短至 200 毫秒，列车数量将增至 300 列，则每秒吞吐量将达 492 万点每秒。可见，必须首先解决数据的存储效率问题，才能有效管理工业场景中的时序数据，从而进一步利用其价值。更甚至，由于这些数据是昂贵的设备在真实生产环境中产生的，其数据价值远高于模拟仿真数据，随意删除这些数据将给日后的数据分析带来巨大的损失，因此全时全量的存储是必需的。在此基础上，工业中的时间序列数据还具有低质乱序传输的特点。在一些实 际应用场景中，时间序列数据存在乱序的问题。例如:在物联网与工业传感网中， 因为基础设施或者网络的不稳定，数据的采集和回传会出现中断，在这类情况下数据会出现一定范围的乱序;还有一些比较严重的情况，数据在进入存储系统之前需要经过 kafka等流式处理系统的处理，同一条时间序列数据可能会被 kafka 的多个 partition 消费，从而导致数据在写入存储系统的时候出现乱序。此外，由于 PLC 与 DTU 模块的衔接或网络等问题，一些数据点会在回传前或者回传过程中丢 失，造成数据缺失等质量低下问题。此外，工业中的时间序列数据具有高质全序查询的特点。时序数据虽然在写 入过程中存在乱序现象，但用户在查询过程中，大多都是要求按照时间维度顺序读取数据。此外，工业互联网中设备的每个传感器会产生一条甚至多条时间序列数据，这些时序数据最有效的存储方式是采用列式存储。然而，实际应用中需要对一个设备的多个度量指标数据，或多个设备的数据同时进行分析，这就要求必须将多条列式存储的时序数据进行连接查询(即按时间戳对齐查询)。该查询的性能对数据分析的效率起到了决定性作用。时序数据的分割也是面向时间序列数据的一种典型查询应用。由于某些设备往往是在怠速和带负荷工作两种状态之间频繁切换，而怠速状态下的数据也有可能会被持续采集。这时候若将整条时序数据看做一体，则会对平均值、趋势等分析造成影响，因此将一条时序拆分成若干子序列，是时序数据特有的高级查询。为了适应某些应用，一些设备的采样频率往往较高。然而，当用户仅希望查看数据概况（例如，在有限分辨率的屏幕上绘制一段时间的数据）时，高频的数据采样反而带来业务系统处理的繁琐。此外，高频数据对业务系统算法的复杂度、系统内存使用量都提出了要求，增加了业务成本。因此，实时的时序数据降采样查询成为一个重要功能。最后，工业应用不仅对时间序列数据的管理提出了高要求，还对时间序列数 据的分析效率提出了需求。由于工业时序数据具有体量大的特点，在分析时将数据从 OLTP 型数据库中经过数据重组织、进而 ETL 到支持 OLAP 的系统或者大数 据计算平台上是一个费时费力的过程。因此，如何实现系统的查询分析一体化，也是亟待解决的问题之一。现在有很多种数据库可以用于管理时序数据，包括关系数据库和NoSQL数据库和时序数据库，但是他们都存在或多或少的问题。以关系数据库为例，其 schema是有限制的:比如MySQL InnoDB中单表的列数上限为1017列，PostGreSQL的列数上限是1400多列。然而，一个设备可能拥有上千个测点甚至上万个测点，一张关系表的列数是不够的。此外，在关系数据库中若单表的行数超过千万量级，性能往往会大幅下滑。因此就需要DBA进行复杂和精细的水平垂直分库分表。带来了使用上的不便。此外，关系数据库的写入性能也远远达不到时序数据的要求。对于以键值为代表的NoSQL数据库而言，其高速的写入性能在一定程度上解决了关系数据库的性能问题，灵活的schema也解决了关系数据库的表行、列数量的限制，但是其能够支持的查询往往没有关系数据库丰富。前文提到的时序数据时间维度的查询、值查询、多序列聚合、多序列时间对齐等查询都存在较大的挑战。TimescaleDB、OpenTSDB、KairosDB等基于关系数据库或NoSQL数据库的系统在一定程度上解决了上述的问题，但难以根本上解决，例如TimescaleDB随着导入时间的增加其导入速度速率会不断地下降。KairosDB在压缩、查询和写入性能上表现都不够突出。一些原生的时序数据库如InfluxDB针对时间序列数据进行了专属的文件结构优化和专属查询优化，然而在一些工业场景下仍然存储无法存储全量数据、性能不足的问题。综上，我们认为时序数据库应该具有以下功能。Apache IoTDB时序数据库为了解决以上问题，满足工业领域时序数据的存储、查询特点，清华大学软件学院从零设计并实现了高效轻量的物联网时序数据库 IoTDB。