19 小时前 / kafeidou
2020 年 4 月 3 日，业界应用最为广泛的 Kubernetes 管理平台创建者 Rancher Labs（以下简称 Rancher）宣布推出全新开源项目 Fleet，致力于为用户提供海量 Kubernetes 集群的集中管理体验。 Rancher 是业界最早实现多云多集群管理的企业级 Kubernetes 管理平台。早在 2016 年的 Rancher 1.0 版本，Rancher 就已经提供了用于管理多个集群的中央控制平面。作为 Kubernetes 多集群管理的先驱，我们已经亲眼看到了用户如何不断增加所管理集群的数量。
2 天前 / MarvinZhang
前言开发产品永远都是既痛苦，又开心的事情。一方面因为不了解用户真实需求、害怕闭门造车、担心技术无法实现而痛苦；另一方面，却会因为取得小小成就、获得用户认可、不断帮助用户解决问题而开心，从而继续坚持下去。Crawlab[1] 就是这样让我既痛苦又开心的开源项目。它从去年 3 月份提交第一次 commit，到最近，已经在 Github 上积攒了 5k Star，成长为了最受欢迎的开源爬虫管理平台。其中，Crawlab 多次上榜到 Github Trending，不断被全球的开发者所认识了解；同时，也被码云 Gitee、开源中国所收录，让更多国内开发者所熟知。
7 天前 / 开发者头条
（给程序员的那些事加星标） 综合整理：程序员的那些事（id：iProgrammer） 参考：v2ex、GitHub IINA 是一个开源的 macOS 播放器，使用 Swift 语言实现，遵循 GPLv3 许可证。 这个开源项目在 GitHub 有着 2 万 3 千多 Star，并且口碑还挺不错。 也正是因为开源，IINA 采用的 GPLv3 许可证与 Mac App Store （MAS）协议有冲突，所以它一直没有在 MAS 上架。反倒是一直有剽窃品上架了。 4 月 1 日，IINA 的开发者公开发帖称，他的软件又被人全盘剽窃然并且 App Store 上架销售了，剽窃者甚至连原开发者的名字都没删掉。
13 天前 / 前端老王
背景 解决方案 原理 久经考验 生产应用举例 易用性好 多态协议 学习成本低 渐进式接入 业内对比 后期规划 理想主义 历经近 20 个月打磨，滴滴跨端方案 chameleon 终于开源了 https://github.com/didi/chameleon,真正专注于一套代码运行多端。 背景微信月活 10 亿月活（超过网民数量，用户多个账号？）、支付宝 4 亿月活、百度 3.3 亿月活；2018 Q3 中国 Android 手机占智能手机市场超过 80%；无论 BAT 还是 Android 快应用都是中国互联网用户的真正用户入口，作为小型互联网公司都希望能搭上小程序的风口，从而蹭一波流量。
14 天前 / CodeSheep
我为什么要写这篇近来，和不少初学 Spring 或 Spring Boot 的小伙伴私信交流了关于项目目录结构划分和代码分层的问题。 很多小伙伴表示网上下载下来的开源项目看不懂，项目结构和代码分层看得很蒙，不知道应该以一个什么样的思路去学习和吸收别人的项目。 好，今天熬夜肝了这篇文章，和大家一起来交流探讨一下，不足之处也请小伙伴们批评指正。 先看看阿里是怎么约定的我印象中，以前在看《阿里巴巴 Java 开发手册》时，好像有关于工程结构和应用分层相关的内容，于是我回翻了一下...
15 天前 / 源码笔记
1 前言 本文接上篇文章跟大家聊聊我们为什么要学习源码？学习源码对我们有用 吗？，那么本篇文章再继续跟小伙伴们聊聊源码这个话题。 在工作之余开始写 SpringBoot 源码分析专栏前，跟小伙伴们聊聊“分析开源项目源码，我们该如何入手分析？”这个话题，我们就随便扯皮，反正是跟小伙伴们一起学习交流，没必要太正式。 小伙伴们看完本文后，若有自己的源码阅读心得可以在下面进行评论或私聊我进行分享，让我从小伙伴们身上 GET 多点源码阅读的一些技巧，嘿嘿。
16 天前 / 开发者头条
更多 GitHub 开源项目 我是头条菌 我爱程序员，交个朋友吧！ 我的微信号：toutiaoio007 识别下方头条菌二维码申请进群，等你来撩哦～ 项目介绍 夜莺（Nightingale）是滴滴基础平台联合滴滴云研发和开源的企业级监控解决方案。旨在满足云原生时代企业级的监控需求。 Nightingale 在产品完成度、系统高可用、以及用户体验方面，达到了企业级的要求，可满足不同规模用户的场景，小到几台机器，大到数十万都可以完美支撑。兼顾云原生和裸金属，支持应用监控和系统监控，插件机制灵活，插件丰富完善，具有高度的灵活性和可扩展性。
22 天前 / 张涛
近日处理了一批照片，现在分享一下如何在 mac 平台进行图片批量处理。 0、安装 xCode 命令行工具，需要确定电脑上已经安装了 xCode，如果没有，自己去 AppStore 里面搜索就看到了。 打开终端，输入命令： xcode-select --install 如果看到如下提示，表示已经安装了 xcode-select: error: command line tools are already installed, use "Software Update" to install updates1、安装 brew： /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"2、使用 brew 安装 imagemagick brew install imagemagick...
