开源开发者的一天 - Apache ServiceComb [社区网站] http://servicecomb.apache.org [Github ] https://github.com/apache?q=servicecomb 议程 • 什么是开源 • 开源开发是什么状态 • 如何加入到开源社区 [社区网站] http://servicecomb.apache.org [Github group of people who interact and share certain things as a group.” “一个社群通常指的是一组就特定问题进行讨论分享的群组.” 开发者 用户 贡献者 布道师 文档专家 营销 法务 开源社区构成 开源社区⾥⾯没有项⽬经理，只有技术领导 [社区网站] http://servicecomb.apache.org [Github 加入开源项目能收获什么 • 自身技能提升  可以学习到平时书本里学不到的东西  可以帮助我解决工作中的实际问题 • 视野/人际关系拓展  可以和一群志同道合的人一起成长  可以让我和世界级的开发者一起工作 • 个人品牌建立  可以使我的工作会被更多人看到  可以发挥我的专长在专有领域有所建树 • 更多的职业发展选择  可以让我找到更好的工作或者更喜欢的工作 [社区网站] http://servicecomb

庖丁解牛：华为云微服务工具解放开发者 部门：应用平台服务 作者：王启军 日期：20190920 Security Level: 目录 1. 微服务拆分工具 2. 契约管理工具 Huawei Confidential 3 微服务架构的优势 因素 单体架构 微服务架构 交付速度 较慢 较快 故障隔离范围 线程级 进程级 整体可用性 较低 更高 架构持续演进 困难 简单 沟通效率 >服务数量爆炸，运维复杂 >服务数量太少，不够灵活 >一个user story影响众多服务 >接口频繁变更 >大量关联查询 >系统架构复杂度提升 Huawei Confidential 6 通过微服务拆分工具解放开发者 支撑活动 方法论 • ThoughtWorks五步十一阶 • DDD聚合 • 事件源Event Sourcing • 命令查询责任分离CQRS 现有做法 业务改造 投入大 + 应用上云 微服务架构下，API管控的挑战 • API在微服务架构下爆炸性增长 • 移动互联网、物联网 • API是技术leader和架构师的控制力，API==契约 • API First，解耦各个服务的开发者 Huawei Confidential 13 ServiceStage契约管理工具—管控分离 Copyright©2018 Huawei Technologies Co., Ltd. All

度与速度的平衡，我们基于硬件感知神经网络设计思想，为 YOLOv6 设计了一个更 有效的特征融合网络结构。 Rep-PAN 基于 PAN[6] 拓扑方式，用 RepBlock 替换了 YOLOv5 中使用的 CSP- Block，同时对整体 Neck 中的算子进行了调整，目的是在硬件上达到高效推理的同 时，保持较好的多尺度特征融合能力（Rep-PAN 结构图如下图 5 所示）。 算法 < 7 图 5 进行单 batch 推理， 速度提升 71.3%。 4. 总结与展望 本文介绍了美团视觉智能部在目标检测框架方面的优化及实践经验，我们针对 YOLO 系列框架，在训练策略、主干网络、多尺度特征融合、检测头等方面进行了思考和优 化，设计了新的检测框架 -YOLOv6，初衷来自于解决工业应用落地时所遇到的实际 问题。 在打造 YOLOv6 框架的同时，我们探索和优化了一些新的方法，例如基于硬件感 模型（YOLOv6s_repvgg）各 层的权重及激活数值分布，分析了 YOLOv6 中的重参数化层的数据分布。下图 2 以 “Rep_p4.block.0.rbr_reparam” 层为例，给出其特征图数值分布直方图，我们发 现其数值广泛分布在 [0, 57] 的区间内。显然，采用现有的 INT8 量化方法，无论怎样选 择量化缩放参数 （scale），都会产生较大的量化误差。 图 2 YOLOv6

