首页 文章 精选 留言 我的

精选列表

搜索[首次公开募股]，共10002篇文章
优秀的个人博客,低调大师

TIOBE 8 月榜单：Julia 首次进入前 20 名

TIOBE 公布了 2023年 8 月的编程语言排行榜。 Julia 在本月榜单中实现历史性突破，成功跻身TIOBE 指数前 20 名。Julia 诞生于大约 13 年前，是一种非常年轻的编程语言；尤其适用于数据科学和数学计算领域。 TIOBE CEOPaul Jansen 认为，促使Julia 突破重围的独特之处在于，它比 Python 更快、比 R 更适合编写大型系统、且比 Matlab 成本更低。“因此，速度、可扩展性和开源性使 Julia 成为一个有吸引力的选择。另一方面，Julia 比提到的其他 3 种语言需要更多的编程技能；因此，它能否在 'big boys' 之间保持自己的地位令人拭目以待。” 此外，COBOL 自上月重新进入Top 20 名后，本月排名继续攀升至榜单第 15 位。 TIOBE 8 月 TOP 20 编程语言 PHP 由上月的榜单第 9 跌至第 10；Assembly language 挤掉MATLAB 重回Top 10，排名从第 14 上升到第 9，MATLAB 则下降至第 13 位。 除此之外的一些其他排名变化有： Scratch的排名从 12 升至 11 Go 的排名从 13 升至 12 Fortran 的排名从 11 跌至 14 COBOL的排名从 20 升至 15 R 的排名从 19 升至 16 Ruby的排名从 16跌至 17 Rust 的排名从 17跌至 19 Swift 的排名保持第 18 位不变，Julia 从第 24 位上升至第 20 位，Delphi/Object Pascal 则从榜单 15 跌至 23 位。 TOP 10 编程语言 TIOBE 指数走势（2002-2022） 第 21-50 名编程语言排行 第 51-100 名如下，由于它们之间的数值差异较小，仅以文本形式列出（按字母排序）： 4th Dimension/4D, ABC, ActionScript, Algol, Alice, Apex, APL, ATLAS, Awk, bc, Boo, Bourne shell, Carbon, CL (OS/400), CLIPS, Clojure, Cobra, Crystal, Curl, Elixir, Erlang, Groovy, Hack, Icon, Io, J, LabVIEW, Ladder Logic, Maple, ML, NATURAL, Nim, OpenEdge ABL, PL/I, PostScript, Pure Data, Q, Racket, Ring, RPG, Smalltalk, Snap!, SPARK, SQR, Tcl, TOM, VHDL, Wolfram, X10, Zig TIOBE 编程社区指数（The TIOBE Programming Community index）是一个衡量编程语言受欢迎程度的指标，该指数每月更新一次。评判的依据来自世界范围内的工程师、课程和第三方供应商，包括流行的搜索引擎，如 Google、必应、雅虎、维基百科、亚马逊、YouTube 和百度都被用于指数计算。值得注意的是，TIOBE 指数并不代表编程语言的好坏或编写代码的多少。 该指数可以用来检查你的编程技能是否还能跟上时代的步伐，或者在开始建立一个新的软件系统时，基于指数对采用何种编程语言做出决策。 TIOBE 指数的定义方式，以及详细榜单信息均可查看官网。
2023-08-07
优秀的个人博客,低调大师

