原 荐 八月新增开源项目：假装自己是图形界面的 Git 命令行工具

开发十年，就只剩下这套 Java 开发体系了 >>>

Web Forever —— Web 开发项目推荐

facebookincubator/fizz Fizz —— C++ 14 实现的 TLS 1.3 标准库

TLS 1.3 已正式发布，而且主流浏览器也已经提供了对其的支持。开发者对于 TLS 1.3 就更不能忽视了。Fizz 是由 Facebook 开源的 TLS 1.3 标准库，旨在帮助开发者实现 TLS 1.3 协议以及所有推荐的安全性和性能相关配置。
Fizz 使用 C++ 14 进行编写，它是一个可靠且高性能的 TLS 库，具有现代 TLS 库所需的一些重要功能。支持所有主要的握手模式、强大的加密算法和性能优化，旨在以超过 10％ 的速度安全地传输数据。除了 TLS 1.3 附带的增强功能外，Fizz 还为中间件握手失败提供了改进的解决方案，默认支持异步 I/O，并且可以处理分散/收集 I/O 以消除对额外数据副本的需求。
Facebook 与 IETF 长期密切合作，在增加 TLS 安全性的同时，也没有忽略性能的重要性，过去他们使用了自定义的零协议(Zero Protocol)，现在 Facebook 已经用 Fizz 取代了其旧的零协议，Fizz 现在负责每天在 Facebook 上获得的数万亿连接。

resilience4j/resilience4j Resilience4j —— 面向 Java 8 和函数式编程的轻量级容错组件库

Resilience4j 是一个轻量级的容错组件，其灵感来自于Hystrix，但主要为 Java 8 和函数式编程所设计。轻量级体现在其只用 Vavr库（前身是 Javaslang），没有任何外部依赖。而 Hystrix 依赖了 Archaius ，Archaius 本身又依赖很多第三方包，例如 Guava、Apache Commons Configuration 等。

限速组件架构：

alibaba/noformnoForm —— 阿里开源的基于 React 的表单解决方案

表单在前端可谓是非常常见的场景，而且通常需要花费开发非常多的时间来处理各种复杂的逻辑。特别是在企业中后台的业务中，存在着大量的表单，比如客户的订单，投诉的问题单，服务跟进过程每个流程的流转。凡是存在用户输入的地方都存在着各种各样的表单，字段或多或少，逻辑或繁或简。需求一旦变动，造成的代码变动（代码量或者逻辑分支）可能是非常恐怖的。比如当A字段选择了x的时候，增加B,C,D三个字段。相信这是非常多前端开发非常苦恼的问题。

NoForm 是阿里巴巴外综服前端团队在外综服（外贸综合服务）场景下，经过长期的思考和打磨产出的一款基于 React 的表单解决方案。可能有人不理解，可能会问：表单嘛，能有多复杂？ 可能你从没见过一个表单需要填写150+个字段。可能你也没有见过一个表单实际是由10+个子表单组合出来的。可能你也没见过一个表单的字段是后端动态配置的。NoForm 从解决业务复杂性的角度出发，找到了几个抓手，将表单方案进行了优化和开源。

NoForm 将表单操作到抽象到核心，从此数据(data)的管理和视图(view)分离开来，权责分明。 通过内置的状态管理方案，能够快速切换同一表单的不同状态，新建和详情不再需要维护多份代码。 通过定制组件接入标准，方便接入社区优秀的组件库，减少开发者重复劳动的时间。

请访问 Simple Demo 获取更好的试用体验。

Funny OSS — 有趣的开源软件

jesseduffield/lazygit —— 用于 Git 命令行的简单终端 UI

lazygit 是一个用于 Git 命令行的简单终端 UI，使用 Go 语言编写，用到了 gocui 库，目的是在命令行提供 Git 的图形界面。

相信不少朋友看到这里会对这个所谓的“图形界面”嗤之以鼻，因为这个“图形界面”依然需要通过命令行进行控制，毕竟 程序员 们想的是，如果我懂命令行早就用命令行操作了，还会在乎有没有界面吗？话虽如此，这个项目还是很受欢迎的，在 GitHub 上的 star 数早已超过一万。各位感兴趣的话不妨安装来把玩一下。

Deep Learning —— 深度学习项目推荐

oracle/graphpipeGraphPipe —— 深度学习模型部署框架

机器学习有望改变行业现状。但是，它在企业中的应用速度比大家预期的要慢，因为这些组织很难自己部署和管理机器学习技术。部分挑战是机器学习模型通常使用定制技术进行训练和部署，从而难以跨服务器或不同部门进行模型的部署。

为此，甲骨文希望通过开源且高性能的标准网络协议来传输张量数据(tensor data) —— 这样的一种技术手段来解决上述挑战。这项新标准，甲骨文称之为 GraphPipe，可使企业更容易从任何框架部署和查询机器学习模型。

官方对 GraphPipe 的解释为，这是一种协议和软件集合，旨在简化机器学习模型部署并将其与特定于框架的模型实现分离。

本期的推荐到此结束，更多有趣有料的开源软件尽在开源中国社区等你来发现~！

最后，欢迎关注 【开源中国】微信公众号(ID: oschina2013) ，获取更多技术干货和第一手开源资讯

编辑部的故事

官方OSCer

开源中国官方OSCer

领取条件：开源中国社区正式员工可以领取

粉丝 1126

博文 247

码字总数 422284

作品 0

深圳

运营/编辑