Categories
程式開發

如何用WebAssembly將桌面遊戲編輯器移植到瀏覽器上

本文要點

  • 儘管WebAssemly還在積極開發當中,並且仍然比較小眾,但這項技術本身已經足夠成熟,足以用來將諸如桌面平台遊戲編輯器之類的複雜應用程序移植到Web上。
  • 將桌面平台軟件移植到WebAssembly的好處包括:移植的軟件可以跨平台交付,可能會吸引更多的目標受眾等。
  • 與原生桌面應用程序相比,前端框架和工具可簡化UI開發並縮短反饋週期。
  • Web還帶來了新的可能性,例如深層鏈接以及豐富的UI生態系統的幫助,這些可能會極大改善用戶體驗。
  • 開發人員必須特別注意內存管理、測試和鍵盤操作,以減少移植過程中出現的問題。

谷歌軟件工程師和GDevelop遊戲編輯器的創建者Florian

Categories
程式開發

如何使用Redis TimeSeries和Grafana實現實時分析

本文要點

  • 時序數據管理對於組織中的數據分析至關重要,舉例來說,股票價格或CPU性能指標都是時序數據。
  • 像RedisTimeSeries這樣專門構建的數據庫解決了處理時序數據的需求,同時擺脫了關係型數據庫強加給我們的限制。
  • 其他專門為此構建的數據庫包括InfluxDB和Prometheus。
  • 通過將Grafana和RedisTimeSeries集成在一起,我們可以實時放大或縮小圖表。

時序數據可以廣義地定義為按照時間順序存儲的一系列數據,舉例來說,多年內的股票價格變動或過去幾個小時CPU性能指標都是時序數據。時序數據廣泛用於很多垂直行業,因為關係型、面向文檔的以及流式數據庫都不能滿足這種特殊類型的數據的需求。

時序數據的特點

時序數據庫有著獨特的特點(如下面列表所示),如果與其他數據庫一起管理的話,通常會是非常低效的:

  1. 高速的數據攝入:不管是IoT使用場景還是市場分析數據,我們都會有一個穩定的數據流,數據以很快的速度抵達,而且常常是爆發性的。對於大多數解決方案,一年中365天,24/7之內都有數據抵達。
Categories
程式開發

Pinterest是如何基于Flink做实时分析的?

在Pinterest,我们每天都要进行数千个实验。我们主要依靠日常实验指标来评估实验效果。日常实验管道运行一次可能会花费10多个小时,有时还会超时,因此想要验证实验设置、触发的正确性以及预期的实验性能时就没那么方便了。当代码中存在一些错误时这个问题尤为突出。有时可能要花几天时间才能发现错误,这对用户体验和重要指标造成了更大的损害。我们在Pinterest开发了一个近实时实验平台,以提供更具时效性的实验指标,从而帮助我们尽快发现这些问题。

可能出现的问题有:

  1. 实验导致impression的统计数据显著下降,因此需要尽快关闭实验。
  2. 与对照组相比,实验导致搜索的执行次数显著增加。

Pinterest是如何基于Flink做实时分析的? 8

图1-带有置信区间的实时实验指标

上图的面板显示了所选事件的实验组和对照组的流量(也就是动作数)和倾向(也就是unique user的数量)。自实验开始以来,这些计数已经累计了3天时间。如果在3天后发生了re-ramp(分配给实验组和对照组的用户数量增加),则计数会归零0并重新开始累计3天时间。

为了确保实验组与对照组之间的对比在统计上是有效的,我们做了一些统计检验。由于指标是实时交付的,因此每次按顺序收到新记录时,我们都必须进行这些检验。这需要与传统的固定视野检验不一样的方法,否则会带来较高的假正率。我们考虑过几种顺序测试方法,包括赌徒破产、…

Categories
程式開發

五年了,Heartbleed漏洞仍未修復

五年了,Heartbleed漏洞仍未修復 19

五年了,Heartbleed安全漏洞補丁仍未全面普及。

Heartbleed安全漏洞在2012年被正式引入OpenSSL加密庫,但直到2014年才被發現並得到修復。但直到五年之後的今天,仍有眾多系統未能有效安裝修復補丁。

本文希望為IT團隊提供必要的信息,幫助大家判斷是否要使用Heartbleed漏洞的修復補丁。但這裡要提醒一句:即使安裝補丁,您的用戶數據仍有可能受到其他攻擊的影響。

Heartbleed安全漏洞是怎麼回事?

Heartbleed是OpenSSL加密庫中的一項代碼缺陷,具體如下:

memcpy(bp, pl, payload);

2014年,研究人員在流行密碼庫OpenSSL當中發現一項安全漏洞。順帶一提,OpenSSL負責為開發人員提供用於實現安全套接字層(SSL)與傳統層安全性(TLS)協議的工具與資源。

目前,各類網站、電子郵件、即時消息(IM)應用程序以及虛擬專用網絡(VPN)都依賴SSL與TLS協議,用以保障互聯網上通信內容的安全性與私密性。因此,只要使用OpenSSL組件,您的應用程序就會受到Heartbleed漏洞的影響。在漏洞曝光之時,已經有高達17%的SSL服務器被劃入影響範圍。…

Categories
程式開發

去四川挖礦嗎?可以成為世界第一的那種

去四川挖礦嗎?可以成為世界第一的那種 20

六月份時,有數據統計稱中國占全球算力市場的60%。近日,數字資產管理公司CoinShares發布報告稱,中國礦工控制著全球66%的算力,其中僅四川一個省就佔了54%,原因是中國部署了更多更先進的挖礦設備以及礦工盈利能力的提升。

去四川挖礦嗎?可以成為世界第一的那種 21

為什麼是四川?

