PhiFlow

Движок инкрементальных вычислений для реального времени на иерархических данных

Что такое PhiFlow?

PhiFlow — это промышленная .NET библиотека, созданная для задач, где небольшие изменения во входных данных должны мгновенно распространяться через многослойные вычислительные конвейеры с сохранением возможности реального времени отвечать на аналитические запросы. Будучи встраиваемым (in-process) движком, PhiFlow обеспечивает детерминированные инкрементальные вычисления с точным индексированием — никаких приближений, вероятностных структур данных или внешних зависимостей.

Проблема: Традиционные подходы пересчитывают всю иерархию при каждом изменении (O(Слои × Ширина)). Это становится неприемлемо дорого с ростом данных.

Решение PhiFlow: Отслеживание точного «конуса влияния» каждого обновления через кэш-эффективные интервалы, пересчёт только затронутых узлов и поддержка инкрементальных индексов для молниеносных запросов.

// Моделируйте ваш конвейер как слои
var flow = new PhiFlowRuntime(width: 5000, layers: 60, domainSize: 1024);

// Подключайте индексы для запросов в реальном времени
flow.AttachIndex(queryLayer, new FenwickCountIndex(domainSize));
flow.AttachIndex(queryLayer, new HistogramTopKIndex(domainSize, width));

// Подавайте обновления - пересчитываются только затронутые узлы
flow.ApplyInputUpdates(updates, kWork: 50);

// Запросы выполняются по живым индексам
long topKSum = flow.TopKSum(queryLayer, k: 50);
long countGt = flow.CountGreater(queryLayer, threshold: 500);

Базовая технология и архитектура

Встраиваемый подход (Embedded Philosophy)

PhiFlow работает полностью внутри вашего процесса, устраняя сетевые задержки, накладные расходы на сериализацию и внешние зависимости. Это обеспечивает детерминированное выполнение, критически важное для систем реального времени, потоковой аналитики и симуляционных конвейеров.

Области применения

• Системы потоковой обработки, требующие обновления агрегатов за субмиллисекунды

• Игровые движки и симуляции со сложными каскадными механиками

• Платформы финансового риска, нуждающиеся в пересчёте экспозиции в реальном времени

• Наблюдаемость и мониторинг с иерархическими метриками

• Промышленный интернет вещей, обрабатывающий потоки данных с сенсоров

Ключевые возможности

1. Движок инкрементальных вычислений

Базовый алгоритм: Отслеживание конуса влияния через интервалы

• Интеллектуальное распространение: При изменении входных данных PhiFlow вычисляет минимальные затронутые интервалы для каждого слоя, используя циклическую интервальную арифметику

• Кэш-эффективность: Интервалы обеспечивают последовательный доступ к памяти при пересчёте

• Пакетные обновления: Обработка нескольких дельт одновременно со слиянием интервалов

// Одиночное или пакетное обновление - одинаково эффективно
flow.ApplyInputUpdates(new[] 
{
    new InputUpdate(index: 10, value: 512),
    new InputUpdate(index: 123, value: 7),
    new InputUpdate(index: 2048, value: 999)
}, kWork: 50);

2. Точные индексы запросов (без аппроксимаций)

PhiFlow работает с ограниченным дискретным доменом значений (0..DomainSize-1), что позволяет использовать точные структуры данных:

Все индексы обновляются инкрементально во время ApplyInputUpdates — никакого перестроения с нуля.

// Подключаем индексы один раз при старте
rt.AttachIndex(queryLayer, new FenwickCountIndex(domainSize));
rt.AttachIndex(queryLayer, new SumIndex(width));
rt.AttachIndex(queryLayer, new HistogramTopKIndex(domainSize, width));

// Позже: запросы автоматически используют индексы
long count = rt.CountGreater(queryLayer, 500);  // O(log DomainSize)
long topK = rt.TopKSum(queryLayer, 50);        // O(DomainSize) или O(k log n) с оптимизацией
long sum = rt.Sum(queryLayer);                  // O(1)

3. Два режима обновлений

SetValue (Production/Бизнес-логика)

• Прямое присваивание: new InputUpdate(index: 10, value: 512)

• Предсказуемо, удобно для бизнес-логики

• Рекомендуется для большинства production сценариев

Mutation (Симуляции/Тестирование)

• Детерминированное преобразование: Phi.MutateInputInDomain(oldValue, domainSize)

• Полезно для Монте-Карло, игровой механики, нагрузочного тестирования

• Воспроизводимо от запуска к запуску

4. Движок запросов

Все запросы возвращают точные результаты — никаких вероятностных структур данных.

