首页 体育 教育 财经 社会 娱乐 军事 国内 科技 互联网 房产 国际 女人 汽车 游戏

最新 2019 年最佳开源软件榜单

2020-01-15

InfoWorld 发布了 2019 年最佳开源软件榜单。

InfoWorld 是致力于引领 IT 决策者走在科技前沿的世界科技媒体品牌,每年 InfoWorld 都会依据软件对开源界的奉献,以及在业界的影响力评选出当年的“ 最佳开源软件” ,该奖项评选现已连续了十多年。

本年 InfoWorld 仍是将目光会集在用于 软件开发 、 云核算 、 数据剖析 和 机器学习 的优异开源项目。 下边一同看看哪些项目当选了。

BPF Compiler Collection 是一个 Linux 动态盯梢东西。 无第三方模块依靠,该东西承继 BPF 这个强壮的内核中虚拟机的功用,可对程序进行高效而且安全的盯梢。

Wasmer 是一个 Go 库,用来履行 WebAssembly 二进制程序,它在 WebAssembly 服务器运转时范畴居于领先地位,其首要优势体现在挨近原生水平的履行速度。

LSP是言语服务器协议,由红帽、微柔和 Codenvy 联合推出,可以让不同的程序编辑器与集成开发环境方便地嵌入各种编程言语,答应开发人员在最喜爱的东西中运用各种言语来编写程序。

它经过用于开发东西和言语服务器间通讯的 JSON-RPC 标准,可以让编程东西供给实时反应的详细信息并以此完结多种强壮功用,比方符号查找、语法剖析、代码主动补全、移至界说、描绘概括与重构等。

Serverless 架构开发结构 Serverless Framework 运用 AWS Lambda、Azure Functions 与 Google CloudFunctions 等技术,可以构建 Serverless 架构的 Web、移动和 IoT 运用。

它不只答运用户自由选择不同的布置方针,而且能协助更快更轻松地对事情驱动型函数即服务运用进行测验、布置与办理。 在创立函数、界说端点并指定方针云环境之后,Serverless Framework 即可对代码、安全性要求、资源要素以及云布置 YAML 进行打包,然后顺利完结项目布置。

Istio 是一款强壮的东西,旨在供给一种统一化的微服务衔接、安全保证、办理与监控方法。 Istio 项目可以为微服务架构供给流量办理机制,一起亦为其它增值功用发明了根底。

该项目运用久经考验的 Lyft Envoy 署理进行构建,可在无需对运用程序代码作出任何发起的前提下完结可视性与操控才能。

Envoy 是开源的边际和服务署理,用于云原生运用,其开始是在 Lyft 构建的,它是为单一服务和运用程序规划的高功用 C++ 分布式署理,以及为大型微服务 Service Mesh 架构规划的通讯总线和通用数据平面。

作为 Kubernetes 的标准服务署理,Envoy 一直在快速开展。 在成为首个 CNCF 项目之后,Envoy 快速进入 Istio 与 AWS App Mesh 等 Service Mesh 的中心,并成为大部分 Kubernetes 设置中不可或缺的组成部分。

Kong 是一个可扩展、快速的微服务 API 网关,用于办理、保护与衔接混合及云原生架构。 Kong 运转于悉数服务之前,默许供给断路器、运转情况检查、OAuth、转化、缓存与地理位置仿制等功用,并可以经过插件完结各种扩展,例如身份验证、流量操控与可调查性等。

Kong 在 1.0 GA 的时分带来了 Service Mesh 才能,用户不只可以将 Kong 布置为 API 网关,还可以将其布置为独立的 Service Mesh 署理。 Kong 插件能为 Service Mesh 供给开箱即用的要害功用,并能与其它云原生技术集成,包含 Prometheus、Zipkin、健康检查、canary 测验与蓝绿测验等。