在研发过程中，突破多项核心技术，提出时间序列存储格式、针对时间序列数据改进的LSM引擎、海量数据范围的新型聚合索引、设计双层元数据组的分布式架构。2018年11月，经国际＊＊开源基金会Apache评估和认可，IoTDB成功进入Apache孵化器，成为中国高校目前唯一主导的Apache项目。现已有来自德国、澳大利亚、美国、印度等国外以及阿里、联想、华为、四维图新的＊＊＊。IoTDB具有以下特点：（1）开放的架构：IoTDB 架构图如下所示，采用存储和查询分离的架构，将底层存储开放给上层应用，一份数据既支持实时查询，也支持大数据分析，避免了数据迁移代价。（2）新型文件存储格式：底层存储采用针对时间序列优化的文件格式 TsFile，采用灵活的元数据管理和写入控制，支持各时间序列独立写入，采用时间序列原生的列式存储与序列编码、压缩方式。（3）高速数据写入：IoTDB 提供数千万点每秒的写入吞吐，同时具有低延迟。支持单节点每秒数千万点的写入速度，可处理乱序、重复数据，有效管理万亿数据点。（4）高效的索引结构：如聚合索引PISA支持高效的聚合查询、多分辨率数据查询。KV-index支持复杂的子序列匹配等高级查询。（5）与大数据系统充分集成，支持MapReduce、Spark、Grafana、Zeppelin、Flink、RocketMQ、Kafka、Pulsar等。大量第三方测试表明, IoTDB的性能处于国际前列。相比于同类产品，IoTDB的写入速度＊＊并能保持稳定。在数据量不断增加的情况下表现出良好的可拓展性，在数据乱序的场景下保持性能基本不变，AWS 服务器写入6000万点每秒，5万序列＊＊点查询秒级响应。IoTDB已经在多家单位得到应用：在上海地铁应用中，仅使用1台服务器即替代了原有13台基于开源时序数据库构成服务器集群；3000测点批量写入延迟不超过50ms。压缩比达到15倍。系统还被应用于东风汽车、联想、金风、中烟等单位。    2019年12月，IoTDB通过CSTCBDR01《大数据基础设施类产品测评规范》、获得第七期“优秀大数据产品”称号、获得中国开源云联盟组织评选的“第二届中国优秀开源项目”一等奖。Committer情况IoTDB社区的发起人来自于清华大学，由清华大学软件学院王建民教授立项，黄向东等前后三十余名博士生、硕士生一直参与其中进行的初期开发。这些＊＊＊们毕业后继续在清华大学、微软、头条等企业仍然保持着对项目的贡献。在德国和欧洲地区，在工业4.0的热潮下，IoTDB社区吸引了Julian等许多欧洲开源人士的关注。目前，在PLC4X、Karaf等社区开源贡献者的帮助下，IoTDB已经与这些项目进行了集成，并正在与StreamPipes、Prometheus等项目展开集成。在国内，阿里等大型IT企业对时序数据库的关注也来越高，IoTDB社区目前与Flink、RocketMQ社区紧密合作，大量这些社区的＊＊＊们同时也是IoTDB社区的贡献者。国内的主要工业互联网企业，如海尔、联想、东方国信、深信服等，也都纷纷参与到了IoTDB的贡献中。木兰开源社区（https://mulanos.cn/）是2018年国家重点研发计划“云计算和大数据开源社区生态系统”项目重点成果，由中国电子技术标准化研究院牵头，联合北京大学、国防科大、联想、腾讯云，以及开源中国、北航、中科院软件所、西南大学、华为、阿里云、浪潮、新华三、中电标协、中科院东莞育成中心、湖南酷得共16家单位共同承担。木兰开源社区立足中国，面向国际，联合汇聚国内开源生态圈相关方，共同打造国内开源生态，推动本土开源项目孵化，在推动培育开源贡献文化的同时，与国内外各开源社区融合发展。

木兰开源社区本期推出古老的云操作系统——G-Clolud项目。木兰开源社区推广项目G-CloludG-Clolud项目负责人——莫展鹏莫展鹏，高级工程师，任职于国云科技股份有限公司，主持＊＊＊早的自主云操作系统G-Cloud的设计研发，参与多个国家重点研发计划项目，全国信标委/通标委云计算标准工作组专家，曾获中国专利优秀奖，中国产学研合作创新与促进奖等，拥有云计算相关专利授权近50项。G-Clolud项目介绍云操作系统（G-Clolud）最小内核是国内＊＊自主产权云计算平台产品，由中科院云计算中心旗下国云科技与广电院联合倾力打造.它主要面向的是未来的智能数据中心，通过提供的API来管理包括计算、存储和网络在内的数据中心的各种资源. 在多云整合的市场需求下，api完全按照国产化的云OS接口标准，能够无缝地适配接入国产化多云管理平台。