搜索[作者要求]结果-低调大师优秀个人博客

精选列表

搜索[作者要求]，共10008篇文章

AWK 加入 Unicode 支持，由 80 岁的原作者贡献

其名字来自于三名原作者 Alfred Aho、Peter Weinberger 和 Brian Kernighan 姓的首字母缩写。

2022-08-27

因阴阳怪气言论，AppImage 作者被 OBS 项目组封杀

早在 2020 年，AppImage 的作者 probonopd 和开发者 azubieta 就一直想把 AppImage 引入 OBS 项目：在引入了基本构建后， OBS 项目管理员为该项目分配了一些测试人员

2022-05-25

5.4 万 Star 全部归零，项目作者：十分后悔

HTTPie 项目的作者于 2012 年在 GitHub 上进行了第一次提交，至今已走过 10 年时间。

2022-04-16

2020 图灵奖得主：“龙书” 作者 Alfred Aho 和 Jeffrey Ullman

此书除了融入了作者自己对算法的研究贡献外，还探讨了如何用随机存取存储器 (RAM) 作为基本模型，分析递归关系算法的时间和空间复杂性。RAM 模型还将不同的单个算法编成了通用的设计方法。

2021-04-01

移动软件开发广告变现详解，专访开源项目 OpenMediation 作者

开发者将软件作品变现的方式有很多，接入广告就是其中之一。在大数据时代，移动应用广告也迎来了新一轮的技术变革，同时催生了一种名为 Mediation 广告聚合平台的全新商业模式。在云计算技术的加持下，现代 Mediation 平台能够完成千亿级的实时数据交互，为开发者和广告主在全球范围内匹配相应资源，随时创造着庞大的商业价值。近日，由国内团队研发的基于 AWS 的移动广告聚合平台 OpenMediation 正式开源，引起了我们的关注。与国外类似平台（如 Google 的 Admob、Twitter 的 Mopub 等）只开源部分 SDK 不同，OpenMediation 项目开源了整个广告聚合平台系统包括从前端到服务端的所有核心组件。为进一步了解 OpenMediation 开源的情况，以及云计算时代下移动广告聚合行业发展的现状，我们与 OpenMediation 研发团队负责人、AdTiming 公司 CTO 张文涛先生，AdTiming 公司 CIO 黎为民先生进行了深入交流。什么是 Mediation？ Mediation 在国内叫做广告聚合平台，实际的意义也比较简单，就是开发者的 app 有流量，想通过广告变现的时候，就可以通过这样一个平台来实现。一般来说，开发者在寻找广告投放机会的时候，不光是会对接到一家广告平台，而是会对接到多家广告平台。“具体来说，比如开发者在寻找某一次投放的机会的时候，是选择哪一家广告平台的广告，选择什么类型的广告；另一方面，广告主又是选择什么样的 app 来投放自己的广告……这后面是有着庞大的数据驱动双方做出选择的，所以我们叫聚合。”黎为民介绍说，“这些选择都是在毫秒级的单位里面发生的。所以如何做好所谓的聚合，就是让开发者的每一次广告投放机会都能得到填充、广告主投放的广告都能得到展现，保证开发者和广告主两端的收益都最大化，这就是我们这个行业需要不断地努力提高的地方。” 以 AdTiming 公司自营的 Mediation 平台为例，目前该平台已经对接的渠道伙伴有 30 多家，业务覆盖 200 多个国家和地区，服务广告主和开发者超过两千个。在广告主一端，平台提供用户增长服务。在开发者一端，平台则提供广告变现的服务。涉及的行业包括游戏、电商、社交、工具等各软件领域。 “我们最初是希望通过 AdTiming 帮助中国游戏在出海的过程中减轻一些难度。”张文涛表示，在全球化的当下，国内企业出海已经是一种浪潮。但国内很多中小企业，特别是一些优秀的国产原创游戏开发商，由于没有这方面的经验，想要顺利出海（推广）还比较困难。这就是 AdTiming 在国内创建 Mediation 平台的初衷。 AWS 架构带来的改变据黎为民介绍，现在 AdTiming 平台每天要处理超过 100 亿次的广告交互请求，要处理如此庞大的数据量，云计算的相关技术是不可或缺的。在使用 AWS 之前，AdTiming 采用的是自建的 IDC 机房托管，和部分云服务商的 IaaS 托管。“因为我们的业务覆盖国内和海外，所以之前我们也有零星地使用一些云服务提供商的部分产品和技术，都是比较边缘的产品和技术。但我们最核心的部分—— 大数据的分析平台，还是在我们自己的机房里用自己搭建的服务器集群来实现的。” 然而随着业务量的提升以及业务重心向海外转移，AdTiming 在 2019 年 7 月，历时一个月的时间将全平台迁移到了 AWS 云上，包括系统架构和设计等都基于 AWS 进行了重构。“我们整个平台如今是构建在 AWS 架构上的，包括 AWS 的 Amazon S3、Amazon Athena、Amazon RDS 的数据库、Amazon Aurora 等等，这些都结合到我们的系统里面了。”张文涛介绍说，“当然，我们也用了它很多全球化的工具，包括 CDN、R53 等，就是做智能的 DNS 分发这一块，还有它的 ELB，就是一些负载均衡的，还有 DDOS 这些安全方面的架构，包括 WAF，我们也是都在用。基本囊括了 AWS 的基础架构、虚拟机、服务器、安全、 PaaS 层的全套应用。” （AdTiming 基于 AWS 的架构图）在平台迁移的过程中，作为项目的技术主管，张文涛谈到了几个让他印象深刻的点。