tinyriscv 实现的是一个微 RISC-V 处理器核,用 verilog 语言编写,只求以最简单、最通俗易懂的方式实现 RISC-V 指令的功能,因此没有特意去对代码做任何的优化。
tinyriscv 处理器核有以下特点:
1.实现了 RV32I 指令集,通过 riscv 的 RV32I 指令兼容性测试,支持以下指令:add addi and andi auipc beq bge bgeu blt bltu bne fence_i jal jalr lb lbu lh lhu lw lui or ori sb sh sw sll slli slt slti sltiu sltu sra srai srl srli sub xor xori;
2.支持 RV32M 指令集:mul mulh mulhu mulhsu div divu rem remu;
3.采用三级流水线,即取指,译码、访存、执行,回写;
4.可以运行简单的 c 语言程序。
红楼鬼影 发布的帖子
-
通俗易懂的微型RISC-V 处理器核tinyriscv
-
spring数据库
Spring的JDBC模块负责数据库资源管理和错误处理,大大简化了开发人员对数据库的操作,使得开发人员可以从繁琐的数据库中解脱出来,从而将更多精力投入到编写业务逻辑中
Spring数据库事务约定处理逻辑流程如下:
与JDBC事务实现代码相比,基于Spring的方式只需要添加一个@Transactional注解即可,代码中只需要实现业务逻辑即可,实现了事务控制机制对业务代码的低侵入性。
Spring支持的基于Spring AOP实现的声明式事务功能,所谓声明式事务,即使用@Transactional注解进行声明标注,告诉Spring框架在什么地方启用数据库事务控制能力。@Transactional注解,可以添加在类或者方法上。如果其添加在类上时,表明此类中所有的public非静态方法都将启用事务控制能力。项目地址:
https://so.csdn.net/so/search?q=框架&spm=1001.2101.3001.7020 -
求近似最近邻的库Annoy
Annoy 是 Spotify 开源的高维空间求近似最近邻的库,在 Spotify 使用它进行音乐推荐。最邻近搜索(Nearest Neighbor Search, NNS)又称为 “最近点搜索”(Closest point search),是一个在尺度空间中寻找最近点的优化问题。
Annoy 能够使用静态文件作为索引,意味着可以跨进程共享索引。它还创建了大量的基于只读文件的数据结构,这些数据结构被嵌入内存中,以便许多进程可以共享相同的数据。Annoy 的另一个好处是它试图最小化内存占用,因此索引非常小。欧几里德距离, 曼哈顿距离, 余弦距离, 汉明距离或 点 (内) 积距离;余弦距离等价于归一化向量的欧氏距离 = sqrt (2-2*cos (u,v);如果你的维度不多 (比如 < 100),效果会更好,即使达到 1000 个维度,它也表现得非常出色;内存使用量小;允许你在多个进程之间共享内存;索引创建与查找是分开的(特别是在创建树后,就无法添加更多项目);原生 Python 支持;在磁盘上生成索引,以便为不适合内存的大型数据集建立索引。
-
数据增强Python 库AugLy
AugLy 是 Facebook 开源的一个数据增强 Python 库。该库目前支持音频、图像、文本和视频四种模式,一方面可以用现实数据对数据进行增强,另一方面还可以检测出相似内容,消除重复数据带来的干扰。
-
度量学习TensorFlow Similarity
TensorFlow Similarity 是一个用于相似性学习的 TensorFLow 库,也被称为度量学习和对比性学习。目前仍处于测试阶段。
Tensorflow Similarity 提供了先进的度量学习算法和所有必要的组件来研究、训练、评估和服务基于相似性的模型。通过 TensorFlow 的相似性,你可以训练并提供模型,在大量的例子语料库中找到类似的项目。度量学习不同于传统分类,因为它的目标不同。该模型学习以监督或自我监督的方式最小化相似示例之间的距离并最大化不同示例之间的距离。无论哪种方式,TensorFlow Similarity 都提供了必要的损失、指标、采样器、可视化器和索引子系统,以使其快速简便。目前,TensorFlow Similarity 支持监督训练。在未来的版本中,它将支持半监督和自监督训练。
-
用于嵌入式系统的微型J S引擎Elk
Elk 是一个小型的可嵌入 JavaScript 引擎,它实现了 ES6 的一个小但可用的子集。它专为微控制器开发而设计。Elk 允许使用 JavaScript 进行开发,而不是使用 C/C++ 编写固件代码。另一个用例是为客户提供安全、受保护的脚本环境以进行产品定制。跨平台。适用于从 8 位微控制器到 64 位服务器的任何地方。零依赖。由 ISO C 或 ISO C++ 编译器干净地构建,易于嵌入:只需复制elk.c并添加elk.h到您的源代码树中、非常小而简单的嵌入 API,可以从 JavaScript 调用本机 C/C++ 函数,反之亦然,不使用 malloc。仅使用给定的内存缓冲区操作,占用空间小:闪存/磁盘上大约 20KB,核心 VM 大约 100 字节 RAM,没有字节码。直接解释JS代码。
-
.NET的通用管理平台Admin.NET
Admin.NET 是基于.NET 5/6 实现的通用管理平台。整合最新技术,模块插件式开发,前后端分离,能够做到开箱即用,十分的方便。并且Admin.NET 通用管理平台的后台基于Furion框架实现,vue2前端是基于小诺框架实现的,vue3前端基于Vben-Admin框架实现。Admin.NET通用管理平台还集成了海量的EF Core、多租户、缓存、数据校验、鉴权、事件总线、动态API、通讯、远程请求、任务调度、gRPC等众多黑科技。
Admin.NET通用管理平台的核心模块包括:用户、角色、职位、组织机构、菜单、字典、日志、多应用管理、文件管理、定时任务等功能。代码简洁、易扩展,做到了让开发更简单、更通用、更流行!