G-Clolud项目起源2010年由NASA(美国国家航空航天局)和Rackspace公司合作，发起openstack项目，这是目前世界上使用范围最广的云操作系统。而在这之前，中国人就研发出自己的云操作系统，并沿用至今。2009年春，广东电子工业研究院引进中国科学院计算技术研究所的技术，研发出VAST-Cloud 云操作系统。这个名字来源于计算所徐志伟老师和李国杰院士提出的一个概念----普惠计算（Computing for the Masses）。V----Value augmentiong adoption（增值普及）A----affordability（低成本，包含认知成本、搜索成本、交易成本、进入成本、使用成本）S----Sustainability（可持续IT）T----by Technology innovation（通过科技进行创新）2010年VAST-Cloud改名为CN-Cloud云操作系统，其中CN表示Chinese，表示是中国的云操作系统，是中国首家具有自主知识产权的云计算产品。此时该系统已经具备了虚拟机管理、存储管理、网络管理、镜像管理和用户管理功能，支持windows虚拟机，团队开发了Firefox插件虚拟机管理工具CM和存储管理工具SM。2011年CN-Cloud正式更名为G-Cloud云操作系统。该产品目前由中科院云计算中心与国云科技股份有限公司运营。最小化内核应用实践作为“云计算和大数据基础设施”的支撑项目，项目以研制面向云计算的新型网络操作系统，满足新应用 模式对云 OS 的挑战，建立云 OS 的 API 标准规范，构建面向世界的、自主可控云 OS应用生态。突破多粒度硬件元素池化、数据中心智能化管理、基于新型设备的巨型虚拟机构建、容器的高效性能隔离、度量评测等关键技术；研制基于软件定义的新一代云计算核心软 件，通过阿里、国云、中国电科在政务、电商等领域推广应用；虚拟容器技术在业界产生重要影响，创建巨型虚拟机开源模式和云 OS 开源社区，最终形成云 OS 的 API 标准 规范及应用生态体系。（一）最小内核定义策略1.核心最小API适应最小化应用场景2.经过多个项目经验及实际项目应用中抽取完善，并形成扩展API（二）最小内核API定义最小内核分三层：1.第三方调用及应用接口层，用于统一的第三方及应用调用，实现应用于底层云厂家的解耦，应用只需要关注与业务与云计算资源的交互，无需关心云计算资源来源于哪朵云2.服务层管理层及API，用于多云的统一资源管理，实现多云的多租户、资源配额、多云管理等管理功能3.虚拟化层API，用户多云之间的数据迁移及共享（三）最小内核应用生态云OS生态建议：开放APIS+开源内核，可演化、可扩展、可服务、可标准化（四）最小内核应用意义1.多云互联互通：实现云间互联互通，又能凸现不同云的差异化服务2.云上应用解耦：上层用户与应用的高可移植性，基于中国云API开发，可在不同云之间无缝迁移3.大数据云服务：促进大数据与云计算的融合发展4.统一云标准与生态：形成具备多层次一致标准的应用生态，促进云计算行业的持续迭代创新（五）最小内核生态标准化目标：以构建面向世界的、自主可控云 OS 应用生态为出发点，突破多项云计算关键技术；研制基于软件定义的新一代云计算最小内核，通过阿里、华为、国云、中国电科在政务、电商等领域推广应用，最终形成云 OS 的 API 标准规范及应用生态体系。指导原则：1.以基础API为开源核心，实现最小云平台2.构建开放生态，开设不同特色项目板块3.鼓励基于核心API，开发符合国云、阿里云、华为、OPENSTACK等多云组件（六）项目实践面向国产处理器的虚拟化技术与系统项目木兰开源社区（https://mulanos.cn/）是2018年国家重点研发计划“云计算和大数据开源社区生态系统”项目重点成果，由中国电子技术标准化研究院牵头，联合北京大学、国防科大、联想、腾讯云，以及开源中国、北航、中科院软件所、西南大学、华为、阿里云、浪潮、新华三、中电标协、中科院东莞育成中心、湖南酷得共16家单位共同承担。木兰开源社区立足中国，面向国际，联合汇聚国内开源生态圈相关方，共同打造国内开源生态，推动本土开源项目孵化，在推动培育开源贡献文化的同时，与国内外各开源社区融合发展。

