fbpx

Soft & Share 開源日報 121

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 )

學習資源

120 個以上的互動式 Python 編碼面試挑戰(演算法和資料結構)。包括 Anki 快閃卡

Anki 快閃卡一般來說是用來複習生字,這邊用來複習程式碼

Web 應用程式開發

Spring-Boot-Demo – 是一個用來深度學習並實戰 spring boot 的專案,目前總共包含 65 個整合demo,已經完成 53 個。

該專案已成功整合 actuator(監控)、admin(視覺化監控)、logback(日誌)、aopLog(通過AOP記錄web請求日誌)、統一異常處理(json級別和頁面級別)、freemarker(模板引擎)、thymeleaf(模板引擎)、Beetl(模板引擎)、Enjoy(模板引擎)、JdbcTemplate(通用JDBC操作資料庫)、JPA(強大的ORM框架)、mybatis(強大的ORM框架)、通用Mapper(快速操作Mybatis)、PageHelper(通用的Mybatis分頁外掛)、mybatis-plus(快速操作Mybatis)、BeetlSQL(強大的ORM框架)、upload(本地檔案上傳和七牛雲檔案上傳)、redis(快取)、ehcache(快取)、email(傳送各種型別郵件)、task(基礎定時任務)、quartz(動態管理定時任務)、xxl-job(分散式定時任務)、swagger(API介面管理測試)、security(基於RBAC的動態許可權認證)、SpringSession(Session共享)、Zookeeper(結合AOP實現分散式鎖)、RabbitMQ(訊息佇列)、Kafka(訊息佇列)、websocket(服務端推送監控伺服器執行資訊)、socket.io(聊天室)、ureport2(中國式報表)、打包成war檔案、整合 ElasticSearch(基本操作和高階查詢)、Async(非同步任務)、整合Dubbo(採用官方的starter)、MongoDB(文件資料庫)、neo4j(圖資料庫)、docker(容器化)、JPA多資料來源、Mybatis多資料來源、程式碼生成器、GrayLog(日誌收集)、JustAuth(第三方登入)、LDAP(增刪改查)、動態新增/切換資料來源、單機限流(AOP + Guava RateLimiter)、分散式限流(AOP + Redis + Lua)、ElasticSearch 7.x(使用官方 Rest High Level Client)、HTTPS、Flyway(資料庫初始化)。


Async-graphql使用 Rust 實現的 GraphQL 伺服器程式庫

它完全相容GraphQL規範以及絕大部分的擴充功能,型別安全並且高效能。

你可以用Rust語言的方式來定義Schema,過程巨集會自動生成GraphQL查詢的框架程式碼,沒有擴充Rust的語法

為什麼開發 Async-graphql?

這位開發者之前使用 Juniper ,但是 Juniper 不支援 async/await ,所以只好自己實作一個


React Virtual – React 中用於虛擬化可滾動元素的 Hook

使用 Demo

為何需要這個 Hook ?

React Virtual 最顯著的特點是它只是一個單獨的客製 Hook,而不是一組元件。 在更時髦的術語中,這意味著它是“headless” ,允許你 100% 地控制所有的標記和樣式,正是你想要的。

React Virtual 為你提供原始實用程式,允許你構建任何範圍的虛擬化體驗。 證明這一點的一個例子是,您可以將兩個 useVirtual 實體組合到相同的標記上,從而實現一個虛擬化的網格,而對於其他工具,您將需要使用一個專用的類似於網格的元件。


Material-UI – 為更快和簡單開發 web 的 React 元件 。

使用 Material Design 建立自己的設計系統,這邊可以看到許多使用範例


帶有內置負載均衡器的Node.js 營運行程管理器

PM2是 Node.js 應用程式的營運行程管理器,具有內建的負載均衡器。 它允許你讓應用程式永遠處於活動狀態,在不停機的情況下重新載入它們,並且方便執行常見的系統管理任務。

資料科學

Tensorflow 範例適用於初學者的 TensorFlow 教學和範例(支援 TF v1和 v2)

本教程設計用於通過範例輕鬆地深入到 TensorFlow 中。 為了可讀性,它包括 Notebook 和原始碼解釋,適用 TF v1和 v2。

它適合那些想要找到關於 TensorFlow 的清晰和簡潔範例的初學者。 除了傳統的“原始” TensorFlow 實現之外,你還可以找到最新的 TensorFlow API 實踐(例如layersestimatordataset…)。

PyCaret – 一個開源的、低程式碼(low-code)的 Python 機器學習庫

Pycaret 是 Python 中的一個開源的低程式碼(low-code)機器學習庫,旨在將假設減少到機器學習實驗中的洞察週期時間。 它使資料科學家能夠快速有效地進行端到端的實驗。 與其他開源機器學習庫相比,PyCaret 是一種替代的低程式碼庫,可用於執行只需幾行程式碼的複雜機器學習任務。 Pycaret 本質上是一個 Python 包裝器,包含幾個機器學習庫和框架,比如 scikit-learn、 XGBoost、 Microsoft LightGBM、 spaCy 等等。

Pycaret 的設計和簡單性受到了公民資料科學家(citizen data scientists)這一新興角色的啟發,公民資料科學家這一術語首先由 Gartner 使用。 公民資料科學家是高階使用者,他們能夠同時執行簡單和適度複雜的分析任務,這些任務以前需要更多的專業知識。 經驗豐富的資料科學家通常很難找到,而且僱傭成本昂貴,但是公民資料科學家可以成為一種有效的方式來減少這種差距,並解決商業環境中的資料相關挑戰。

Pycaret 非常簡單,易於使用和部署。 所有在機器學習實驗中執行的步驟都可以通過一個管道來重現,這個管道在你通過實驗的過程中會自動開發和協調。 管道可以以二進位制檔案格式儲存,並且可以跨環境傳輸。

雲端和網路管理

GoReplay – 一個開源工具,用於在測試環境中捕獲和重放即時 HTTP 流量,以便用實際資料持續測試你的系統。 它可以用來增加對程式碼部署、配置更改和基礎結構更改的信心

隨著應用程式的成長,測試它所需的工作量也會呈指數增長。 Goreplay 提供了一個簡單的想法,即重用現有的流量進行測試,這使它非常強大。 我們最先進的技術允許你在不影響應用程式流量的情況下分析和記錄應用程式流量。 這消除了將第三方元件置於關鍵路徑中所帶來的風險。

Goreplay 增加了你對程式碼部署、配置和基礎設施更改的信心。

GoReplay 提供了獨特的 shadowing 方法。 代替代理( proxy ),GoReplay 在後台監聽網路介面上的流量,不需要對營運基礎設施進行任何更改,而是在與服務相同的機器上執行 GoReplay 守護程式 ( Daemon )。


Sentry – 跨平台的應用程式監控,重點是錯誤報告

這是一個 SaaS 服務,也有免費的開發者版本

Sentry 是一個幫助你即時監視和修復崩潰的服務。 伺服器使用 Python,但是它包含一個完整的 API,用於從任何語言、任何應用程式中傳送事件。

喜歡今天小編整理的開源報報嗎?歡迎給小編意見與回饋

Comments are closed.

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: