dora-rs/dora

解决的问题

Dora 是一个用于构建实时机器人和 AI 应用的高性能框架。它通过提供零拷贝数据平面和一种以有向图方式组合复杂 AI 流水线（pipeline）的声明式方法，解决了机器人中间件（如 ROS2）中常见的延迟和吞吐量瓶颈。

工作原理

它采用数据流导向的架构，其中节点（独立进程）和算子（轻量级进程内函数）通过输入和输出进行通信。

• 数据平面：基于 Rust 和 Zenoh 构建，利用共享内存 (SHM) 进行大于 4KB 大消息的零拷贝传输，显著降低了延迟。
• 内存格式：原生使用 Apache Arrow 进行列式存储，消除了不同语言绑定之间的序列化开销。
• 编排：中央协调器 (Coordinator) 管理跨多个守护进程 (Daemon，每个主机一个) 的数据流生命周期，实现无缝的本地和分布式部署。
• 配置：流水线通过 YAML 文件定义，允许开发人员连接节点并指定类型、环境变量和重启策略。

适用对象

• 机器人工程师：需要用于传感器融合和控制的低延迟、实时 ROS2 替代方案的人员。
• AI 研究人员：构建需要在 Python 和 Rust 之间进行高吞吐量数据移动的多模态 AI 智能体或感知流水线的开发人员。
• 系统架构师：在机器集群中部署分布式 AI 应用的工程师。

亮点

• 极致性能：对于高达 4MB 的有效载荷，延迟表现平稳，比 ROS2 Python 快 10-17 倍。
• 多语言支持：提供 Rust、Python、C 和 C++ 的原生 API，允许在单个数据流中混合使用不同语言的节点。
• 默认分布式：通过 Zenoh 实现自动化的跨机器通信，并支持基于 SSH 的集群管理。
• 开发工具：包含用于实时监控 (dora top)、主题检查以及用于回归测试的记录/回放功能的全面 CLI。
• Node Hub：一个用于直接将可重用的版本化 AI 节点（例如 YOLO、LLMs）拉取到数据流中的包管理器。