Soft & Share 開源報報 041 - 大家都是如何設置自己的開發環境？

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（中午 12 點前會發佈在 Soft & Share 網站 ) ，讓你可以利用中午休息時間快速掌握目前開源專案的焦點。

學習資源

開發者的硬體、軟體配置集錦

https://github.com/wesbos/awesome-uses

這是知名的 Web 應用程式開發講師 Wes Bos 維護的網站 https://uses.tech ，讓開發者可以自由地分享自己的軟體開發環境 ( 硬體、軟體 ) 配置

這個網站是開放讓所有人進去分享，並可以宣傳自己的個人網站，只要將你的分享網頁使用 http://xxxxx/uses 這個路徑

工具

Astuto – 一個免費的，開源的，自我託管的客戶反饋工具

https://github.com/riggraz/astuto

Astuto 是一個免費的，開源的，自我託管的客戶回饋工具。它可以幫助你收集、管理和設定優先順序來自使用者的回饋。它的靈感來自 Canny.io

Digital – 數位邏輯設計和電路模擬

https://github.com/hneemann/Digital

這個軟體是使用 Java 開發，所以可以在有安裝 JRE 的作業系統上執行

當年在學校學邏輯電路設計有這種工具就太方便了

Web 應用程式開發

mithril.js – 一個用於建構精彩應用程式的 JavaScript 框架

https://github.com/MithrilJS/mithril.js

mithril 用於建構單網頁應用程式的現代客戶端 Javascript 框架。它很小(9.79 KB gzipped) ，速度快，提供路由和 XHR 實用工具。

mithril 被 Vimeo 和 Nike 這樣的公司以及 Lichess 這樣的開源平台使用

這個 js 框架強調的就是小跟快，適用於網頁載入速度要求很嚴謹的使用案例

chakra-ui – 給 React 應用程式使用的簡單，模組化和無障礙( Accessible )的使用者介面元件

https://github.com/chakra-ui/chakra-ui

適合 React 應用程式需要支援無障礙( Accessible )的使用者介面，如果你對無障礙設計有興趣，可以參考小編之前寫的摘要筆記

這個 github 專案 https://github.com/reakit/reakit 也是強調無障礙設計 ( 針對 React )

Reakit 嚴格遵循 WAI-ARIA 1.1 ( 這是 W3 組織對於無障礙網頁所提出的規格 ) 標準。所有元件都帶有適當的屬性和鍵盤互動功能。

網頁程式要導入無障礙設計是相當昂貴的成本，如果您是使用 React 前端開發框架，專案又有這方面的需求，使用 Reakit 無疑幫你省上不少的時間，Reakit 採用 MIT 授權

React 元件集錦

https://github.com/brillout/awesome-react-components

收集了許多不同功能的 React 元件，這個集錦專案的收集標準如下

真的解決真實的問題
獨一無二的、漂亮的、傑出的
最近有提交程式碼 ( 積極維護的 )

bottle.py 是適用於 python 網頁應用程式開發的快速，簡單的微框架

https://github.com/bottlepy/bottle

Bottle 是一個用於 Python 的快速、簡單和輕量級的 WSGI 微 web 框架。它以單一檔案模組發布，除了 Python 標準程式庫之外不需要其他相依套件。

strapi – 開源的 Node.js Headless 內容管理系統 ( CMS )，用來簡單地建立客製化的 APIs

https://github.com/strapi/strapi

strapi 是一款免費開源的 headless CMS，可以將你的內容傳送到任何你需要的地方。

這個 CMS 有以下的特色

保持對資料的控制。使用 Strapi，你知道你的資料儲存在哪裡，並隨時保持完全的控制
自我託管。你可以按照自己想要的方式管理和擴展 Strapi 專案。你可以選擇任何你想要的託管平台: AWS，Netlify，Heroku，VPS，或者專有伺服器。你可以隨著自己的成長而擴展，100% 的獨立
與資料庫無關。你可以選擇您喜歡的資料庫。使用 SQL 和 NoSQL 資料庫: MongoDB、 PostgreSQL、 MySQL、 MariaDB 和 SQLite
可客製化的。你可以通過完全自己定義 api、路由或外掛來快速建構你的邏輯，以完全滿足你的需求

