Victor 王盛立 鐵⼈賽書籍作者 歡迎將 講者照片
 裁成圓形
 置於此處 使⽤Laravel 8 PHP主流框架打造 RESTful API ⾃我介紹 • 王盛立 • 出版過⼀本 
 使⽤Laravel 8 PHP主流框架打造RESTful API（iT邦幫忙鐵⼈賽系列書） • 浪浪的事 Side Project https://langlangthing.com/ 今⽇菜單

及开源生态与阿里云大数据生态对比 .............................................................................. 7 2.1.1 主流大数据体系架构 ........................................................................................... 在企业构建第一代大数据平台中成为主流的技术框架，但是随着企业信息化的高 速发展，在数字化、智能化的转型过程中，Hadoop 越来越复杂的技术架构和运维成本、平台 的稳定性和安全性、资源的弹性伸缩能力都遇到了瓶颈，严重阻碍了客户数据业务的发展。随着 云计算技术的发展和普及，越来越多的企业客户选择数据上云，在云上构建数据仓库。以云数 仓、云计算为核心的企业服务架构成为新一代大数据建站的主流趋势。MaxCompute Alibaba Cloud MaxCompute 解决方案 7 2 阿里云大数据与开源生态对比 2.1 Hadoop 及开源生态与阿里云大数据生态对比 2.1.1 主流大数据体系架构 Hadoop 及开源生态由一系列的开源组件共同组成，很多用户基于 Hadoop 及开源生态组件构 建企业数据仓库/数据湖、机器学习、实时分析、BI 报表等大数据应用。我们常见的大数据架构

Information Technology Communication Technology + + 主流应用：云原生，大数据，CDN，MEC，工业控制 … 主流应用场景100%支持 覆盖全场景应用 Operational Technology 服务器 支持多样性设备 主流计算架构100%覆盖 ARM, x86, RISC-V, SW-64, LoongArch; NPU, GPU openHarmony 多样性算力支持最佳 X86、Arm、RISC-V、龙芯、SW64、Power 等主流处理器架构全支持。 全栈原子化解耦 榫卯架构，版本灵活构建、服务自由组合，实现 一套架构对服务器、云计算、边缘计算和嵌入式 等场景的支持。 全场景支持 软件包总数已超过4.8万，IT、CT、OT主流场景 100%支持。 openHarmony生态互通 通过Soft Bus分布式软总线，实现与

活性。 来源：根据专家访谈、公开资料，由艾瑞咨询研究院自主研究及绘制。 openEuler连接全景图 主流场景100%支持 | 含3.5W+主流应用 + + 工业控制 云原生 大数据 CDN MEC … 覆盖全场景应用 支持多样性设备 服务器 边缘计算 嵌入式 云计算 主流计算架构100%覆盖 | 220+整机，1000+板卡 LoongArch ARM X86 RISC-V SW-64 www.iresearch.com.cn 开源数据库的行业分布 传统行业与互联网行业在系统架构、运营方式及数据库通用性上具有明显差异，互联网行业更容易吸引开源开发者，因此在传统行 业中闭源数据库占据主流，而互联网行业中开源数据库得到普遍应用。在这种分类方式下，数据库功能也存在明显差异，传统行业 数据库更注重安全与稳定，而互联网数据库更注重灵活与扩展。虽然以云原生数据库为代表的互联网行业数据库经过商业定制后有 代表开源厂商及产品 阿里 PingCAP 兼具开源与商 业发行版数据 库 openGauss 华为 传统行业中最 重要的开源数 据库厂商，数 据库为集中 式，注重安全 稳定 互联网行业开源已成主流；国产化替代趋势下，传统行业市场空间巨大 互联网开源数据库对传统行业的渗透：  传统行业逐步互联网化，一些C端业务 可以适用开源数据库  鼓励国产化替代，降低传统行业对海外 数据库（Oracle、DB2等）的依赖

