Сначала цифры:
Распределённое кольцо, 10 процессов, batch 1024, пустое сообщение:
coroio 1 137 790 msg/s
YDB/actors 182 525 msg/s в 6,2 раза медленнее
CAF 55 540 msg/s в 20 раз медленнее
Akka 5 765 msg/s в 197 раз медленнее
То же кольцо, полезная нагрузка 1 КиБ:
coroio 860 188 msg/s
YDB/actors 96 372 msg/s в 8,9 раза медленнее
Локальное кольцо, 100 акторов, batch 1024:
Akka 473 966 msg/s
coroio 442 151 msg/s
CAF 302 930 msg/s
YDB/actors 151 972 msg/s
Бенч - кольцо: N акторов гоняют сообщение по кругу M раз, затравочные сообщения не считаются. Железо: i5-11400F, Ubuntu 25.04 (да цифры собраны на древней убунте в прошлом году, с тех пор я новых замеров не делал, но уверен, что хуже стать не должно).
Поверх этих акторов написана аналитическая «СУБД» QumirDB
Серьезный бенч: стенд: Hetzner, 4 узла CCX53, масштаб SF100. ClickHouse на MergeTree на тех же 4 узлах (сделано по доке от ClickHouse со всеми нужными индексами и твиками запросов). QumirDB на голых Parquet: без индексов и без переписывания запросов.
TPC-H SF100, 22 запроса, суммарное время исполнения:
ClickHouse 291,9 с
QumirDB 41,1 с в 7,1 раза быстрее
TPC-DS SF100, 103 запроса, исполнение:
ClickHouse 332,4 с
QumirDB 231,5 с в 1,4 раза быстрее
Фреймворк исповедует принцип zero-copy / zero-serialization. Все что можно не копировать - не копируется. Все что можно отправить в сокет как есть - отправляется в сокет как есть.
Есть как low-level type-less API, так и high-level type-full API. Пример простого актора:
struct TPing {
static constexpr TMessageId MessageId = 100;
uint64_t Seq;
char Payload[1024];
};
class TPonger : public IBehaviorActor,
public TBehavior<TPonger, TPing> {
public:
TPonger() { Become(this); }
void Receive(TPing&& ping, TBlob, TActorContext::TPtr ctx) {
ctx->Send<TPing>(ctx->Sender(), ping.Seq + 1);
}
void HandleUnknownMessage(TMessageId, TBlob, TActorContext::TPtr) {}
};
Поддерживаются С++ корутины:
struct TGet { static constexpr TMessageId MessageId = 300; uint64_t Key; };
struct TLoad { static constexpr TMessageId MessageId = 301; uint64_t Key; };
struct TValue { static constexpr TMessageId MessageId = 302; uint64_t Key; int64_t Value; bool Hit; };
// Slow storage: a "disk read" takes 10 ms.
class TStorage : public IBehaviorActor, public TBehavior<TStorage, TLoad> {
public:
TStorage() { Become(this); }
TFuture<void> Receive(TLoad&& load, TBlob, TActorContext::TPtr ctx) {
co_await ctx->Sleep(10ms);
ctx->Send<TValue>(ctx->Sender(), load.Key, static_cast<int64_t>(load.Key * load.Key), false);
}
void HandleUnknownMessage(TMessageId, TBlob, TActorContext::TPtr) {}
};
class TCache : public IBehaviorActor, public TBehavior<TCache, TGet> {
public:
explicit TCache(TActorId storage) : Storage_(storage) { Become(this); }
TFuture<void> Receive(TGet&& get, TBlob, TActorContext::TPtr ctx) {
if (auto it = Values_.find(get.Key); it != Values_.end()) {
ctx->Send<TValue>(ctx->Sender(), get.Key, it->second, true);
co_return;
}
TValue loaded = co_await ctx->Ask<TValue>(Storage_, TLoad{get.Key});
Values_[get.Key] = loaded.Value;
ctx->Send<TValue>(ctx->Sender(), loaded.Key, loaded.Value, false);
}
void HandleUnknownMessage(TMessageId, TBlob, TActorContext::TPtr) {}
private:
TActorId Storage_;
std::unordered_map<uint64_t, int64_t> Values_;
};
Где подвох
- Zero-serialization требует одинаковой архитектуры и одной сборки на всех узлах (есть механизм определения своих сериализаторов для сообщений)
- Локально (внутри одного процесса) Akka быстрее на 7%
- На TPC-DS с учётом JIT QumirDB пока проигрывает: 429 с всего, из них 156 с уходит на LLVM. Поэтому я делаую супер-быстрый JIT на TPDE (draft)