Data JellyFish 首次发布，分布式数据调用中心

Data JellyFish 译文（数据水母）是数据调度中心，实现系统与系统之间，服务与服务之间，与第三方之间的数据100%准实时同步。 用途 与第三方的数据同步 内部系统之间的数据同步 特性 数据100%传输，不丢失任何一条数据 实时性高，相比定时任务每5分钟，半天，一天，而言，在秒级实现同步 对接成本低，增量同步时提供一个增量查询接口，全量同步时提供一个全量查询接口 无中心化的分布式任务，实现任务分片能力，达到并发处理，实现快速调度的目的 每一条数据都有同步的成功或失败记录，历史可查 自定义重试策略，固定时长，指数级重试 完善的监控信息，有多少同步了，有多少未同步， 原理 以系统A同步数据到系统B为例，A系统提供一个http接口，实现数据增量或全量的抓取，”Data JellyFish 数据高度中心“ 简称 "DJ" ，DJ 启动生产者任务线 程T1调用A系统的http接口，将数据存储在自己的中间表中，同时，DJ启动消费者任务线程T2调用B系统提供的另一个接受数据的HTTP接口，来完成数据调度 架构图 传统数据同步方案比较 RCP, http协议直接访问第三方，内存中重试三次后，消息丢失 定时任务数据同步，延迟高，无分片并发能力 MQ,Kafka等，研发对接（保证数据准确传输的）成本高，无流水记录，无法直接回塑 每次数据对接都需要重复开发，不具备可用性 样例图 问题反馈 微信号: freedom-Union 邮件交流： kobe96688@126.com 报告issue: https://gitee.com/alenfive/data-jelly-fish/issues ​
2021-04-18
优秀的个人博客,低调大师

npm 实现捐赠，首次为开源代码提供资助

NPM公司，JavaScript包管理器npm的维护者。今年 8月份时，Standard JS 在项目中实验性内置广告的事件引发热议，这些广告通过一个名为 Funding 的 npm 软件包展示在终端，该软件包包含在 Standard 的代码库中。之后 NPM 公司宣布将禁止此类终端广告行为。 此事件后，NPM 表示，它打算在今年年底前为开源开发人员开发一个众筹平台。根据 The Register报道，它已经在此承诺上迈出了一步。 本周周二，该公司修改了最新版npm 6.13.0的代码，添加了 “funding”命令。它的作用是让维护npm的开发人员（为 Node.js创建包）声明元数据，为有意愿的捐赠者指明捐赠平台。在package.json文件中添加了一个“funding”字段，这个文件列出了各种模块设置和依赖项。funding可指向在线捐赠服务的url，如Patreon、Open Collective、GitHub Sponsors、License Zero或者其他支付网站。 之后，使用这些包的应用程序程序员可运行npm fund <package name>，为指定的包的作者进行捐赠，该命令在用户的默认浏览器中打开指定的捐赠服务链接，以操作信用卡进行捐赠等。下图可以看到，npmls与npmfund的区别，ls只列出包名，而fund还列出了捐赠平台及其url。 NPM 公司的联合创始人和联合首席技术官Isaac Schlueter 在电话采访中说：“在开源领域，资金是一个长期存在的问题，我们正在解决开源项目需要资金的难题，但很少有方法可以让使用的代码的人直观地了解这些信息，这种融资方式就可以做到”。 Schlueter认为 NPM公司的融资机制有利有弊，有利的方面是它确实把一些营销技巧从方程式中剔除了出来，开发者只需要设置一个支付 URL，然后把它放进“包“里，当该包管理器被安装时就自动出现在列表上。不利的影响是它很可能奖励的是优秀的营销人员，而不是奖励优秀的开发者。 但当被问及 NPM公司的融资平台是否有助于为 NPM 本身提供资金时，Schlueter 说： 这是很有可能的，但我也不认为这是一个可增长收入的方式。我想强调的是不要让开源生态系统因为被耗尽而瓦解
2019-11-07
优秀的个人博客,低调大师