-
求近似最近领的库Annoy
Annoy 是 Spotify 由开源的一个高维空间求近似最近邻的库,在 Spotify 库中使用它进行音乐推荐。最邻近搜索(Nearest Neighbor Search, NNS)又被称为“最近点搜索”(Closest point search),Spotify 库能够在尺度空间中寻找最近点的优化问题。
Annoy库是使用静态文件作为索引的,意味着能够跨进程共享索引。它还创建了大量的基于只读文件的数据结构,这些数据结构被嵌入内存中,以便许多进程可以共享相同的数据,达到数据共享的效果。
Annoy 库的另一个好处就是它能够试图最小化内存占用,因此索引是非常小的。允许你在多个进程之间共享内存;索引创建与查找是分开的;原生 Python 支持;在磁盘上生成索引,以便为不适合内存的大型数据集建立索引。
-
基于WebGL的地理空间数据可视分析框架L7
**L7 是由蚂蚁金服 AntV 数据可视化团队推出的基于 WebGL 的开源大规模地理空间数据可视分析开发框架。**L7 专注于空间数据的可视化表达。图形符号学为理论基础,将抽象复杂的空间数据转化成 2D、3D 符号,通过颜色、大小、体积、纹理等视觉变量实现丰富的可视化表达。2.0 beta 版发布一个多月以来经过 20 多个小版本的迭代发布,正式告别 beta 版,迎来 2.0 正版。正式版主要增加图层交互功能以及点,线、面的动画支持;在可视化种类上新增聚合图,文本标注,虚线,城市建筑等新图层。在数据类型上增加了卫星遥感数据可视化支持。文档方面对内容结构进行了重构,详细介绍每个图层如何使用,文档内容更丰富,使用更快捷。为了方便新用户快速上手我们还提供了不同框架的 项目模板。
-
大数据管理分析系统UMAD-SZU
**UMAD (Universal Management and Analysis of Data) 是致力于实现通用的大数据管理分析系统的项目。**该项目利用度量空间的高度抽象性的特点,将各种各样的数据类型抽象到度量空间之中,而所有的索引算法都针对度量空间这一数据结构进行设计,以此达到算法通用的目的。项目基于 jdk12.0.2 实现,为了更好地支持中文,全部编码统一采用 UTF-8。项目目前支持 DNA、RNA、Peptide、Spectra、 Image 和 Vector 数据库的建立和相似性搜索。实现了常用的支撑点选择算法,如 FFT、CENTER、RANDOM 等;常用的数据划分算法,例如 Balanced、ClusteringKMeans、CGHT 和 GHT 等。
-
应用可观察性平台SigNoz
SigNoz 是一个开源的应用可观察性平台。SigNoz 是用 React 和 Go 编写的, 帮助开发者使用最小的精力快速实现他们的可观测性目标。 使用Kafka和流处理器实时摄取大量可观测性数据。然后,这些数据将传递给Apache Druid,该Druid擅长存储此类数据,用于短期和长期SQL分析。当数据被扁平化并存储在 Druid 中,SigNoz 的查询服务可以查询并将数据传递给 SigNoz React 前端。然后,前端为用户创建漂亮的图表,使可观察性数据可视化. SigNoz 能够以行业标准格式获取数据,包括 Jaeger、Zipkin 和 OpenConsensus。之后,收集的数据被转发到 Apache Kafka。
-
低延迟进程通信中间件iceoryx
iceoryx 是一个适用于各种操作系统的进程间通信(IPC)中间件(目前已支持 Linux、macOS 和 QNX)。它起源于汽车行业,当涉及到驾驶辅助或自动驾驶系统时,大量的数据必须在不同的进程之间传输。高效的通信机制也可以应用于更广泛的用例,例如在机器人或游戏开发领域。iceoryx 使用了真正的零拷贝,共享内存的方法,允许从发布者到订阅者的数据传输,而没有创建单一的副本。这确保了无论有效载荷的大小,数据传输都具有恒定的延迟。
-
基于卡方检验的大数据抽样工具
抽样是数据科学中的基本方法之一。它可以降低数据规模并简化计算。本工具包给出一种保持分布不变性的抽样工具,使得即使在小样本数据量下也不会影响这些数据分析模型的准确性。本工具包基于皮尔逊检验的保持分布不变的启发式抽样压缩算法。该算法基于两个评分函数进行抽样,其中一个评分函数基于皮尔逊检验,另一个评分函数基于似然函数。大数据抽样压缩工具含两个版本:Matlab版和Python版。两个版本的功能一致,但Matlab版的运行速度比Python版快。Matlab版依赖于Matlab v9.7(2019b)运行时环境。若已经安装了Matlab 2019b,则可以在Matlab命令行窗口输入mrcinstaller直接安装。另外,可以从网址中下载Matlab2019b对应的运行环境。