Pulumi 是一个架构即代码项目,可在任何云上运用开发者喜爱的言语创立、布置和办理根底架构。 不运用 YAML 而是经过运用惯例编程言语功用就可以主动装备和办理 AWS、Azure、Google Cloud Platform 与 Kubernetes 资源。

Sysdig 是一个超级体系东西,比 strace、tcpdump、lsof 加起来还强壮。 它可用来捕获体系情况信息,保存数据并进行过滤和剖析。 运用 Lua 开发,供给指令行接口以及强壮的交互界面。

Sysdig 供给了一组东西,不只可以用于了解依据容器的运用的实践功用,而且可以及时发现各类反常情况与安全要挟。

Kraken 是一个点对点Docker 容器库房,其旨在为大规模体系供给 Docker 镜像服务,处理跨区域支撑、功用瓶颈和混合云环境所面对的应战。

Kraken 大致依据 BitTorrent 协议,与 Docker registry API 兼容,并供给可装备的存储后端,比如 S3 和 HDFS 等。

Anaconda 是一个 Python/R 发行版,用于科学核算和信号处理等范畴,支撑 Linux、Mac 与 Windows,包含了很多盛行科学核算与数据剖析等 Python/R 包。

Anaconda 与其它发行版之间最大的差异在于 Anaconda Navigator与 Anaconda 的本地软件包办理器 Conda。

Kotlin 是依据 JVM 的新一代 Android 开发言语,它与 Java 100% 互通,并具有许多 Java 不支撑的特性,比较 Java 更安全与简练。

Julia 是一个新的高功用动态高档编程言语,语法与其它编程言语相似,易于其他言语用户学习。

Julia 具有丰厚的函数库,供给了数字精度、精美的增幅器和分布式并行运转方法。 中心函数库等大多数库是由 Julia 编写,但也用老练的 C 和 FORTRAN 库来处理线性代数、随机数发生和字符串处理等问题。 Julia 言语可界说函数而且依据用户自界说的参数类型组合再进行重载。

Hazelcast Jet 是一个分布式核算渠道,专为高功用流处理和快速批处理而构建。 它在内存数据网格中嵌入Hazelcast,以供给轻量级的处理器包和可扩展的内存存储。

Apache Airflow 是一个数据管道监控东西,任何工作流都可以在这个运用 Python 编写的渠道上运转。

Airflow 答应工作流开发人员轻松创立、保护和周期性地调度运转工作流的东西,包含数据存储、增加剖析、Email 发送与 A/B 测验等跨过多部分用例。

Airflow 可以与 Hive、Presto、MySQL、HDFS、Postgres 和 S3 交互,而且供给了钩子使得体系具有很好地扩展性。 此外它还供给了一个依据 Web 的用户界面,可以可视化地检查管道的依靠联系、监控进展与触发使命等。

GridGain 是一个网格核算结构,专心于供给平行核算才能,可以与 JBoss 和 Spring 相集成,它供给可弹性集群、本机仿制与杰出的备份和康复选项,十分合适安身分布式数据中心为数据密集型运用供给服务。 此外,GridGain 还支撑本地、云与混合布置方法。

Apache Druid 是一个专为事情数据的 OLAP 查询规划的数据存储体系,是一个用于大数据实时查询和剖析的高容错、高功用分布式体系,旨在快速处理大规模的数据,并可以完结快速查询和剖析。

Druid 具有超卓的可弹性性与快速的即时查询响应速度,它将流式吸取与 OLAP 风格的批量吸取以及查找技术结合在一同,可以轻松对实时及历史数据进行切片、切块与转化。

TensorFlow 是当时最强的机器学习与深度学习结构,它内建深度学习的扩展支撑,任何可以用核算流图形来表达的核算,都可以运用 TensorFlow,任何依据梯度的机器学习算法都可以获益于 TensorFlow 的主动分解。