Promethues Knative Ingress Rook Kube eventer … 策略 机制 Jaeger 实例 调度策略 链路 K8s及云原生生态给 开发者提供的是机制 开发者直接使用K8s的失败故事 • 认知成本高：K8s功能强大却没有统一的使用方式，不得不学习复杂的声明字段和各种奇怪的Annotation； • 稳定性不足：没有设置Pod的QoS等级， etcd, Controller-Manager, Kubelet,等组件都具有一定复杂度，无法做到定期升 级以维持安全，高可用，高性能的状态； • … 能力复用 自动化 可观测 稳定 安全 开发者真正想要的是策略：大象无形的基础设施，坚如磐石的中间件，丰富高效的应用PaaS平台 基础设施 云原生PaaS平台提供应用管理策略 基础设施 K8s 云原生生态（CNCF） 云原生应用 4 EDAS的平台构建策略-OAM应用模型 https://github.com/oam-dev/spec • 应用 • 组件1（工作负载） • 运维特征1 • 运维特征2 • … • 组件2 （工作负载） • 运维特征1 • 运维特征2 • … • … 作用域 能力定义 依赖编排 组件版本 服务绑定 OAM应用模型 apiVersion: core.oam.dev/v1alpha2

基于现有AI框 架开 ⚫ 按需启动, docker容器或function ⚫ 不同特性对应不同的worker组, 可部署在边上或云 上, 进行协同 4. Lib ⚫ 面向AI开发者和应用开发者, 暴露边云协同AI功能给 应用 Cloud Edge Local Controll er KubeEdge Cloud Node Edge Node 增量训练 管理 数据集管理 APP运行，识别难例，上传到云上标注服务中 ① 业务APP开发者：开发时使用边云AI Lib库, 集成边云协同增量学习功能 ② 部署业务APP，启动增量学习 ④ 人工定期介入，对样本进行标注。 ⑤ 系统基于任务知识库，自动增量训练产生新模型 ⑥ 更新边缘模型 边云协同增量学习： 小样本和非同分布下，模型越用越聪明 ① 开发者：导入边缘AI Lib库, 开发边云协同联邦学习程序。 M个未来任务 知识库 边云协同终身学习： 云侧知识库记忆，解决新情景下数据异构和小样本 ① AI开发者：提供数据训练产生深模型和浅模型 ② 业务开发者：通过Lib库调用协同模型, 并部署 到边缘 ③ 边侧浅模型推理，判断满足置信度要求则直接返回 ④ 否则送到云上大模型推理 开发者 业务用户: 物业/安保/管理人员 业务用户: 工人/行人 Edge 1 App Shallow

. . . . . . . . . . . . . . . . . . 64 13 方法和特征 67 13.1 方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 13.2 特征（Trait） . . . . . . . . . . . . . . . . . . . . . . 69 13.2.3 共享类型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 13.3 派生特征 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 13.4 Exercise: Logger 75 14.3 泛型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 14.4 特征边界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 14.5 impl Trait

中有诸如 if else 和循环语句 for 和 while 的通用控制结构。和 C 和 C++ 风格的编程语言一样，代码段放在花括号中。 Rust 使用实现（implementation）、特征（trait）和结构化类型 （structured type）而不是类（class）。这点，与基于继承的 OO 语言 C++, Java 有相当大的差异。而跟 Ocaml, Haskell 这类函数式语言更加接近。 本身可用于操作系统的开发。 开发者需要自己去定义路径，定义 mod 的层级关系，配合 rust 的默认约定。这 点和 java，go 开发完全不同，在面向 vm 的语言中这些都不需要考虑。 2.Rust 的包管理系统中使用了大量的默认约定，很容易使人头昏脑乱。 而在开发中我们又必须建立模块层级系统，rust 给出了如下方案，在给出了一 些模块的最基本规则外，由开发者更大范围地自定义模块的存在。 ，必须按照合理的方式构建 'cargo.toml'。 而 cargo.lock 文件则不直接面向开发者，也不需要直接去修改这个文件。lock 文件是 cargo 工具根据同一项目的 toml 文件生成的项目依赖详细清单文件。 Cargo 字段： 1.[package]段落描述了软件开发者对本项目的各种元数据描述信息。 2.[dependency] 3.单元测试主要通过在项目代码