项目地址:
https://www.oschina.net/p/big-data-sampling-under-chi-square
-
FlinkSQL Studio Dlink
实时即未来,Dlink 为 Apache Flink 而生,让 Flink SQL 纵享丝滑。它是一个交互式的 FlinkSQL Studio,可以在线开发、补全、校验 、执行、预览 FlinkSQL,支持 Flink 官方所有语法及其增强语法,并且可以同时对多 Flink 集群实例进行提交、停止、SavePoint 等运维操作,如同您的 IntelliJ IDEA For Flink SQL。
需要注意的是:Dlink 它更专注于 FlinkSQL 的应用,而不是 DataStream。在开发过程中您不会看到任何一句 java、scala 或者 python。所以,它的目标是基于 100% FlinkSQL 来实现批流一体的实时计算平台。
值得惊喜的是:Dlink 的实现基于 Apache Flink 源码二次开发,支持其绝大多数特性与机制,而交互更加贴近 Flink 的功能与体验,并且紧随官方社区发展。即站在巨人肩膀上开发与创新,Dlink 在未来批流一体的发展趋势下潜力无限。最后,Dlink 的发展皆归功于 Apache Flink 等其他优秀的开源项目的指导与成果。 -
Hadoop数据管理平台Apache Falcon
Apache Falcon 提供了一个用于治理和编排 Hadoop 内部和周边数据流的数据处理框架。该框架为获取和处理数据集、复制与保留数据集、重新定向位于非Hadoop扩展中的数据集、维护审核跟踪与沿袭提供了关键性的管控框架。Knox拓展了Hadoop的安全边界,实现了与LDAP、用于证书管理的活动目录等框架进行了充分整合,为跨Hadoop和所有相关项目的授权提供了一个通用服务。
-
网站书签管理器F-Curator
F-Curator 是一款跨平台应用程序的网站书签管理器,它能够支持Mac系统和Windows系统,可以用来管理您自己的网络收藏夹,并且可以永久保存数据,解决用户的URL端的收藏需求。F-Curator的特点在于:能够离线支持,并且运行十分高效; 能够轻松实现数据持久化;可以自动提取远程资源,比如图标资源等;提供了快捷方便的拖放排序与列表类别管理;能够导出HTML网页端方便在任何地方使用收藏夹;同时支持快速搜索;还提供了 URL和网络校验等。
-
云端原生大数据引擎MatrixOne
MatrixOne 是一个行星级的云端原生大数据引擎,专为异构工作负载而设计。它提供了一个端到端的数据处理平台,具有高度的自主性和易用性,使用户能够跨设备、边缘和云来存储、处理和分析数据,并将操作费用降到最低。
MatrixOne 集群可以在 SQL 处理、计算和存储过程中通过动态向集群添加节点来轻松扩展容量。MatrixOne 不仅限于公共云、混合云、内部部署服务器或智能设备,它可以适应无数的基础设施,同时仍然提供低延迟和高吞吐量的顶级服务。
通过融合多个引擎,MatrixOne 可以支持混合流、事务和分析工作负载;凭借其可插拔架构,MatrixOne 允许与第三方引擎轻松集成。MatrixOne 使用基于 RAFT 的共识算法在一个区域内提供容错。并且未来计划使用更高级的状态机复制协议来实现地理分布式双活。 -
主机管理工具natpass
natpass 是新一代主机管理工具,支持 Web VNC 和 Web Shell,支持 Shell 管理,支持远程桌面管理。有较小的内存占用(约 20M 左右);
支持 TLS 安全连接;
支持多路异步 IO;
支持虚拟链路层;
支持链路和终端会话监控。protobuf 数据编码。
支持 Web Shell;Linux 和 macOS 系统支持创建 pty 设备和颜色输出,Windows 系统支持 Powershell;
支持 Web VNC,支持基本的键盘鼠标操作,支持全屏显示,支持滚动,支持远程剪贴板设置与读取。支持Linux;Windows;macOS操作系统。 -
在线简历生成器Resume Generator
Resume Generator 是开源的在线简历生成器,只需在自己的 GitHub 仓库存入数据文件,然后访问它提供的在线模板,即可自动生成个人简历。内置 3 套模板,支持自定义主题颜色。
-
节点式流程图编排数据库Butterfly
Butterfly 是一个基于 JS 的数据驱动的节点式编排组件库,可以使用流程图编排项目所需的组件。丰富DEMO,开箱即用,全方位管理画布,开发者只需要更专注定制化的需求。
-
列表强定制性:利用 DOM/REACT/VUE 来定制元素;
-
列表灵活性,可塑性,拓展性优秀
-