Google Pixel 2 首次现身：或首发安卓 8.0

Pixel、Pixel XL 虽然存在一系列问题，但作为安卓手机标杆仍是当之无愧的，有关 Pixel 2 的传闻也是不断。 如今在 AOSP 代码库里，我们第一次看到了 Pixel 2 的身影，虽然只是个代号 “Muskie”。它和其他一系列 Google Nexus/Pixel 设备代号并列在一起，没别的身份！ 另外还能看到 “Walleye”(大眼梭鲈)、“Taimen”(哲罗鱼)两个代号，身份不详。 有外媒怀疑前者是小尺寸的 Pixel。 据此前报道，Pixel 2 仍然交给 HTC 代工，后者已经拿出原型机供 Google 参考，有望在 5 月 17 日的 I/O 2017 大会上伴随下代系统 Android O 一起发布。 Building 12 configured target(s): aosp-master/aosp_arm64-eng aosp-master/aosp_x86-eng git_master/aosp_muskie-userdebug git_master/aosp_walleye-userdebug git_master/bullhead-userdebug_fastbuild3a_linux git_master/gce_x86_phone-userdebug_fastbuild3c_linux git_master/marlin-userdebug git_master/muskie-userdebug git_master/sailfish-userdebug git_master/sailfish-userdebug_fastbuild3_linux git_master/taimen-userdebug git_master/walleye-userdebug. 本文来自开源中国社区 [http://www.oschina.net]
2017-06-01
优秀的个人博客,低调大师

Android 平台全球网络流量首次超越 iOS

Google的Android系统凭借着庞大的产品基数成为全球最大的移动操作系统平台，但是受限于各种原因Android用户的网络流量一直被竞 争对手iOS所压制，不过 这种情况已经发生了改变。根据Net Application市场调研公司最新公布的全球智能手机和平板网络流量统计数据显示Android以微弱优势成功赶超iPhone和iPad，缔造了 历史性的突破，可以预见这种发展趋势还将会延续，两者之间的差距将会进一步扩大。 针对2014年7月全球网络流量调查数据显示全球Android的流量占比已经从6月的43.75%上升到44.62%，相比较而言iOS设备流量 从6月的45.61%下降到44.19%，自Android系统发布之后苹果的各项优势正不断流失，预计随着9月苹果发布的iPhone 6以及其它iOS设备后这种局面有望改变。 移动新观察(www.MobileTMT.com)是一个关注无线互联网领域新技术，新方向以及投资、创业的科技新媒体。我们意在通过对TMT行业 敏锐的触觉，独到的观点，为中国的科技爱好者、开发者和创业者等读者创造最新的、优质的内容。同时，我们会针对行业内的热点话题组织线下研讨会，为广大读 者创造一个交流互动的平台。
2017-06-01
优秀的个人博客,低调大师