TensorFlow 2.0 中还带来了 Eager Execution 形式,这是一种指令式接口,类比 PyTorch,开发者在调用其进行核算时可以直接直观地得到成果,这使得依据 TensorFlow 的开发愈加简单明了。

TensorWatch 是一个调试和可视化东西,专为 Microsoft Research 的数据科学、深度学习和强化学习而规划。 它适用于Jupyter Notebook,可显现机器学习练习的实时可视化,并为模型和数据履行其它要害剖析使命,此外,它还供给强壮的练习前与练习后功用,包含模型图可视化、降维数据探究、模型核算以及用于卷积网络的多种猜测解说器。

TensorWatch 旨在灵敏且可扩展,因而还可以构建自己的自界说可视化 UI 和仪表板。 除了传统的“所见即所得”方法外,它还具有针对实时 ML 练习流程履行恣意查询的共同功用。

PyTorch 是一个 Python 深度学习结构,供给强壮的 GPU 加快 Tensor 核算和构建依据 tape 的主动晋级体系上的深度神经网络。 开发者可以重用喜爱的 Python 包,如 numpy、scipy 和 Cython,在需求时扩展 PyTorch。

Transformers是用于 TensorFlow 2.0 和 PyTorch 的自然言语处理结构。

它供给了用于自然言语了解和自然言语生成的最先进的通用架构,包含 BERT、GPT-2、RoBERTa、XLM、DistilBert 与 XLNet 等,具有超越 100 种言语的 32 种以上经过预练习的模型,以及 TensorFlow 2.0 和 PyTorch 之间的深度互操作性。

Ludwig 是依据 TensorFlow 的深度学习东西箱,它答运用户在无需编写代码的情况下即可练习并测验深度学习模型。

Ludwig 的共同之处在于它可以协助非专家更简单地了解深度学习,并为经历丰厚的机器学习开发者和研讨人员供给更快的模型改善迭代周期。 经过运用 Ludwig,专家和研讨人员可以简化原型规划进程及数据处理,可以专心于开发深度学习架构。

RAPIDS 是一套数据科学结构,可以在不抛弃已有经历与技术的前提下完结机器学习加快。 RAPIDS 可以运用内存内处理方法在 GPU 上直接练习机器学习模型,而且比较其它 GPU 练习方法,它的速度高几个数量级。

RAPIDS 所运用的数据剖析东西与 Python 相关完结计划如 Pandas DataFrames 彻底等效,一起又有所不同,在某些情况下只需求改变脚本中的 import 句子即可完结兼容。

MLflow 是一个机器学习渠道,它为机器学习项目中的各个首要组成部分及阶段都预备了对应的东西。

MLflow Tracking供给了一组 API 和用户界面,用于在运转机器学习代码时记载和查询参数、代码版别、方针和输出文件,以便今后可视化它们。

MLflow Projects供给了打包可重用数据科学代码的标准格局。 MLflow Models供给了一种用多种格局打包机器学习模型的标准。

Kubeflow 是一个机器学习东西库,Kubeflow 项目旨在使 Kubernetes 上的机器学习变的轻松、快捷与可扩展,其方针不是重建其它服务,而是供给一种简洁的方法找到最好的 OSS 处理计划。

Kubeflow 处理了长期以来困扰各类安排的两个现实问题: 如何将机器学习研讨从开发环境搬运到出产环境; 如何将遥测技术从出产环境搬运回开发环境,以完结深度研讨。

Delta Lake 是一个存储层,为 Apache Spark 和大数据 workloads 供给 ACID 业务才能,其经过写和快照阻隔之间的达观并发操控,在写入数据期间供给一致性的读取,然后为构建在 HDFS 和云存储上的数据湖带来可靠性。

以上便是本次 InfoWorld Bossie Awards 项目,我们觉得怎么样呢?你用过哪几个呢,欢迎在谈论区留言!

前 Facebook 面试官:为什么 80% 的程序员进不了大厂?

热门文章

随机推荐

推荐文章