Характеристики производительности

Бенчмарки пропускной способности (Intel i5-11400F, .NET 8)

Особенности памяти

• Zero-Allocation на горячих путях: Ядро распространения обновлений избегает аллокаций в куче

• Пул интервалов: Внутренние наборы интервалов переиспользуют память между шагами

• Предсказуемое GC давление: Подходит для 24/7 сервисов со строгими требованиями к задержкам

Масштабируемость

• Линейное масштабирование: Производительность линейно зависит от размера дельты и KWork

• Постоянный фактор: Накладные расходы не зависят от общего размера графа при малых дельтах

• Кэш-эффективность: Интервальный доступ максимизирует использование кэша CPU

Технические спецификации

Целевой фреймворк

• .NET 8.0+ (оптимизирован под последние возможности рантайма)

• Платформы: Windows, Linux, macOS

• Архитектуры: x64, ARM64

Требования к интеграции

• Нет внешних зависимостей: Самостоятельное развёртывание

• Не требует БД: Чисто in-memory вычисления

• Нет сетевых вызовов: Полностью локальное выполнение

Опыт разработчика

• Полный IntelliSense: Исчерпывающая XML документация

• Source Link: Прямая отладка исходного кода библиотеки

• Набор бенчмарков: Воспроизводимые тесты производительности

Сценарии использования (с конкретными примерами)

1. Финансовые технологии (приоритетный сегмент)

Управление рисками (VaR/экспозиция)

Слой 0: Цены инструментов, ставки, волатильности
Слой 1: Риск-метрики на уровне инструментов (дельта/гамма)
Слой 2: Агрегация по секторам
Слой 3: Агрегация по портфелям
Слой 4: Общебанковские лимиты риска

При поступлении рыночных тиков обновляются только затронутые ветки. CountGreater запросы питают алерты реального времени.

Алгоритмическая торговля

тик → свечи → признаки → сигнал → торговое решение

TopK запросы мгновенно выявляют наиболее активные инструменты.

Антифрод

транзакция → пользователь → счёт → кластер → флаг риска

RangeCount проверяет превышение порогов в реальном времени.

2. Игровая индустрия и симуляции

Экономические симуляторы (4X)

налог → доход провинции → счастье → продуктивность → мощь армии

«Что если изменить этот налог?» становится мгновенным пересчётом с быстрыми запросами для UI.

Баланс в MMO

действие игрока → статистика класса → глобальный баланс → предложения по тюнингу

TopK мгновенно показывает самые несбалансированные регионы/классы.

3. Промышленный интернет вещей и телеметрия

Предиктивное обслуживание

сенсор → станок → линия → цех → регион

Выброс одного сенсора обновляет только релевантные агрегаты.

Умные сети

потребитель → трансформатор → район → региональная нагрузка

CountGreater генерирует алерты при превышении порогов.

4. AdTech и маркетинг

Торги в реальном времени

показ → пользователь → сегмент → кампания → бюджет

Действия пользователя распространяются; пороговые запросы управляют темпом кампании.

Атрибуция

клик → визит → конверсия → воронка → ROI

Дашборды в реальном времени обновляются с каждой конверсией.

5. Наблюдаемость и DevOps

SLA мониторинг

запрос → инстанс → сервис → граф зависимостей → общий SLA

Всплеск задержки мгновенно обновляет затронутые агрегаты.

Метрики инфраструктуры

процесс → под → нода → кластер → регион

CountGreater эффективно управляет порогами алертов.

6. Научные вычисления

Сеточные методы

граничные условия → локальные ячейки → региональные агрегаты

Интервальное распространение естественно сочетается с локализованным влиянием.