“首先第一点，从整个项目开始到结束，我们和 AWS 的技术团队的沟通、合作是比较紧密的。我们最早的 POC 包括项目前期的测试，从架构设计到 POC，然后再到整个迁移计划的制定和实施，都是我们和 AWS 团队，同时还有 AWS 的 Partner 团队一起来合作，最后形成了一个最佳的、最合理的实践，提前完成了迁移的任务。如果没有这样的紧密合作的话，我们很难在这么短的时间内完成大量的迁移。” 第二点，在技术方面来说，AWS 是全球最有影响力的开源社区贡献者之一，其对开源技术的兼容支持非常出色。“我们的系统中也使用了很多开源项目，包括 Redis、Kafka、Hadoop 等等，还有一些比较小众的开源产品，比如我们有用到一个数据分析工具 Druid。在转移之前我们专门做了很多相关测试，结果这些开源产品在 AWS 上都运行得很好。” 使用 AWS 云后，AdTiming 系统的综合成本下降了 20%，大幅度提高了系统的整体性能，缩短了与广告系统对接的延迟时间，并通过直接调用 AWS 的 API 和 CLI，简化了运维流程。另外，得益于 AWS 的 AmazonCloudFront 和 NLB 网络负载均衡器，极大程度缓解了常见的 DDOS 网络攻击问题，平台的安全性也得到了很大提升。2020 年 4 月，基于 AWS 构建的 AdTiming Mediation 系统在性能、运维、安全等各方面都非常成熟的情况下，选择了将平台所有核心组件全部开源，并把开源项目命名为 OpenMediation 。为什么选择开源？开源的商业模式一直以来都是我们热衷探讨的话题。通常来说，我们会认为开源与传统软件行业的盈利模式、商业模式是相悖的，而 AdTiming 却选择把整个项目的框架、包括项目的核心组件全部开源，这是处于一个什么样的考量呢？张文涛从客户和 AdTiming 自身两个角度谈到了自己对项目开源的理解。对于开发者也就是 AdTiming 的客户来说，并不是所有的客户都满足于使用他们提供的 SPaaS 服务，一些顶级的企业级开发者或者大的软件发行商，未来一定是会需要来自建一套私有的 Mediation 聚合平台的，这个在国内外已经有很多先例了。一方面是这些大客户有足够的人才和资金，有充足的资本对平台系统提出更高的个性化需求；另一方面，这些大客户也希望把 Mediation 平台和自己内部的 BI 系统进一步融合，这样一来就能保证自己的数据不被泄露出去，因为数据在这个行业里面是非常重要的资源。举例来说，现在行业里面，国外很多大的广告平台（例如 Google），他们已经开始慢慢孵化一些游戏发行的业务。这就意味着对于那些使用Google 广告平台的游戏开发商来说，他们所用的平台正慢慢变成自己的竞争对手。而潜在的竞争对手拿到他们的数据，这对那些游戏开发商来说是一件非常危险的事情。这些数据对于软件开发商来说有多宝贵呢？我们知道，广告的投放效率和变现效果很大一部分是依赖于用户的画像。而通过开发商或运营商内部的 BI 系统，可以知道用户每天使用这些软件或者玩这些游戏的时间是多少，有没有在应用上购买，消费的偏好等等，这些行为都能做出丰富的用户画像。因此，如果把 BI 平台和 Mediation 平台融合在一起，就能使广告投放更加精准，变现效果更好。当然，开发商或运营商是绝对不希望这些数据泄露给第三方 Mediation 平台的，所以对于这部分客户来说，自建 Mediation 平台是未来的趋势。 “既然这部分客户出于自身业务发展的考虑更倾向于通过自建变现平台和团队来实现商业化，那我们不如就把系统开源给他们，通过开源项目让他们加入进来一起构建更好的商业变现平台”张文涛表示，“或许我们分享出来，大家可以更积极的参与进来做更多的事情。也希望更多的伙伴贡献自己的力量，丰富这个生态体系，同时也算是我们为整个中国的软件出海做了一点贡献。” 对于 AdTiming 自身来说，将项目开源也能得到开源模式带来的技术红利。“大家都会来社区贡献自己的力量，提供很多反馈，也可以帮助我们一起把产品打磨得越来越好、越来越全面。”这就是张文涛和他的团队选择将 OpenMediation 开源的原因。 OpenMediation 社区现状距离 OpenMediation 开源仅一个月的时间，谈到目前开源社区的情况，黎为民向我们介绍：“我们的开源项目是最近才发布的，社区还算踊跃。从开源发布第一天开始，就陆续有很多中小、包括中大型的企业级开发者对我们的项目进行了试用，也给了我们一些反馈。目前我们知道的已经有数家公司，包括游戏开发发行商、广告行业的企业，正在使用我们的 OpenMediation 平台。其中还有一些开发者已经使用我们的平台完成了部署，并且在自己即将上线的游戏里集成了我们的 SDK ，这是目前的一些情况。” 还有一些开发者在使用过程中碰到了问题，或者是有一些个性化的需求，也都在 OpenMediation 社区里进行了良好的反馈。“比如有一个上海的开发者，在对接广告平台的过程中，发现有些国内的广告平台还没有提供和我们的客户端对接所需的 AdTech 适配器，开发者就自己做好了这些适配器提交到社区里，希望回馈给整个项目。我们看了觉得非常好，就把这些提交放到仓库里，给其他未来的开发者使用。” “总的来说，活跃度还是很好，但是开源社区建设是一个长期的过程，我们也是第一次做这个事，也不是特别有经验，所以也希望大家给我们多提意见和建议。” OpenMediation 详细介绍：点击查看 OpenMediation 下载地址：点击下载