共同推进版本演进。 平台框架 平台架构 06 openEuler 24.03 LTS 技术白皮书 openEuler 社区当前已与多个设备厂商建立丰富的南向生态，比如 Intel、AMD 等主流芯片厂商的加入和参与，openEuler 全 版本支持 x86、Arm、申威、龙芯、RISC-V 五种架构，并支持多款 CPU 芯片，包括龙芯 3 号 、兆芯开先 / 开胜系列、Intel Sierra ，让操作系统更智能；另一方面， openEuler 已支持 Arm，x86，RISC-V 等全部主流通用计算架构，在智能时代，openEuler 也率先支持 NVIDIA、昇腾等主流 AI 处理器， 成为使能多样性算力的首选。 AI openEuler 兼容 NVIDIA、Ascend 等主流算力平台的软件栈，为用户提供高效的开发运行环境。通过将不同 AI 算力平台的软 件栈进行容器化封 等平台进行适配，优化容器运行底噪，使 系统具备十分便捷的集群组建能力，可以更安全的运行大规模的容器化工作负载。 1. 开箱即用的容器平台：NestOS 集成适配了 iSulad、Docker、Podman 等主流容器引擎，为用户提供轻量级、定制化的云场景 OS。 2. 简单易用的配置过程：NestOS 通过 ignition 技术，可以以相同的配置方便地完成大批量集群节点的安装配置工作。 3. 安全可靠的包管理：NestOS

开源软件依赖于开源社区 进行更新，由此需要关注 开源社区的参与度、代码 贡献度、文档数等指标判 断其活跃度 社区活跃度 开源软件带来的自由在反 面也造成了偏离的风险， 企业在选择时需要尽量选 择主流、成熟的开源软件 软件成熟度 作为终端用户，需要考虑 开源技术是否符合自身应 用场景需要；作为软件厂 商，需要考虑开源技术能 否满足客户需求 需求满足度 考虑软件的商业化能力， 需要关注开源软件所选用 开源软件所使用的技术是 否与未来科技发展方向相 适应 技术先进性 开源的源代码增长速度及 数量极其惊人，企业拥有 多种选择，对不同版本进 行甄别，选择契合市场的 最优解 商业化能力 拥有业界主流厂商参与贡 献或有实力雄厚的基金会 支持的开源软件往往具备 较为完备的生态 软件生态 18 开源软件概念铺陈 1 开源软件与云计算的关系 2 3 开源软件基金会前瞻 5 中国的开源软件法治建设状况 Engine（2021.12），艾瑞咨询研究院根据公开资料研究及绘制。 开源之于云计算（三） 开源软件产品丰富了云厂商的产品矩阵——以云数据库为例 除了搭建基础云服务的软件平台之外，全球范围内主流公有云平台上的部分产品也是基于开源软件二次开发和托管，典型 代表包括数据库、大数据分析框架、AI开发框架、DevOps开发和运维工具等。对于云厂商而言，成熟的开源软件已经具 备了成熟的市场和用户群体

木兰宽松许可证第二版（MulanPSL- 2.0）紧随其后，获得了越来越多国内开发 者的认可的MulanPSL-2.0已经连续两年 成为了Gitee最常用开源许可证的前列。 可以预见，在未来的国内开源生态中，木 兰宽松许可证将会越来越主流。 13 / 111 本年度使用率增长最多的开源许可证 73.70% 62.96% 60.64% 59.55% 57.06% 53.11% 40.01% 37.22% 35.19% CC-BY-SA-4.0 LGPL-2.1 Zlib AGPL-3.0 BSD 0.00 BSD-2-Clause LGPL-3.0 AFL-3.0 2024年，宽松许可证依然是开发 者选择的主流，BSL、BSD、 CC、Zlib等宽松许可证依然增长 迅速。 值得注意的是，除了LGPL、 AGPL这样大家熟知的较为严格 的许可证外，相比于木兰宽松许 可证更加严格的木兰公共许可证 第二版（MulanPubL-2 111 章，大家也都是把最好的一面呈现给了大众，所以很多人会觉得我才几个月没关注，AI 已经发 展到我不认识的地步了，AI 已经无所不能了。所以，在 2024 年上半年，我们接触到的企业需 求中，占主流的是那种大而全的需求，要用 AI 替代他们业务的全流程或基本流程，气味中充满 了使用者的野望。 但实际情况并不理想，AI 或者大模型还真没到这个程度，而且最关键的是范式转换也还需 时间。什么是

