转载

从大数据到深度学习，这些年度开源“新秀”你可用过？

开源如今已渗透到多个领域，从流行应用，到在线服务，再到高新技术，有许许多多的新兴项目出现，也有活跃多年的经典项目随着技术的演变进入新的领域。

国外开源软件管理供应商 Black Duck Software 在2月底发布了第九期年度“ 开源新秀 ”报告，显示了在过去一年中在多个领域的全新 top 开源项目。涉及到的领域有：区块链、数据库、深度学习、SDN、容器、网络安全和教育。

1、区块链 ——Sawtooth Lake

Sawtooth Lake（锯齿湖）是英特尔在2016年4月推出的实验性分布式账本平台。英特尔将此项目描述为“用于建造、部署和运行分布式账本的高度模块化平台”。

Sawtooth Lake 平台采用了两种已建立的共识算法，其中一种受到了比特币的启发，另一种则与瑞波（Ripple）和恒星（Stellar）网络的共识算法有关。

第一种，称之为PoET（Proof of Elapsed Time），也就是‘消逝时间量证明’，它是由英特尔构建在可信执行环境的一种彩票协议。第二种，称之为‘仲裁投票’（Quorum Voting），它采用了瑞波和恒星的共识协议，用来解决需立即交易定局的需求。

目前该平台还是属于实验性质，建议用户暂时不要用该平台发布敏感型应用。

从大数据到深度学习，这些年度开源“新秀”你可用过？

2、大数据 ——CarbonData

CarbonData 是华为在2016年推出的一个为了更快的交互查询而生的新的 Hadoop 原生文件格式，用于大数据的快速分析和多维度查询 hadoop 本地数据存储设计。目前在 Apache 软件基金会孵化。

CarbonData 使用内置索引在快以秒计的时间内快速分析查询，实现快速的数据加载速度和支持增量负载分钟时间。支持并发查询、基于时间的数据保留和基于 SQL 的查询界面。

从大数据到深度学习，这些年度开源“新秀”你可用过？

3、深度学习 ——DSSTNE

DSSTNE，是 Deep Scalable Sparse Tensor Network Engine 的缩写，是亚马逊用来开发深度学习模型的一套框架。与其他的开源框架相比，DSSTNE 有一个独特之处，就是它对(极度)稀疏的训练数据具备优势。

其他深度学习库比如 Caffe、TensorFlow、Theano 和 Torch 都具备较大的特征集和特征网络的支持，而 DSSTNE 并没有，它是针对稀疏数据的情况完全从头构建的。DSSTNE 在气质上跟 Caffe 很像，但更强调生产环境下的性能。在稀疏场景下，DSSTNE 的运算速度比其他深度学习库快得多。DSSTNE 另外一个强项就是针对单服务器多 GPU 的使用，它能够针对全部可用 GPU 自动调度计算，加速整个的计算过程，并能构建更大的模型。

从大数据到深度学习，这些年度开源“新秀”你可用过？

4、SDN —— OpenCORD

CORD（Central Office Re-architected as a Datacenter 即 CO 重构为数据中心）是一个跨时代的新兴技术，目标是规范和简化整个 central office (CO)，为使用白盒机硬件、开源软件、虚拟化技术如 SDN 和 NFV 的规模化的数据中心服务。

CORD 强调运营商客户所需的可升级性，高性能，可实现性，和使用简便性，。可以支持不同类型的服务提供商7用户：住宅用户、企业用户、移动用户。目前 CORD 被 AT&T 主导着，已有 Google、Radisys、三星等企业加入。

从大数据到深度学习，这些年度开源“新秀”你可用过？