2020-05-27

Flask 作者 Armin Ronacher：我不觉得有异步压力

英文 | I'm not feeling the async pressure【1】原作 | Armin Ronacher，2020.01.01 译者 | 豌豆花下猫@Python猫声明：本翻译基于CC BY-NC-SA 4.0【2】授权协议，内容略有改动，转载请保留原文出处，请勿用于商业或非法用途。异步（async）正风靡一时。异步Python、异步Rust、go、node、.NET，任选一个你最爱的语言生态，它都在使用着一些异步。异步这东西有多好，这在很大程度上取决于语言的生态及其运行时间，但总体而言，它有一些不错的好处。它使得这种事情变得非常简单：等待可能需要一些时间才能完成的操作。它是如此简单，以至于创造了无数新的方法来坑人（blow ones foot off）。我想讨论的一种情况是，直到系统出现超载，你才意识到自己踩到了脚的那一种，这就是背压（back pressure）管理的主题。在协议设计中有一个相关术语是流量控制（flow control）。什么是背压关于背压的解释有很多，我推荐阅读的一个很好的解释是：Backpressure explained — the resisted flow of data through software【3】。因此，与其详细介绍什么是背压，我只想对其做一个非常简短的定义和解释：背压是阻碍数据在系统中流通的阻力。背压听起来很负面——谁都会想象浴缸因管道堵塞而溢出——但这是为了节省你的时间。（译注：back pressure，除了背压，还有人译为“回压”、“反压”）在这里，我们要处理的东西在所有情况下或多或少都是相同的：我们有一个系统将不同组件组合成一个管道，而该管道需要接收一定数量的传入消息。你可以想象这就像在机场模拟行李运送一样。行李到达，经过分类，装入飞机，最后卸下。在这过程中，一件行李要跟其它行李一起，被扔进集装箱进行运输。当一个集装箱装满后，需要将其运走。当没有剩余的集装箱时，这就是背压的自然示例。现在，放行李者不能放了，因为没有集装箱。此时必须做出决定。一种选择是等待：这通常被称为排队（queueing ）或缓冲（buffering）。另一种选择是扔掉一些行李，直到有一个集装箱到达为止——这被称为丢弃（dropping）。这听起来很糟糕，但是稍后我们将探讨为什么有时很重要。但是，这里还有另一件事。想象一下，负责将行李放入集装箱的人在较长的时间内（例如一周）都没等到集装箱。最终，如果他们没有丢弃行李，那么他们周围将有数量庞大的行李。最终，他们被迫要整理的行李数量太多，用光了存储行李的物理空间。到那时，他们最好是告诉机场，在解决好集装箱问题之前，不能再接收新的行李了。这通常被称为流量控制【4】，是一个至关重要的网络概念。通常这些处理管道在每段时间内只能容纳一定数量的消息（如本例中的行李箱）。如果数量超过了它，或者更糟糕的是管道停滞，则可能发生可怕的事情。现实世界中的一个例子是伦敦希思罗机场 5 号航站楼开放，由于其 IT 基础架构无法正常运行，在 10 天内未能完成运送 42,000 件行李。他们不得不取消 500 多个航班，并且有一段时间，航空公司决定只允许随身携带行李。背压很重要我们从希思罗灾难中学到的是，能够交流背压至关重要。在现实生活中以及在计算中，时间总是有限的。最终人们会放弃等待某些事情。特别是即使某些事物在内部可以永远等待，但在外部却不能。举一个现实的例子：如果你的行李需通过伦敦希思罗机场到达目的地巴黎，但是你只能在那呆 7 天，那么如果行李延迟成 10 天到达，这就毫无意义了。实际上，你希望将行李重新路由（re-routed）回你的家乡机场。实际上，承认失败（你超负载了）比假装可运作并持续保持缓冲状态要好，因为到了某个时候，它只会令情况变得更糟。那么，为什么在我们编写了多年的基于线程的软件时，背压都没有被提出，现在却突然成为讨论的话题呢？有诸多因素的结合，其中一些因素很容易使人陷入困境。糟糕的默认方式为了理解为什么背压在异步代码中很重要，我想为你提供一段看似简单的 Python asyncio 代码，它展示了一些我们不慎忘记了背压的情况： from asyncio import start_server, run async def on_client_connected(reader, writer): while True: data = await reader.readline() if not data: break writer.write(data) async def server(): srv = await start_server(on_client_connected, '127.0.0.1', 8888) async with srv: await srv.serve_forever() run(server()) 如果你刚接触 async/await 概念，请想象一下在调用 await 的时候，函数会挂起，直到表达式解析完毕。