28 天前 / 知了一笑
一、阿里微服务简介 1、基础描述 Alibaba-Cloud 致力于提供微服务开发的一站式解决方案。此项目包含开发分布式应用微服务的必需组件，方便开发者通过 SpringCloud 编程模型轻松使用这些组件来开发分布式应用服务。只需要添加一些注解和少量配置，就可以将 SpringCloud 应用接入阿里微服务解决方案，通过阿里中间件来迅速搭建分布式应用系统。 2、核心功能服务限流降级 默认支持 WebServlet、WebFlux, OpenFeign、RestTemplate、SpringCloudGateway,Zuul,Dubbo 和 RocketMQ 限流降级功能的接入，可以在运行时通过控制台实时修改限流降级规则...
28 天前 / 知了一笑
一、阿里微服务简介 1、基础描述 Alibaba-Cloud 致力于提供微服务开发的一站式解决方案。此项目包含开发分布式应用微服务的必需组件，方便开发者通过 SpringCloud 编程模型轻松使用这些组件来开发分布式应用服务。只需要添加一些注解和少量配置，就可以将 SpringCloud 应用接入阿里微服务解决方案，通过阿里中间件来迅速搭建分布式应用系统。 2、核心功能服务限流降级 默认支持 WebServlet、WebFlux, OpenFeign、RestTemplate、SpringCloudGateway,Zuul,Dubbo 和 RocketMQ 限流降级功能的接入，可以在运行时通过控制台实时修改限流降级规则...
30 天前 / 开发者头条
更多 GitHub 开源项目 项目介绍 Alibaba RSocket Broker 是一款基于 RSocket 协议的反应式程控消息交换系统，为通讯双方构建一个透明稳健的通讯桥梁。 反应式：编程模型、线程模型、异步化、无网络要求等 程控：程序控制，可定制，如扩展支持等 消息：面向消息通讯，路由、过滤、observability 都非常简单 交换系统：分布式、异构系统支持 更多 RSocket 架构方案，请访问http://rsocketbyexample.info GitHub 地址 如何获取项目地址？点击链接，打开后，「复制链接」即可。
33 天前 / 开发者头条
更多 GitHub 开源项目 项目介绍 Gitea 的首要目标是创建一个极易安装，运行非常快速，安装和使用体验良好的自建 Git 服务。 我们采用 Go 作为后端语言，这使我们只要生成一个可执行程序即可。并且他还支持跨平台，支持 Linux, macOS 和 Windows 以及各种架构，除了 x86，amd64，还包括 ARM 和 PowerPC。 如果您想试用一下，请访问在线 Demo！ GitHub 地址 如何获取项目地址？点击链接，打开后，「复制链接」即可。 https://github.com/go-gitea/gitea 更多精彩内容欢迎使用「开发者头条」App 或者「开发者热榜」小程序。
37 天前 / HelloGitHub
作者：HelloGitHub- 小鱼干 不知道各位前端 & 移动端同学拿到 UI 同学给你的动效图，心里是什么想法。小鱼干曾混迹某个国内技术论坛，里面的大佬们对动效有惊人的一致评论：砍死设计师系列，花里胡哨系列，有时间再做，一点都不实用…统一下，大部分的开发对动效的感觉是没啥卵用徒增工作量的 Task，不过也有部分开发小伙伴觉得 App / Web 大多数时候并不是都注重的是功能，功能都能实现的情况下，想要博得用户，UI（动效） 也很重要。
38 天前 / hyper0x
文 / Eric Malmi 和 Sebastian Krause，SE，Google Research 序列到序列 (seq2seq) 模型为机器翻译领域带来了巨大变革，并成为完成摘要生成、句子合并和语法纠错等多种文本生成任务的首选工具。近几年，由于从模型架构（例如 Transformer）和无监督预训练样本能力（大型无标注文本语料库）的改进，基于神经网络方法的文本生成质量得到了提升。 时至今日，使用 seq2seq 模型生成文本时对于某些用例依然存在多种重大缺陷，例如“幻象”（Hallucination，即模型的部分输出不存在与之对应的输入信息），并且需要大量训练数据才能达到出色性能。