如何向Openstack社区提交一个新项目

前几天有个朋友问我:自己有一个idea不错的项目,也把基本的框架写好了,想贡献到Openstack社区,却不知道应该怎么做。正好之前我有过类似的经历,那么来分享一下我是如何向Openstack社区提交一个新项目。 Openstack的整套系统就是一个开源项目的“大杂烩”,社区把所有项目划分为两类:核心和孵化。除非出身特别牛逼或者从其他核心项目独立出来的项目会在设计之初就被列为核心项目(例如Nuetron,Ironic等);其他项目一般划分到孵化类,在通过一个或多个大版本的发展后,如果变得成熟满足预期并被社区接受,就会转正成为核心项目(例如Savana,Designate等)。如果你想查看当前有哪些核心和孵化项目,可以前去github上查看,它们分别托管在github的openstack和stackforge两大项目下:每个核心项目几乎都是来自工业界IT巨头们的贡献,例如Swift项目来自于Rackspace,Nova项目来自于NASA,Horizon项目来自于HP… 简单介绍一下我提交的新项目的来历:由于我们的IaaS服务跨越多个Region,并且有较为复杂的DNS解析需求,因此我们很早就使用了当时仍在孵化中的designate项目(DNSaaS),用于管理UnitedStack内部的DNS服务。我发现社区并没有提供用于管理Designate服务的puppet module,于是就写了一个puppet-designate,随着代码的日益完善,已经可以满足内部designate服务的管理,然而社区却一直没有开发puppet-designate module的计划。公司文化一直支持开源,我也一直活跃在社区中,但以往都是提交某个项目的bugfix或者blueprint,我心想何不尝试提交一个新项目到社区? 前期准备工作 那么在试图说服社区接受自己的项目前,第一步得先规范自己的代码。 不同于个人项目,社区对于代码的规范要求很高。我列出以下几个注意点: 完善的代码文档:例如README,参数说明,每个自定义资源类型或者类的使用举例,复杂逻辑的解释,未来需要重构的加上todo标注等等;规范的代码格式:首先不能有语法错误,其次是代码风格要和社区一致,这些都有工具来检查,主要问题是在代码风格上,空2格还是空4格,双引还是单引,不是随心所欲的;合理的代码结构:主类中该放哪些部署逻辑,各服务的组件的部署逻辑该怎么划分,数据库初始化逻辑又该放在哪,都是有要求的;完善的测试代码:社区项目都是以测试驱动的,有的项目甚至先有的是测试代码,如果你妄图向社区提交一段没有附带测试的代码,其后果就是:红色粗体不解释的-1。 沟通和反馈 大约花了一个周末的时间,终于把上述工作做完了,那接下来要做的就是说服社区:接受puppet-designate项目。 我分析了一下Openstack社区的一个新项目大致可以分为两类:全新和已有项目。例如,Heat,Ceilometer就属于全新项目,先在ML上开个头,开始讨论架构,API的设计等等诸多细节,然后众人分领开发工作,接着开始编码最终实现。而Swfit,Nova就属于旧有项目,从其他公司贡献出来的时候,已经比较成熟或者已经有比较完整的架构了。puppet-designate就属于后者,Openstack社区所有相关的puppet项目归属于puppet-manager-core 组管理,当时的PTL是Puppetlabs的Dan Bode。 第一步,我需要发送一封邮件到社区的邮件列表中来告知参与这个项目的所有成员:我准备提交一个puppet-designate项目来管理designate服务。 这里有一点很重要,就是了解在这个邮件列表中,谁说了算:)。 简单解释一下,每个项目都有一个PTL以及相关的core members,他们是项目的主要贡献者。那么如何查询到具体有哪些人呢?可以在https://review.openstack.org的Groups分类中找到。 于是,我把邮件发送到社区的ML同时抄送给了PTL和其他几位非常活跃的core members。邮件里我说清楚地说明了puppet-designate的目的和完成度,以及附带一个github代码地址,以便review。 鉴于国内和国外的时差,邮件第二天得到了回复,得到了PTL和几位core member的肯定,不出所料的是,我的代码被指出了一堆问题,接下来需要进一步地改进。 由于时差的关系,我与社区的协作效率是不高的,在经过大约一周时间的邮件沟通和多次修改后,代码终于通过了这帮有强迫症的工程师的review。 提交到openstack-intra/config 虽然代码通过了社区的批准,但这并不意味着puppet-designate项目就能立马出现在stackforge中了。接着,我开始阅读社区的CI文档,了解到社区CI系统的管理工作是通过config项目来完成的,Openstack的整套CI系统以及我们所看到的Openstack主站以及其他相关站点都是通过puppet来管理的,该项目就包含了用于管理和配置的modules和manifests,属于openstack-intra组负责。Openstack-intra组的主要工作是负责Openstack站点和CI系统的开发和维护。 因此,我需要向config项目提交一个新patch来添加puppet-designate项目,这个PatchSet看起来是这样的: image 首先,修改modules/gerritbot/files/gerritbot_channel_config.yaml文件,这个配置文件用于管理各项目的gerritbot,当发生指定的事件后,IRC上的gerritbot会发送通知: image 接着需要修改modules/openstack_project/files/jenkins_job_builder/config/projects.yaml,告知Jenkins在处理来自gerrit的puppet-designate patchset时,需要执行哪些job: image 然后还需要修改modules/openstack_project/files/zuul/layout.yaml,告知zuul在做check和gate工作的时候要执行哪些job。: image 最后修改modules/openstack_project/templates/review.projects.yaml.erb文件,告知gerrit 新建一个stackforge/puppet-designate的项目,并且去github上拉去初始的puppet-designate代码。 image 等待Approve 在提交了这个patchset后,我在IRC上去通知PTL和其他成员帮我+1,最后还要得到openstack-intra组core member的approve才行,于是我又去#openstack-intra频道里找人,终于找到一位哥们来帮我Approve。好事多磨,结果最后Gerrit在做merge操作时,Zuul所运行得gate测试报了一些莫名的错误,始终不让这个patchset merge。那哥们说:没事,明天前我会解决的。终于,在HK的Havana Summit前,puppet-designate项目出现在了Openstack社区的孵化项目里:https://github.com/stackforge/puppet-designate。 小结虽然参与Openstack的社区开发已经近三年,但这是我第一次向社区提交一个新项目,通过这次经历,我有以下几点感触: 1. 对于社区的CI系统有了更进一步的了解,因为过去当我输入git review时,整套CI是对我来说是透明的,我根本不知道底层的CI系统各服务之间是如何交互的; 2. 其次是学会和社区沟通,如何清晰地表明自己的观点,如何说服他人,如何找到能拍板的人,若能做好这三点有事半功倍的作用; 3. 最后一点,对于代码的质量要求和规范上有了更深刻的理解,有时候我的同事会不理解我在做code review时为什么会对格式要求那么苛刻,其实我是水瓶座,只是这些习惯是在做社区开发的时候被逼出来的 :)
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 、2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、资 5源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、 5资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值