在这里，Python 的 asyncio 库提供的 start_server 函数会运行一个隐藏的 accept 循环。它侦听套接字，并为每个连接的套接字生成一个独立的任务运行着 on_client_connected 函数。现在，这看起来非常简单明了。你可以删除所有的 await 和 async 关键字，最终的代码看起来与使用线程方式编写的代码非常相似。但是，它隐藏了一个非常关键的问题，这是我们所有问题的根源：在某些函数调用的前面没有 await。在线程代码中，任何函数都可以 yield。在异步代码中，只有异步函数可以。在本例中，这意味着 writer.write 方法无法阻塞。那么它是如何工作的呢？它将尝试将数据直接写入到操作系统的无阻塞套接字缓冲区中。但是，如果缓冲区已满并且套接字会阻塞，会发生什么？在用线程的情况下，我们可以在此处将其阻塞，这很理想，因为这意味着我们正在施加一些背压。然而，因为这里没有线程，所以我们不能这样做。因此，我们只能在此处进行缓冲或者删除数据。因为删除数据是非常糟糕的，所以 Python 选择了缓冲。现在，如果有人向其中发送了很多数据却没有读取，会发生什么？好了在那种情况下，缓冲区会增大，增大，再增大。这个 API 缺陷就是为什么 Python 的文档中说，不要只是单独使用 write，还要接着写 drain（译注：消耗、排水）： writer.write(data) await writer.drain() drain 会排出缓冲区上多余的东西。它不会排空整个缓冲区，只会做到令事情不致失控的程度。那么为什么 write 不做隐式 drain 呢？好吧，这会是一个大规模的 API 监控，我不确定该如何做到。这里非常重要的是大多数套接字都基于 TCP，而 TCP 具有内置的流量控制。writer 只会按照 reader 可接受的速度写入（给予或占用一些缓冲空间）。这对开发者完全是隐藏的，因为甚至 BSD 套接字库都没有公开这种隐式的流量控制操作。那我们在这里解决背压问题了吗？好吧，让我们看一看在线程世界中会是怎样。在线程世界中，我们的代码很可能会运行固定数量的线程，而 accept 循环会一直等待，直到线程变得可用再接管请求。然而，在我们的异步示例中，有无数的连接要处理。这就意味着我们可能收到大量连接，即使这意味着系统可能会过载。在这个非常简单的示例中，可能不成问题，但请想象一下，如果我们做的是数据库访问，会发生什么。想象一个数据库连接池，它最多提供 50 个连接。当大多数连接会在连接池处阻塞时，接受 10000 个连接又有什么用？等待与等待着等待好啦，终于回到了我最初想讨论的地方。在大多数异步系统中，特别是我在 Python 中遇到的大多数情况中，即使你修复了所有套接字层的缓冲行为，也最终会陷入一个将一堆异步函数链接在一起，而不考虑背压的世界。如果我们以数据库连接池为例，假设只有 50 个可用连接。这意味着我们的代码最多可以有 50 个并发的数据库会话。假设我们希望处理 4 倍多的请求，因为我们期望应用程序执行的许多操作是独立于数据库的。一种解决方法是制作一个带有 200 个令牌的信号量（semaphore），并在开始时获取一个。如果我们用完了令牌，就需等待信号量发放令牌。但是等一下。现在我们又变成了排队！我们只是在更前面排。如果令系统严重超负荷，那么我们会从一开始就一直在排队。因此，现在每个人都将等待他们愿意等待的最大时间，然后放弃。更糟糕的是：服务器可能仍会花一段时间处理这些请求，直到它意识到客户端已消失，而且不再对响应感兴趣。因此，与其一直等待下去，我们更希望立即获得反馈。想象你在一个邮局，并且正在从机器上取票，票上会说什么时候轮到你。这张票很好地表明了你需要等待多长时间。如果等待时间太长，你会决定弃票走人，以后再来。请注意，你在邮局里的排队等待时间，与实际处理你的请求的时间无关（例如，因为有人需要提取包裹，检查文件并采集签名）。因此，这是天真的版本，我们只知道自己在等待： from asyncio.sync import Semaphore semaphore = Semaphore(200) async def handle_request(request): await semaphore.acquire() try: return generate_response(request) finally: semaphore.release() 对于 handle_request 异步函数的调用者，我们只能看到我们正在等待并且什么都没有发生。