五月份時,四川的算力在全球佔比48%,僅七個月後就將此比例拉升到了54%,這個速度令人咋舌。

眾所周知,電費和礦機是挖礦成本的兩大重要因素。四川水資源豐富,省內大部分地區位於濕潤季風氣候區,氣候溫和濕潤、雨量豐沛,河流水係發育良好。四川省去年水利發電量達2982.2億千瓦時,佔全國第一。豐富的水電資源使四川省成為全國最大的比特幣挖礦地。

自2017年起,清潔能源大省四川已連續3年執行豐水期居民優惠電價政策。 “在數字貨幣行情低迷時,這每度便宜的一毛,就是礦工維持礦場繼續開下去的唯一動力。”有礦工這樣說。有業內人士曾透露,豐水期收益預計能夠佔據全年收益的六成,而部分礦場的收益更是豐水、枯水五五開。

去四川挖礦嗎?可以成為世界第一的那種 22

與內蒙、新疆等電力資源同樣便宜的地區相比,四川擁有更多的區塊鏈企業。據企查查數據,在四川與區塊鏈相關的企業有427家,而在內蒙自治區有141家,新疆自治區甚至不足百家。同時,四川區塊鏈專利94例,位列國內第六。…

Categories
程式開發

Nginx之父被抓,開發者的業餘項目應該歸誰? | 話題

昨天 Nginx 創始人 Igor Sysoev 被捕了。一周前,他的前東家 Rambler 集團對 NGINX Inc. …

Categories
程式開發

區塊鏈助力尤文圖斯,與球迷“零距離”互動

區塊鏈助力尤文圖斯,與球迷“零距離”互動 25

12月2日,意大利尤文圖斯足球俱樂部宣布推出自己的區塊鏈球迷代幣。經過近一年半的籌備與等待,曾經引發熱議的球迷代幣終於千呼萬喚始出來。

2018年9月,法國巴黎圣日爾曼足球俱樂部宣布與區塊鏈平台Socios網站合作,推出球迷代幣生態系統。就在聖日爾曼宣布該消息後不久,意大利的尤文圖斯俱樂部也宣布與Socios網站達成合作協議,計劃發布尤文的官方球迷代幣。

球迷代幣發行後,球迷可在Socios平台上進行交易,並使用代幣在移動App上投票,參與俱樂部的非戰略性決策事宜,比如當尤文圖斯隊進球,球迷們可以代幣投票決定播放哪首慶祝歌曲。

目前,每個代幣在Socios平台上的發行價格為2歐元(約合2.22美元)。此外,通過Socios應用軟件,球迷還有機會獲取平台提供的限量免費代幣,即所謂的“奪幣奇兵”活動。

尤文圖斯原計劃在2019年年初發行球迷代幣,但因為一些意外情況,發行日期推遲到了第四季度。

區塊鏈助力尤文圖斯,與球迷“零距離”互動 26

俱樂部眼中的區塊鏈潛力

為什麼這麼歐洲足球俱樂部紛紛與區塊鏈技術建立聯繫呢? Socios首席執行官兼創始人Alexandre Dreyfus指出,過去幾年,Socios平台跟很多老牌足球俱樂部都建立了合作關係。

談到Socios平台的區塊鏈代幣特殊性時,他表示,Socios平台相當於在足球俱樂部與球迷之間建立了一種互動模式,即通過球迷代幣的方式,全世界的球迷都能在俱樂部的小決定上產生影響。…

Categories
程式開發

深度學習框架SINGA升級為Apache頂級項目

Apache軟件基金會(ASF)最近宣布,分佈式深度學習框架SINGA升級為頂級項目(TLP,top-level project)。這表明了SINGA項目所達到的成熟度和穩定性。 SINGA已經得到了銀行、醫療健康等多行業中企業的應用。

SINGA最早由新加坡國立大學

Categories
程式開發

精益助 IT 團隊成長,以工作為榮

團隊合作更多,對於日常工作有更清晰的願景,全神貫注的團隊,自豪於可以把工作做好;在 Melannie Noyel 看來,這些都是 Acta 的 IT 團隊使用精益之後得到的好處。在 Lean Digital …

Categories
程式開發

构建贝叶斯深度学习分类器

这篇文章将讲述如何使用Keras和Tensorflow训练贝叶斯深度学习(BDL)分类器。 在深入了解具体的训练示例之前,介绍几个重要的高级概念:

• 什么是贝叶斯深度学习(BDL)?

• 什么是不确定性(uncertainty)?

• 为什么不确定性很重要?

然后,将介绍在深度学习模型中引入不确定性的两种技术,并将使用Keras在cifar10数据集上通过冻结(frozen)的ResNet50编码器训练全连接层。 通过这个例子,还将讨论探索贝叶斯深度学习分类器不确定性的预测方法,并提出今后如何改进模型的建议。…