求求了，别再让你的 GPU 公开“摸鱼”了！

先看几个令人心动又让钱包一紧的 GPU 型号：NVIDIA A100 80GB、H800 80GB、RTX 4090 24GB... 这些 AI 时代的“超级马力”，无论我们是砸钱买断，还是花高价租用，都只能整块拿下。可除了模型训练，更多时候只是用来跑推理、开发/测试环境，几十上百 GB 的显存真的全能派上用场吗？多数情况下，你的 GPU 算力其实都在“摸鱼”，利用率可能连 20% 都不到。 在算力就是钞票的 AI 时代，GPU 闲置哪是“摸鱼”，这分明是“撒币”行为。 如果你是 AI 团队的 Leader，一边要交代高昂算力开销，一边还要安抚抱怨“GPU 不够、流程太慢”的团队成员，是不是早已身心俱疲？ 如果你是 MLOps 或平台工程师，每天盯着 GPU 集群利用率长期低于 20%，还得处理各种“抢资源”工单，是不是觉得自己的技术没用在刀刃上？ 如果你是 AI 算法工程师，只是想跑个预处理、验证模型、调试代码，却要为一张被“霸占”却没被用满的 A100/H800 排队数小时，灵感都快被磨光了吧？ 别急，今天的主角——HAMi，就是你的“开源解药”！ GitHub 地址：github.com/Project-HAMi/HAMi 简单来说，HAMi 是由上海密瓜智能发起的，面向 K8s 的异构 AI 计算虚拟化中间件。它的核心能力，就是像切蛋糕一样，把一整块物理 GPU 灵活切分为多块虚拟 GPU（vGPU），并按需分配给不同业务（Pod），实现算力的精细化共享与隔离。 最关键的是，你的 AI 应用代码，一行都不用改！ 一、GPU 共享的两个“陷阱”，为何需要 HAMi？ 要理解 HAMi 的价值，我们首先要明白一块 GPU 包含了两种核心资源：显存 (Memory) 和计算核心 (Compute Cores)。在没有管理机制的“原生共享”模式下，这两种资源都会陷入困境： 显存的“独占性”（OOM 问题）：GPU 显存是一个“硬性资源”。一个程序启动时，必须先申请到足够的显存空间来加载模型和数据。在原生共享模式下，这就是一场“先到先得”的游戏。 算力的“混沌竞争”（性能问题）：即便多个任务都成功挤进了显存，它们接下来也要争抢有限的算力核心。这就像一场没有规则的“大乱斗”。一个计算密集型任务可能会在某个瞬间霸占几乎所有的计算资源，导致其他任务被“饿死”，响应变得极慢。 面对以上两个陷阱，HAMi 提供了精准且优雅的解决方案。它能同时对显存和算力进行精细化切分和管理： 对于显存：实现“硬性隔离” HAMi 会为每个任务划分出一段完全独立的、大小固定的虚拟显存空间。每个任务只能在自己的“包间”里活动，彻底杜绝了因某个任务过度占用而导致其他任务无法启动的 OOM 问题。 对于算力：实现按比例分配 HAMi 允许你为每个任务分配特定比例的算力（例如，为 A 任务（pod）分配 30% 的算力，B 任务 50%）。确保每个任务都能获得其应有的计算资源，从而保障性能的稳定和可预期，告别“性能抖动”。 总结一下，HAMi 可以将 GPU 从一个混乱、不可预测的“公共资源”，转变为多个独立、稳定、可度量的“私有资源”，这就是它实现 GPU 高效利用的核心所在。 搞懂了这一点，我们再来看 HAMi 在 K8s 里的操作，你就会觉得豁然开朗。 二、三步搞定，简单到不像话！ 在我们熟悉的 K8s 环境里，GPU 一直是个“倔强的老顽固”——一个 Pod 就得独占一整张卡，申请 GPU 资源也只能按“卡”来。 但 HAMi 的出现，彻底改变了这一游戏规则。 有了 HAMi，你可以像点菜一样，随心为 AI 应用选配告别 GPU 资源浪费，比如「1GB 显存、30% 算力」。 别看功能这么牛，但安装 HAMi 却超级简单。它就像 K8s 的即插即用扩展包，用 Helm 工具三条命令搞定： # 1. 先给你有 GPU 的机器打个标签，让 HAMi 认识它 kubectl label nodes {nodeid} gpu=on # 2. 添加 HAMi 的官方“菜单” helm repo add hami-charts https://project-hami.github.io/HAMi/ # 3. 下单安装！ helm install hami hami-charts/hami -n kube-system 搞定！看到 hami-device-plugin 和 hami-scheduler 这两个 Pod 都正常地 Running 起来，就说明你已经成功化身“GPU 管理大师”了。 以后，你就可以用下面的配置，为你的 AI 应用轻松+愉快地申请任意大小的 vGPU 了。 