我们看不到是因为过载而在等待，还是因为生成响应需花费很长时间而在等待。基本上，我们一直在这里缓冲，直到服务器最终耗尽内存并崩溃。这是因为我们没有关于背压的沟通渠道。那么我们将如何解决呢？一种选择是添加一个中间层。现在不幸的是，这里的 asyncio 信号量没有用，因为它只会让我们等待。但是假设我们可以询问信号量还剩下多少个令牌，那么我们可以执行类似这样的操作： from hypothetical_asyncio.sync import Semaphore, Service semaphore = Semaphore(200) class RequestHandlerService(Service): async def handle(self, request): await semaphore.acquire() try: return generate_response(request) finally: semaphore.release() @property def is_ready(self): return semaphore.tokens_available() 现在，我们对系统做了一些更改。现在，我们有一个 RequestHandlerService，其中包含了更多信息。特别是它具有了准备就绪的概念。该服务可以被询问是否准备就绪。该操作在本质上是无阻塞的，并且是最佳估量。现在，调用者会将这个： response = await handle_request(request) 变成这个： request_handler = RequestHandlerService() if not request_handler.is_ready: response = Response(status_code=503) else: response = await request_handler.handle(request) 有多种方法可以完成，但是思想是一样的。在我们真正着手做某件事之前，我们有一种方法来弄清楚成功的可能性，如果我们超负荷了，我们将向上沟通。现在，我没有想到如何给这种服务下定义。其设计来自 Rust 的tower【5】和 Rust 的actix-service【6】。两者对服务特征的定义都跟它非常相似。现在，由于它是如此的 racy，因此仍有可能堆积信号量。现在，你可以冒这种风险，或者还是在 handle 被调用时就抛出失败。一个比 asyncio 更好地解决此问题的库是 trio，它会在信号量上暴露内部计数器，并提供一个 CapacityLimiter，它是对容量限制做了优化的信号量，可以防止一些常见的陷阱。数据流和协议现在，上面的示例为我们解决了 RPC 样式的情况。对于每次调用，如果系统过载了，我们会尽早得知。许多协议都有非常直接的方式来传达“服务器正在加载”的信息。例如，在 HTTP 中，你可以发出 503，并在 header 中携带一个 retry-after 字段，它会告知客户端何时可以重试。在下次重试时会添加一个重新评估的自然点，判断是否要使用相同的请求重试，或者更改某些内容。例如，如果你无法在 15 秒内重试，那么最好向用户显示这种无能，而不是显示一个无休止的加载图标。但是，请求/响应（request/response）式的协议并不是唯一的协议。许多协议都打开了持久连接，让你传输大量的数据。在传统上，这些协议中有很多是基于 TCP 的，如前所述，它具有内置的流量控制。但是，此流量控制并没有真正通过套接字库公开，这就是为什么高级协议通常需要向其添加自己的流量控制的原因。例如，在 HTTP2 中，就存在一个自定义流量控制协议，因为 HTTP2 在单个 TCP 连接上，多路复用多个独立的数据流（streams）。因为 TCP 在后台对流量控制进行静默式管理，这可能会使开发人员陷入一条危险的道路，他们只知从套接字中读取字节，并误以为这是所有该知道的信息。但是，TCP API 具有误导性，因为从 API 角度来看，流量控制对用户完全是隐藏的。当你设计自己的基于数据流的协议时，你需要绝对确保存在双向通信通道，即发送方不仅要发送，还要读取，以查看是否允许它们继续发。对于数据流，关注点通常是不同的。许多数据流只是字节或数据帧的流，你不能仅在它们之间丢弃数据包。更糟糕的是：发送方通常不容易察觉到它们是否应该放慢速度。在 HTTP2 中，你需要在用户级别上不断交错地读写。你必然要在那里处理流量控制。当你在写并且被允许写入时，服务器将向你发送 WINDOW_UPDATE 帧。这意味着数据流代码变得更为复杂，因为你首先需要编写一个可以对传入流量作控制的框架。