下明显特征： 1. 时效性，只在一定时间范围内显示在C端固定位置。 2. 城市强相关，这类运营资源往往是基于LBS类服务，每个活动、广告都只会出现在固定的某些城市（或区域）。 基础配置 基础配置 基础配置，常见的有入口资源的配置、网络的配置等。相对运营资源来说，其变更的频繁度相对较低，与 时间、城市的关系也没那么强。譬如下面大众点评App-我的页面里的入口。这类配置有如下几个特征： 1 具体化，导致无法支持更多普适性的业务场景。从分流的本质出发，即根据请求特征完成流量的定制化路 由。结合Nginx if指令的几个组成部分：条件判断依赖的变量、条件判断要匹配的value、条件表达式、匹 配后要执行的proxy_pass，一个策略必须要包含请求特征描述、定制化路由描述以及两者的关系描述。 其中请求特征描述包含特征关键字、关键字的上下文传输方式，定制化路由描述通过Upstream表示， 义是如何表述业务场景的： Oceanus：美团HTTP流量定制化路由的实践 - 美团技术团队 备注：应用apk1和apk2分别配置2个私有策略，apk3使用公共策略。 如上图所示，无论业务根据请求的哪些特征进行分流，策略结构均可以支持。 以私有策略gray-deploy为例，在Oceanus管理平台进行添加，如下图所示： 备注：这里省略了策略的非核心字段比如switch、graylist等。 如何实现策略的高效查询？

S开源平台基础上进行模块升级与 功能重塑，深度定制的安全可控、适用于金融行业且完全开源的区块链底层平 台。 金链盟开源工作组获得金链盟成员机构的广泛认可，并由专注于区块链 底层技术研发的成员机构及开发者牵头开展工作。其中首批成员包括以下单位 （排名不分先后）：博彦科技、华为、深证通、神州数码、四方精创、腾讯、 微众银行、越秀金科。 FISCO BCOS平台基于现有的BCOS开源项目进行开 发，聚焦 web3sdk: 调用web3sdk.jar执行web3sdk内方法(如部署系统 合约、调用合约工具方法等) compile.sh: 将dist/contracts目录下的合约代码转换成java代 码，供开发者使用 dist/conf 配置目录, 用于配置节点信息、证书信息、日志目录等 dist/contracts 合约存放目录，compile.sh脚本可将存放于该目录下的合约代码 转换成java代码 h，上一个区块的hash值prevHash等重要字段，而块体主要存储交易数据。 对等网络： 与传统中心化网络不同，对等网络指的是参与者通过P2P协议组成网络，参与 者都是对等的。对等网络具有以下几个特征： 1. 非中心化：不需要一个中心服务器，资源和服务分散个各个节点上，所有 的数据传输和服务的实现都在节点之间进行。 2. 健壮性强：节点可以随意加入、退出网络，不会对服务造成任何影响。 3.

运行速度 Ø C++：最快 Ø Python：最慢，但是可以通过外调 C/C++/Java分担慢速计算的压力 Ø Java：较快 Ø GO：C语言一样的执行速度 • 工具完备性 Ø C++：多为开发者开源，如切词、词性 标注等基础工具 Ø Python：海量的第三方开源工具库 Ø Java：较多开源NLP工具，LingPipe、 FudanNLP等 Ø GO：较多开源NLP相关工具， gonlp 应知识点的答案回复用户 • 依赖工具 Ø Python及第三方扩展包 各个击破－模型 各个击破－数据 • 开源数据抓取&清洗 • 依赖工具 Ø requests抓取数据 Ø retry重试 • 模型训练&特征生成 • 依赖工具 • gensim：训练word2vec • jieba：切词，统计生成PMI/TM词典 • difflib：调用SequenceMatcher生成edit-distance ne，计算fasttext label • numpy：计算w2v cosine/fasttext cosine • wmd：计算wmd特征 • esim：计算lstm-esim特征 • tensorflow：计算transformer-esim特征 • scikit learn：调用LR训练模型 各个击破－评估 • 评估数据 Ø 领域均衡：6个领域，每个领域50个知识点 Ø 评估