apiVersion: v1 kind: Pod metadata: name: gpu-pod spec: containers: - name: ubuntu-container image: ubuntu:18.04 command: ["bash", "-c", "sleep 86400"] resources: limits: nvidia.com/gpu: 1 # 申请 1 个 vGPU nvidia.com/gpumem: 1024 # 每个 vGPU 包含 1024MB 设备内存 nvidia.com/gpucores: 30 # 每个 vGPU 分配 30% 的计算核心 此外，官方还贴心地准备了可视化界面 HAMi-WebUI，让摸鱼的 GPU 无所遁形！ 三、揭秘 HAMi 技术核心，个人开发者也能玩转！ 你肯定好奇，HAMi 到底用了什么黑科技，竟然能瞒天过海，“骗”过 CUDA，让程序觉得自己拥有一整块 GPU？ 答案全在它的核心武器：HAMi-core。 这玩意儿的原理，说白了，就是“欺上瞒下”的高级玩法。 3.1 HAMi 核心原理 HAMi-core 本质上是一个实现了 CUDA API Hook（钩子）的动态链接库 (libvgpu.so)。它的工作原理非常巧妙，也十分经典： 如上图所示，它通过 LD_PRELOAD 环境变量，在你的应用程序和真正的 CUDA 驱动之间“插入”了自己。当你的程序调用一个 CUDA API（比如申请显存）时，HAMi-core 会先“劫持”这个请求，然后根据你设置的限制（比如 2GB 显存）进行判断和管理，最后再把一个“修改过”的请求或者一个“虚拟”的响应回传给你的程序。 整个过程，你的程序和驱动都被蒙在鼓里，还以为对方是原装的。就靠这手“瞒天过海”，它轻松实现了显存虚拟化、算力限制和用量监控。 3.2 本地体验 GPU 虚拟化 这个设计的精髓在于，HAMi-core 完全可以脱离 K8s 单飞！这意味着，在你自己的电脑上，用 Docker 就能体验到 GPU 精准分配的快乐！ 这对于想在单张卡上模拟多环境测试的个人开发者来说，简直太实用了！ 假设你的显卡是 12G，我们切个 2G 的 vGPU 出来玩玩。 第一步：构建包含 HAMi-core 的镜像 # 在 HAMi-core 项目里，用官方 Dockerfile 构建一个新镜像 docker build . -f=dockerfiles/Dockerfile -t cuda_vmem:tf1.8-cu90 第二步：准备 Docker 运行所需的环境变量 # 把英伟达驱动、工具啥的都准备好挂载进去 export DEVICE_MOUNTS="..." export LIBRARY_MOUNTS="..." 第三步：运行容器并应用 vGPU 限制！ 最关键的一步来了，通过环境变量“激活”我们的 GPU 管家： docker run ${LIBRARY_MOUNTS} ${DEVICE_MOUNTS} -it \ -e CUDA_DEVICE_MEMORY_LIMIT=2g \ -e LD_PRELOAD=/libvgpu/build/libvgpu.so \ cuda_vmem:tf1.8-cu90 当你在容器里敲下 nvidia-smi 并回车，你会看到…… 总显存不多不少，正好是我们设定的 2048MB！在这个容器里，任何程序都休想突破这个“结界”。是不是泰酷辣！ 四、为什么说 HAMi 是 AI 算力的“必选项”？ 看到这里，你应该明白了，HAMi 代表了一种更聪明、更高效的算力利用方式。 降本增效，立竿见影：GPU 利用率大幅提升，让本只能跑一个任务的显卡，轻松承载更多任务，资源价值直接翻倍。 国产芯的“瑞士军刀”：不止支持英伟达，HAMi 还兼容寒武纪、海光、昇腾等众多国产 AI 芯片。在信创大潮下，战略价值不言而喻。 出身名门，CNCF 认证：作为 CNCF 官方沙箱项目，HAMi 拥有云原生世界的“正统身份”，稳定性和社区支持有保障，选它更安心。 久经沙场，巨头验证：顺丰、AWS 等国内外头部企业都已在生产环境深度应用，早已证明 HAMi 不是“玩具”，是真正能打的“正规军”。 五、最后 在 AI 大模型“军备竞赛”白热化的今天，谁能把算力用得更精、更省，谁就掌握了未来的主动权。HAMi 正是为此而生的一把“瑞士军刀”，它优雅、无感，却能实实在在地帮你把钱花在刀刃上。 最后，别再让你的 GPU 继续摸鱼了，给它上点强度吧！ GitHub 地址：github.com/Project-HAMi/HAMi 社区动态：HAMi 2.7.0 重磅发布 开源不易，期待你的 Star 支持！
2025-10-14

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

时间: 2026-08-21 大小: 1MB 下载: 10次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
Sublime Text

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。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册