Моделирование эпидемий

сущность → район → регион → страна → мир

Живой what-if анализ с мгновенными агрегатами.

Сравнение с конкурентами

Позиционирование

PhiFlow занимает уникальную нишу между:

Конкурентные преимущества

Лицензирование и коммерческие предложения

Ознакомительное использование

Бесплатно для разработки: Неограниченное использование в непродакшн средах
Полный доступ к функциям: Никаких искусственных ограничений при оценке
Без ограничений по времени: Оценивайте в своём темпе

Коммерческие тарифы

OEM / Встраиваемое лицензирование

Для производителей ПО, встраивающих PhiFlow в свои продукты:

• OEM Starter: $50,000 единоразово + опции роялти

• OEM Enterprise: Индивидуальные условия для крупных вендоров

Enterprise возможности

• On-Premise развёртывание: Поддержка изолированных сред

• Индивидуальные контракты: Адаптированные SLA и compliance пакеты

• Обучение команд: Архитектурные воркшопы (очно или удалённо)

• Приоритетная поддержка: Прямая связь с командой разработки

Быстрый старт

Установка

dotnet add package PhiFlow --version 0.1.1

Полный пример

using PhiFlow;

// Сконфигурируйте ваш конвейер
var width = 5000;
var layers = 60;
var domainSize = 1024;
var queryLayer = layers - 1; // Последний слой

var rt = new PhiFlowRuntime(width, layers, domainSize);
rt.Reserve(maxDeltaCount: 16); // Предварительное выделение буферов

// Подключите индексы для быстрых запросов
rt.AttachIndex(queryLayer, new FenwickCountIndex(domainSize));
rt.AttachIndex(queryLayer, new SumIndex(width));
rt.AttachIndex(queryLayer, new HistogramTopKIndex(domainSize, width));

// Инициализируйте входной слой
var input = new int[width];
var rnd = new Random(42);
for (int i = 0; i < width; i++)
    input[i] = rnd.Next(domainSize);

rt.SetInput(input);
rt.BuildAll(kWork: 50); // Полное построение один раз

// Обработайте обновления
var updates = new[]
{
    new InputUpdate(index: 100, value: 512),
    new InputUpdate(index: 200, value: 256),
    new InputUpdate(index: 300, value: 128)
};

rt.ApplyInputUpdates(updates, kWork: 50);

// Получите результаты запросов - точные и мгновенные
long count = rt.CountGreater(queryLayer, threshold: 400);
long topK = rt.TopKSum(queryLayer, k: 50);
long sum = rt.Sum(queryLayer);
long avg = rt.Avg(queryLayer);
long range = rt.RangeCount(queryLayer, lo: 100, hi: 500);

Console.WriteLine($"Количество >400: {count}");
Console.WriteLine($"Сумма Top-50: {topK}");
Console.WriteLine($"Сумма: {sum}, Среднее: {avg}");
Console.WriteLine($"Элементов в [100,500): {range}");

Почему профессионалы выбирают PhiFlow

1. Для архитекторов: Проверенное ядро заменяет 12 месяцев кастомной разработки

2. Для тимлидов: Неделя интеграции вместо найма 3-5 разработчиков на полгода

3. Для бизнеса: Решения на основе данных в реальном времени вместо отчётов с минутной задержкой

4. Для разработчиков: Чистый API, отличная документация, предсказуемая производительность

Главный итог: PhiFlow превращает пересчёт, занимавший минуты, в инкрементальные обновления за миллисекунды — открывая путь новому классу приложений реального времени.

Ресурсы и экосистема

Официальные каналы

• NuGet пакет: https://www.nuget.org/packages/PhiFlow

• Исходный код: https://github.com/likeslines-maker/PhiFlow

Поддержка

• Telegram: @vipvodu (прямая связь с разработчиками)

• Документация: Полный API reference с примерами использования

• Бенчмарки: Воспроизводимый набор тестов производительности

Коммерческие вопросы

Для запросов цен, enterprise соглашений или OEM лицензирования:

• Telegram: @vipvodu

PhiFlow — Инкрементальные вычисления, аналитика реального времени, точные результаты.