例如，hyper-h2【7】Python 库具有令人惊讶的复杂的文件上传服务器示例，【8】该示例基于 curio 的流量控制，但是还未完成。新步枪 async/await 很棒，但是它所鼓励编写的内容在过载时会导致灾难。一方面是因为它如此容易就排队，但同时因为在使函数变异步后，会造成 API 损坏。我只能假设这就是为什么 Python 在数据流 writer 上仍然使用不可等待的 write 函数。不过，最大的原因是 async/await 使你可以编写许多人最初无法用线程编写的代码。我认为这是一件好事，因为它降低了实际编写大型系统的障碍。其缺点是，这也意味着许多以前对分布式系统缺乏经验的开发人员现在即使只编写一个程序，也遇到了分布式系统的许多问题。由于多路复用的性质，HTTP2 是一种非常复杂的协议，唯一合理的实现方法是基于 async/await 的例子。遇到这些问题的不仅是 async/await 代码。例如，Dask【9】是数据科学程序员使用的 Python 并行库，尽管没有使用 async/await，但由于缺乏背压，【10】仍有一些 bug 报告提示系统内存不足。但是这些问题是相当根本的。然而，背压的缺失是一种具有火箭筒大小的步枪。如果你太晚意识到自己构建了个怪物，那么在不对代码库进行重大更改的情况下，几乎不可能修复它，因为你可能忘了在某些本应使用异步的函数上使用异步。其它的编程环境对此也无济于事。人们在所有编程环境中都遇到了同样的问题，包括最新版本的 go 和 Rust。即使在长期开源的非常受欢迎的项目中，找到有关“处理流程控制”或“处理背压”的开放问题（open issue）也并非罕见，因为事实证明，事后添加这一点确实很困难。例如，go 从 2014 年起就存在一个开放问题，关于给所有文件系统IO添加信号量，【11】因为它可能会使主机超载。aiohttp 有一个问题可追溯到2016年，【12】关于客户端由于背压不足而导致破坏服务器。还有很多很多的例子。如果你查看 Python 的 hyper-h2文档，将会看到大量令人震惊的示例，其中包含类似“不处理流量控制”、“它不遵守 HTTP/2 流量控制，这是一个缺陷，但在其它方面是没问题的“，等等。在流量控制一出现的时候，我就认为它非常复杂。很容易假装这不是个问题，这就是为什么我们会处于这种混乱状态的根本原因。流量控制还会增加大量开销，并且在基准测试中效果不佳。那么，对于你们这些异步库开发人员，这里给你们一个新年的解决方案：在文档和 API 中，赋予背压和流量控制其应得的重视。相关链接 [1]I'm not feeling the async pressure:https://lucumr.pocoo.org/2020/1/1/async-pressure/ [2]CC BY-NC-SA 4.0:https://creativecommons.org/licenses/by-nc-sa/4.0/ [3]Backpressure explained — the resisted flow of data through software:https://medium.com/@jayphelps/backpressure-explained-the-flow-of-data-through-software-2350b3e77ce7 [4]流量控制:https://en.wikipedia.org/wiki/Flow_control_(data) [5]tower:https://github.com/tower-rs/tower [6]actix-service:https://docs.rs/actix-service/ [7]hyper-h2:https://github.com/python-hyper/hyper-h2 [8]文件上传服务器示例:https://python-hyper.org/projects/h2/en/stable/curio-example.html [9]Dask:https://dask.org/ [10]背压:https://github.com/dask/distributed/issues/2602 [11]关于给所有文件系统IO添加信号量:https://github.com/golang/go/issues/7903 [12]有一个问题可追溯到2016年，:https://github.com/aio-libs/aiohttp/issues/1368 公众号【Python猫】，本号连载优质的系列文章，有喵星哲学猫系列、Python进阶系列、好书推荐系列、技术写作、优质英文推荐与翻译等等，欢迎关注哦。

