Soft & Share 開源報報 115

Contents

這是 Soft & Share 為訂閱會員所推出的服務，小編週一到週五會每天整理一篇開源專案的摘要說明整理（早上 8 點前會發佈在 Soft & Share 網站 ) ，讓你可以利用上班前快速掌握目前開源專案的焦點。( 之前出版的開源報報 )

工具

Suitcase – 一個靈活的命令列工具，用於為簡單的命令和指令碼(scripts)即時部署使用者介面

https://github.com/Impedimenta/Suitcase

Suitcase 是一個命令列工具，可以“程式設計”來顯示 SwiftUI 介面，可以觸發命令和指令碼( scripts )。

它類似於 Shortcuts，但是用於 macOS 並由命令列驅動。

它的強大性和靈活性來自可靠的 UNIX 命令列。任何你可以在終端做的事情，你可以在 Suitcase 做，但使用者介面和匯出的命令作為一個 .command 檔案，你可以簽入一個專案或與世界共享。

建立一個 HelloWorld

建立一個比較複雜的程式

Ventoy – 一種新的可使用 USB 開機解決方案

https://github.com/ventoy/Ventoy

Ventoy 是一個為 ISO 檔案建立可開機 USB 磁碟機的開源工具。使用 ventoy，你不需要一次又一次地格式化磁碟，你只需要將 iso 檔案複製到 USB 磁碟機並啟動它。你可以一次複製許多 iso 檔案，ventoy 會給你一個啟動選單來選擇它們。老舊 BIOS 和 UEFI 都以相同的方式得到支援。測試了200多個 ISO 檔案。一個“ Ventoy Compatible”的概念是由 Ventoy 引入的，它可以幫助支援任何 ISO 檔案。

官方網站 https://www.ventoy.net/en/index.html

GIMP-ML – 用於 GIMP 的機器學習 Python 外掛集

https://github.com/kritiksoman/GIMP-ML

支援 GIMP 2.10

使用範例

資料科學

Determined ：深度學習訓練平台

https://github.com/determined-ai/determined

Determined 可以幫助深度學習團隊更快地訓練模型，更容易地共享 GPU 資源，並有效地協作。 Determined 讓深度學習的工程師可以專注於大規模的建立和培訓模型，而不用擔心 DevOps 或者為常見的任務編寫自定義程式碼，比如容錯或者實驗追蹤。

你可以把 Determined 想象成一個平台，在像 TensorFlow 和 PyTorch 這樣的工具之間架起一座橋樑—- 這些工具對於只有一個 GPU 的單個研究人員來說非常有用—- 同時，隨著團隊、叢集和資料集的規模都在不斷擴大，在進行大規模的深度學習時。

主要功能

高效能的分散式培訓，不需要對模型程式碼進行任何額外的更改
基於前沿研究的智慧超參數優化
靈活的 GPU 排程，包括動態調整培訓作業的動態大小和自動管理的雲資源的 AWS 和 GCP
內建的實驗追蹤，度量儲存和視覺化
深度學習培訓作業的自動容錯
整合了 TensorBoard 和 GPU 驅動的 Jupyter 筆記本的支援

要使用 Determined，你可以繼續使用流行的深度學習框架，如 TensorFlow 和 PyTorch; 你只需修改模型程式碼以實現 Determined API。

雲端和網路管理

Litmus 是一個以 kubernetes 原生方式進行混沌工程的工具集。 Litmus 為 Cloud-Native 開發人員和 SREs 提供 chaos CRDs，以注入、編排和監視混亂，從而找到 Kubernetes 部署的弱點。

https://github.com/litmuschaos/litmus

Litmus 是一個工具集，可以進行 cloud-native 混沌工程。 Litmus 提供了在 Kubernetes 上編排混亂( orchestrate chaos )的工具，以幫助 SREs 發現其部署中的弱點。使用 Litmus 執行混沌實驗，最初在分級環境中，最終在營運環境中發現 bug 和漏洞。修復這些弱點可以增強系統的彈性。

Litmus 採用 cloud-native 的方法來建立、管理和監控混亂。使用下面的 Kubernetes 自定義資源定義(CRDs)編排混亂:

ChaosEngine: 將 Kubernetes 應用程式或 Kubernetes 節點連結到 ChaosExperiment 的資源。 ChaosEngine 被 Litmus 的混沌操作者監視，然後呼叫混沌實驗
ChaosExperiment: 混沌實驗配置參數分組資源。 ChaosExperiment CRs 是在 ChaosEngine 呼叫實驗時由操作員建立的
ChaosResult: 儲存混沌實驗結果的資源。 Chaos-exporter 讀取結果並將指標匯出到配置的 Prometheus 伺服器中