資料科學

機器學習生命週期的開源平台

https://github.com/mlflow/mlflow

Mlflow 是一個簡化機器學習開發的平台，包括追蹤實驗、將程式碼打包到可重複的執行中、以及共享和部署模型。 Mlflow 提供了一套輕量級的 api，可以用於任何現有的機器學習應用程式或程式庫(TensorFlow、 PyTorch、 XGBoost 等) ，無論你目前在哪裡執行機器學習程式碼(例如在筆記型電腦、獨立應用程式或雲端)。目前有以下三種元件

MLflow Tracking：記錄參數、程式碼和機器學習實驗結果的 API，並使用互動式使用者介面進行比較
MLflow Projects：提供一種程式碼打包格式，這樣你就可以與其他人共享你的 ML 程式碼
MLflow Models：一個模型打包格式和工具，讓你可以輕鬆地部署相同的模型(從任何機器學習程式庫) 到批次和即時評分的平台，如 Docker，Apache Spark，Azure ML 和 AWS SageMaker

AutoGluon – 深度學習的 AutoML 工具箱

https://github.com/awslabs/autogluon

這是 AWS 實驗室維護的專案

Autogluon 自動化機器學習任務，使你能夠輕鬆地在應用程式中實現強大的預測效能。只需幾行程式碼，就可以對影像、文字和表格資料進行培訓並部署高精度的深度學習模型。

Milvus – 世界上最快的向量搜尋引擎

https://github.com/milvus-io/milvus

Milvus 是世界上最快的大規模特徵向量( feature vectors )最近鄰搜尋引擎( similarity search engine )。為了達到最佳的成本效率，採用了異構運算架構( heterogeneous computing architecture )。在運算資源最少的情況下，超過十億級向量的搜尋只需要幾毫秒。

這個專案使用 C++ 開發，有支援 Python ，Java，C++ SDKs 。

雲端和網路管理

Micronetes 是一個受 kubernetes 啟發的本地端編排器，它使微服務和分散式應用程式的開發和測試更加容易

https://github.com/davidfowl/Micronetes

為何使用這個解決方案

開發人員最關心的是他們編寫的專案和程式碼
現在很難在本地端執行多個應用程式(複製或不同的應用程式)並設定它們以便它們能夠通訊
- 甚至很難實驗當需要多個專案 / 應用程式使用不同應用程式架構
讓一個 docker 檔案與專案 / 解決方案保持同步是痛苦的
對於開發人員內部開發循環來說，在每次更改上建構一個 docker 映像檔太慢了
在開發時，你只需要執行少量的應用程式和相依套件
這應該是在類似於 kubernetes 的東西中執行的入口，因為基本的原始功能應該非常相似(服務、副本、入口(TBD))

程式設計語言

Unison – 一種來自未來使用者友好的程式語言

https://github.com/unisonweb/unison

Unison 是一種新的程式語言，目前正在積極開發中。它是一種現代的、靜態型別的純函式式語言，類似於 Haskell，但具有用單個程式描述整個分散式系統的獨特能力。

-- comments start with `--`
-- alice : Node, bob : Node

x = factorial 6
Remote.transfer alice
y = foo x -- happens on `alice` node
Remote.transfer bob
bar x y -- happens on `bob` node

Remote.transfer 這個 function 宣告具有 "remote effect"，運算可以在多個 Unison 節點上執行

如果你想了解更多關於這個專案的資訊，關於如何用15行程式碼編寫一個搜尋引擎的演講，裡面有更多關於這門程式語言的介紹。

喜歡今天小編整理的開源報報嗎？歡迎給小編意見與回饋