2020-01-11

Vim 作者创建分支 Vim9 以改进 Vim 的性能

Vim 编辑器的创建者 Bram Moolenaar 最初开发了Vim 以作为Vi 编辑器的“增强版”，而现在，他希望通过一个名为 Vim9 的实验性分支对 Vim 本身进行改进。 Bram Moolenaar 表示，Vim9 是 Vim 的一个实验性分支，旨在探索使 Vim 脚本更好且更快执行的方式。这也是除“弹出窗口（Popup Windows）”和“文本属性（Text Properties）”之外，开发者呼声最大的功能需求。为了能更快执行 Vim 脚本，Bram 思考了很多并得出如下结论：当前调用和执行函数的方式（带有用于参数和局部变量的字典）永远不会很快。如果能够使速度快两倍，那么 Vim 的性能将会有明显的改进。毕竟调用和执行每一行函数的开销十分高。 Bram 认为只有通过一种与旧方法类似但属性不一样的新方法来定义函数才能使速度变快：参数只能通过名称（name）使用，而不能通过 a: dictionary 或 a:000 列表的形式使用局部变量在l: dictionary 中不可用解决一些影响速度的问题，例如异常处理细节对于上面的思路，Bram 提供了概念验证代码。到目前为止，对于一个简单的运行循环的 Vim 脚本，Vim 需要五秒钟的时间，Vim9 则可以在 0.07 秒内运行它，与 Lua 脚本的时间相同，并且比 Python 更快。 let sum = 0 for i in range(1, 2999999) let sum += i endfor how time in sec Vim old 5.018541 Python 0.369598 Lua 0.078817 Vim new 0.073595 在更相关的代码片段中，Vim9 可以在 0.19 秒内运行脚本，而 Vim 的时间是 0.85 秒。 let totallen = 0 for i in range(1, 100000) call setline(i, ' ' .. getline(i)) let totallen += len(getline(i)) endfor how time in sec Vim old 0.853752 Python 0.304584 Lua 0.286573 Vim new 0.190276 关于 Vim9 的具体实现思路和细节请查看其 GitHub 仓库，这些工作经过验证有效后会被合并到 Vim 中。