混沌實驗在 hub.litmuschaos.io 上進行。它是一個中心樞紐，應用程式開發者或供應商可以在這裡分享他們的混沌實驗，以便他們的使用者可以使用它們來增加營運中應用程式的彈性。

使用案例

開發人員: 在應用程式開發過程中執行混沌實驗，作為單元測試或整合測試的擴充套件
對於 CI 管道建立者: 當應用程式在管道中遭遇故障路徑時，將混亂作為管道階段執行，以查詢錯誤
對於 SREs: 在應用程式和 / 或周圍的基礎設施中計劃和安排混沌實驗。這種做法可以識別系統中的弱點，並提高彈性

領先的開源容器附加儲存，使用 Cloud-Native 架構建構，簡化了在 Kubernetes 上執行有狀態應用程式

https://github.com/openebs/openebs

Openebs 是用於 Kubernetes 的最廣泛部署和最容易使用的開源儲存解決方案。

Openebs 是一類儲存解決方案(有時稱為容器附加儲存 Container Attached Storage )的主要開源範例。在 CNCF Storage Landscape White Paper中，OpenEBS 作為一個開放原始碼範例列在了超級聚合儲存解決方案下。

OpenEBS 與其他傳統儲存解決方案的一些關鍵區別如下:

遵循與其所服務的應用程式類似的微服務架構。OpenEBS 本身作為一組容器部署在 Kubernetes 工作節點上。使用 Kubernetes 自身的能力來編排管理 OpenEBS 元件。
完全建構於使用者空間，以其高度可移植性可執行在任何作業系統/平台下。
完全的意圖驅動模型，繼承了與 Kubernetes 相同的驅動易用性原則。
OpenEBS 支援一系列儲存引擎，以便開發人員能夠部署適合其應用程式設計目標的儲存技術。像 Cassandra 這樣的分散式應用程式可以使用 LocalPV 引擎實現最低延遲的寫操作。像 MySQL 和 PostgreSQL 這樣的獨立應用程式可以使用 ZFS 引擎 (cStor) 進行恢復。像 Kafka 這樣的流媒體應用程式可以使用 NVMe 引擎 MayaStor 在邊緣環境中獲得最佳效能。在各種引擎型別中，OpenEBS 為高可用性、快照、克隆和易管理性提供了一致的框架。

OpenEBS 本身被部署為主機上的另一個容器，支援在每個pod、應用程式、叢集或容器級別上指定儲存服務，包括:

將附加到 Kubernetes 工作節點的儲存管理自動化，並能夠將儲存用於動態提供 OpenEBS pv 或本地 pv。
跨節點的資料持久化，極大地減少了用於重新構建 Cassandra rings 的時間。
跨可用區和雲廠商的資料同步可以提高可用性並減少 attach/detach 時間。
作為一個通用層，無論是執行在 AKS，還是裸金屬、GKE、AWS 等等，您的部署和開發人員的儲存服務體驗是儘可能相似的。
管理與 S3 和其他目標之間的分層。

作為一個 Kubernetes 純原生解決方案的一個額外優勢是，管理員和開發人員可以使用 Kubernetes 提供的所有工具 (如 kubectl、Helm、Prometheus、Grafana、Weave Scope 等) 來互動和管理 OpenEBS。

我們的願景很簡單: 讓持久化工作負載的儲存和儲存服務完全整合到環境中，這樣每個團隊和工作負載都可以從控制的粒度和 Kubernetes 原生行為中獲益。

程式設計語言/程式庫

高效能跨平台影片處理 Python 框架，具有獨特的開拓性特性

https://github.com/abhiTronix/vidgear

VidGear 是一個強大的 python 影片處理程式庫，使用多個 api (又名 Gears)，每個 api 都具有一組獨特的開拓性特性。這些 api 為 OpenCV 、 FFmpeg、 ZeroMQ、 picamera、 starlette 、 pafy 和 python-mss 等許多最先進的底層庫提供了一個易於使用、高度可擴充套件的多執行緒非同步包裝器

這個程式庫的目的

“ VidGear 本著簡單的理念，讓程式設計師和軟體開發人員可以輕鬆地在現有或新的應用程式中整合和執行複雜的影片處理任務，而無需檢視各種底層程式庫的文件，只需使用幾行程式碼。如果你剛開始使用 Python 語言程式設計，或者已經是這方面的專家，這對兩者都有好處。”