本着“开放、自由、共享”的开源理念，让工程师们了解木兰开源社区项目的功能性能、优势特点以及核心 Committer等内容。木兰开源社区首期推出FPGA软硬件协同加速网络功能虚拟化（NFV）的开源系统——DHL项目。木兰开源社区＊＊推广项目——DHLDHL项目负责人——刘方明教授刘方明，华中科技大学教授、博导，国家优秀青年科学基金获得者、国家高层次人才特殊支持计划（中组部“万人计划”）青年拔尖人才。先后于清华大学、香港科技大学获学士和博士学位，后作为加拿大多伦多大学访问学者、微软亚洲研究院“铸星计划”访问研究员。DHL：开源项目简介【 意义 】网络功能虚拟化（NFV）旨在将多种多样的网络功能从昂贵固化的专用网元设备解耦到通用服务器上，以软件方式灵活部署与运行。然而，当前软件网络功能在进行深度包处理时，需要消耗大量的CPU内核资源才能达到线速度。虽然支持高并发度的FPGA具备加速深度包处理的可行性和潜力，但是FPGA中的可编程逻辑十分有限且成本昂贵，因此若将整个网络功能部署到FPGA上会造成不切实际的资源浪费。此外，当网络功能需要更改时，还需耗费数小时生成新的FPGA加速程序，阻碍网络功能的快速部署。【 技术 】针对FPGA在NFV性能加速中面临的挑战，首次提出和实现了基于动态硬件库（Dynamic Hardware Library, DHL）的FPGA-CPU协同框架：（1）将FPGA中的深度包处理加速模块抽象成硬件函数并提供DHL编程API，使同类的多个网络功能的复杂逻辑统一部署在FPGA中加速，而简单逻辑仍协同运行在CPU中，从而实现多个网络功能在FPGA-CPU架构中灵活、快速、高性价比的部署，为广大研发人员提供了通用且易编程的新型实用工具；（2）通过结合无锁通信队列、用户态I/O、NUMA感知的内存分配、批处理和轮询等一系列优化技术，最大化框架整体网络性能，验证了DHL框架相比领域内基于纯CPU和纯FPGA加速系统的优势。【 贡献 】科技部云计算和大数据专项开源社区建设 首批自主开源项目之一，采用木兰系列许可证发布。木兰开源社区（https://mulanos.cn/）是2018年国家重点研发计划“云计算和大数据开源社区生态系统”项目重点成果，由中国电子技术标准化研究院牵头，联合北京大学、国防科大、联想、腾讯云，以及开源中国、北航、中科院软件所、西南大学、华为、阿里云、浪潮、新华三、中电标协、中科院东莞育成中心、湖南酷得共16家单位共同承担。木兰开源社区立足中国，面向国际，联合汇聚国内开源生态圈相关方，共同打造国内开源生态，推动本土开源项目孵化，在推动培育开源贡献文化的同时，与国内外各开源社区融合发展。

2020年2月12日，国家重点研发计划“云计算和大数据开源社区生态系统”项目重要成果“木兰宽松许可证”第2版（MulanPSL v2）经过严格审批，正式通过开源促进会（OSI）认证，被正式批准为国际类别开源许可证（Internationallicenses）。MulanPSL v2在MulanPSL v1 的基础上明确了许可证规范语言。OSI表示“中文版的开源许可证可以鼓励广大中国社区积极参与开源，同时也是对已批准开源许可证列表的宝贵补充”。此次通过认证意味着木兰宽松许可证（MulanPSL v2）正式具有国际通用性，可被任一国际开源基金会或开源社区支持采用，并为任一开源项目提供服务,是木兰开源社区的重要成果。同时，木兰宽松许可证是＊＊由中国开源产业界联合编制并通过OSI认证的开源软件许可证，也标志着我国开源界立足中国贡献全球方面取得突破性进展。MulanPSL v1访问地址：https://license.coscl.org.cn/MulanPSL/请点击“阅读原文”，直接访问1鸣  谢:木兰宽松许可证主要编制单位（排名不分先后）：北京大学、中国电子技术标准化研究院、西南大学、中国科学院软件所、开源社、中移（苏州）软件技术有限公司、华为技术有限公司、华云数据集团有限公司、普元信息技术股份有限公司、中兴通讯股份有限公司、中标软件有限公司以及为推动协议编制和OSI认证而贡献过的所有开源人士!1木兰开源社区（https://mulanos.cn/）是2018年国家重点研发计划“云计算和大数据开源社区生态系统”项目重点成果，由中国电子技术标准化研究院牵头，联合北京大学、国防科大、联想、腾讯云，以及开源中国、北航、中科院软件所、西南大学、华为、阿里云、浪潮、新华三、中电标协、中科院东莞育成中心、湖南酷得共16家单位共同承担。木兰开源社区立足中国,面向国际,联合汇聚国内开源生态圈相关方,共同打造国内开源生态,推动本土开源项目孵化，在推动培育开源贡献文化的同时，与国内外各开源社区融合发展。