2020-01-05

首个作者以 PR 方式成功认领的开源软件出现啦

上周我们上线了一个软件作者认证、邀请作者认证功能，简单来讲就是希望作者来认领已经被收录在OSCHINA 开源软件库中的项目。

2019-10-31

开源中国“2019 年度开源软件”评选启动，作者报名通道开启

奖品赞助同步寻求中，有意合作者可私信@xplanet 或发送邮件至oscbianji@oschina.cn “中国开源软件评选”是开源中国一年一度的线上评选盛事，也是目前国内最权威的开源软件榜单。

2019-10-23

谁能制约云厂商滥用开源，谁来帮助开源软件作者？

不过既然大家对这种行为都颇有微词，所以这就需要行业协会创建新的开源许可证标准以满足开源作者的合理诉求 —— “不希望自己的开源代码作为商业服务运行”。

2019-06-03

不兼容惹的祸，Calibre 作者拒绝迁移至 Python 3

开源电子书管理器 Calibre 的作者Kavid Goyal 近日公开了自己在 2017 年对用户要求升级至 Python 3 的回应，以表明Calibre 不会直接迁移至 Python 3 的态度。

2018-11-22

作者谈《阿里巴巴Java开发手册(规约)》背后的故事

thread-1456-1-1.html） 2、相关下载《重磅发布：《阿里巴巴Android开发手册(规约)》[附件下载]》《阿里技术结晶：《阿里巴巴Java开发手册(规约)-终极版》[附件下载]》 3、作者其人

2018-03-13

《图解Spark：核心技术与案例实战》作者经验谈

XynuDFaVBl5mZ4r7GWIzrw 本文转自shishanyuan博客园博客，原文链接： http://www.cnblogs.com/shishanyuan/p/6629295.html，如需转载请自行联系原作者

2017-11-08

金融级日志审计方案：满足监管要求的完整落地指南

摘要：金融行业面临着严格的日志审计监管要求，从央行到金融监管总局的多项规定都对日志留存周期和审计频率提出了明确标准。本文梳理金融行业日志审计的核心监管要求，介绍如何利用腾讯云 CLS 构建合规的日志

2026-07-28

信号链的两个要求：“稳定且精准”，如何获得？

“散”主要来自随机噪声。对信号链来说，常见来源包括：运放电压噪声；电阻热噪声；ADC 量化噪声；ADC 输入驱动不充分；基准源噪声；电源纹波；外部 EMI；地噪声；机械振动；采样时钟抖动。

2026-07-21

美国政府要求 OpenAI 分阶段发布 GPT-5.6

The Information援引知情人士消息称，与以往版本发布节奏有所不同，特朗普政府要求 OpenAI 分阶段发布即将推出的最新款 GPT-5.6模型。

2026-06-26

ChatGPT 将应用户要求停止使用长破折号

在社交媒体上，著名作者 Chip Huyen 曾表示：“任何能教我如何让 ChatGPT 不再使用长破折号的人，我愿意支付100美元。这让我快要疯了。”

2025-11-14

【店滴云】后台 diy 表单生成增强，满足多种输入要求

【店滴云】后台diy表单生成增强，满足多种输入要求 1、输入框输入，输入框类型处理 2、二级联动处理 3、编辑器初始化 4、数据联动显示处理 export const form = { 'blocs

2023-11-30

Blender 3D 建模软件将提高对 CPU 的要求

随着 Blender 3.4 的发布，Blender 开发人员开始讨论提高 Blender 对 CPU 的要求，以便这款开源 3D 建模软件能更好发挥其性能。

2022-12-09

你见过要求用户打疫苗的软件许可证吗？

作者：lola 策划：lola 《Linus 的“以喷治喷”不可取，但大家为什么又要抵制社区行为准则？》

2022-04-08

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。