作为文本编码器获取文本表示向量，从而完成文本相似度 计算、向量召回等任务。而 Finetune-based 方法是在预训练模型的基础上，使用 具体任务的部分训练数据进行训练，从而针对性地修正预训练阶段获得的网络参数。 该方法更为主流，在大多数任务上效果也更好。 由于 BERT 在 NLP 任务上的显著优势，一些研究工作开始将 BERT 应用于文档 排序等信息检索任务中。清华大学 Qiao 等人 [18] 详细对比了 Feature-based 排序服务架构优化 图 8 核心排序框架图 美团搜索线上排序服务框架如上图 8 所示，主要包括以下模块： ● 模型在线预估框架（Augur）：支持语言化定义特征，配置化加载和卸载模型与 特征，支持主流线性模型与 TF 模型的在线预估；基于 Augur 可以方便地构建 功能完善的无状态、分布式的模型预估服务。为了能方便将 BERT 特征用于 排序模型，Augur 团队开发了 Model Stacking 存在有一个显著不同：作为线上应用， 搜索有大量无标注数据。用户查询可以达到千万 / 天的量级，数据规模上远超一些离 线测评能够提供的数据。据此，我们对蒸馏过程进行简化：不限制 Student Model 的形式，选择主流的推断速度快的神经网络模型对 BERT 进行近似；训练不使用值近 似、分布近似作为学习目标，直接使用标签近似作为目标来指导 Student Model 的 学习。 我们使用 IDCNN-CRF

2) 为什么是 Postgresql 而不是其它的？ 我想大家可能主要想问为什么是 Postgresql 而不是 Mysql ？（其实， 还有很多开源关系型数据库，但相比这两个主流开源库，实在不在 一个起跑线上）。我们无意去从技术点上PK这两个数据库孰优孰劣， 我相信它们的存在都有各自的特点，它们都有成熟的开源社区做支 持，有各自的庞大的 fans 群众基础。我们认为，Greenplum HA 方面，Greenplum 提供 Standby Master 机制进行保证）。 再进一步看，Master-Slave 架构在业界的大数据分布式计算和云计 算体系中被广泛应用，大家可以看到，现在主流分布式系统都是采 用 Master-Slave 架 构， 包 括：Hadoop FS、Hbase、MapReduce、 Storm、Mesos...... 无一例外都是 Master-Slave 架构。相反，采用 计算时， 需要预先将数据装载到 DataFrames 模型中； 基本上都缺少索引和存储过程等特征 除 HAWQ 外，大多对于 ODBC/JDBC/DBI/OLEDB/.NET 接口的支持 有限，与主流第三方 BI 报表工具的兼容性不如 MPP 数据库 SQL-On-Hadoop 不擅长于交互式（interactive）的 Ad-hoc 查询， 大多通过预关联的方式来规避这个问题；另外，在并发处理方面的能

类型 字面常量的特殊规则：如果 int 表示不下，则自动选择较大的类型 标准化的类型： stdint.h • 而实际上，尽管主流操作系统上 int 都是 32 位的， C 语言标准并没有规定 int 就是 32 位 的。 • int 甚至可以是 16 位的！只不过主流操作系统一致认为是 32 位的而已，并不是标准所保 证的。 • 为了解决不同操作系统上对类型定义混乱的问题， C 语言标准引入了 size_t 这个直观的名字，他和 uintptr_t 等价 。 • size_t 是标准库大量使用的用于表示大小的类型，例如 vector::size() 返回类型就是 size_t 。 • 在主流操作系统上， size_t 和 uintptr_t 完全等价，虽然标准并没有强制要求这一点。 • 此外还有有符号的 ssize_t 和 intptr_t 等价，不过他是 Unix/Linux 系统特有的， 种方式。 其中小端字节序（ little-endian ）就是先从低地址开始存字节的方式。 比如假设 x=1 的话，那么小端字节序的存储方式是： 大小端之争 我们主流的硬件架构如 x86 ， ARM 都采用的小端字节序。 非主流的硬件架构如 PowerPC ， MIPS 才用大端字节序。 贴近底层的语言，比如 C/C++/Fortran 会采用当前硬件架构的字节序，比如在 x86 上就会变成小端字节序。