编者荐语：硬件极客们：「昇腾开发者」公众号正式启动啦！关注「昇腾开发者」感受最炫酷的Playground ，来体验用MindSpore+Jina建立的昇腾开源游乐场！以下文章来源于昇腾开发者 ，作者Ascend昇腾开发者华为昇腾开发者社区对AI感兴趣，却无从入手？偶然间看到有趣的图片想搜索更多类似的图却不知该如何操作？想知道快速识别录入大量手写数据信息的方法？希望简化AI集群资源管理以及任务调度的相关工作？「昇腾开源游乐场」帮您一步一步实现以上想法，为了向广大开发者提供基于昇腾软件栈的交互式AI体验demo，我们开发了「昇腾开源游乐场」（http://ascend.gitee.io/playground/）↓在「昇腾开源游乐场」中，您可以通过我们所提供的小型程序，体验到一些基于昇腾环境非常有趣的AI应用，如昇腾找同款、昇腾助力HPC等。在「昇腾开源游乐场」界面中，您可以拖拽一张内置的蘑菇图片或者手动上传一张全新的蘑菇图片，由搜索程序进行识别并返回最接近的蘑菇图片；还可实现手写一个中文数字，由系统识别返回结果的功能。为了能让大家对「昇腾开源游乐场」有比较直观的感受，首先带大家一起体验下它提供的两款AI小程序：昇腾找同款和昇腾助力HPC。昇腾找同款：手写中文数字查询（点击上图，可跳转至原文中观看视频）手写汉字识别有着极为广泛的应用场景，在大规模的数据记录（人口普查等）中，往往需要输入大量的用户信息，以前需要人工手动输入会耗费大量的人力和物力，如今有了AI技术的帮助，这类汉字识别可以通过机器自动进行识别与录入。下面以简单的中文数字识别为例，向大家展示用小程序识别手写汉字数字（如：一，二等），让机器帮您查询并返回和您手写的中文数字最相似的结果。识别步骤如下：1. 访问「昇腾开源游乐场」主页面：http://ascend.gitee.io/playground/2. 在”配置区” -> “查询节点”下拉框选择“LeNet手写中文数字样例”；3. 在“Preview”界面黑色面板内手写单个中文汉字，暂时仅支持“零至十，百，千，万，亿”等15个中文数字，示例面板为手写中文数字“二”；4. 点击“查询”按钮会返回与手写“二”最为相似的三张结果图。△昇腾找同款中文数字识别昇腾找同款：毒蘑菇搜索（点击上图，可跳转至原文中观看视频）大千世界蘑菇种类数不胜数，是否可以通过AI技术来鉴别蘑菇毒性呢？通过「昇腾开源游乐场」只需将任一张蘑菇图片拖拽到交互区，昇腾找同款应用就会从检索库保存的数千张蘑菇图片中搜索出50张同类或最相似的蘑菇图片，听上去是不是很酷炫？！想要亲自上手体验一下的话，只需打开http://ascend.gitee.io/playground页面，配置区选择ResNet50毒蘑菇样例，然后您可以从查询样例中选择一张蘑菇图片拖拽到右侧的搜索区即可，应用展示效果如下：△昇腾找同款毒蘑菇搜索效果展示昇腾助力HPC：集群资源管理当您准备或已经在HPC（High Performance Computing）等大规模计算场景使用了昇腾AI集群，希望简化集群资源管理以及任务调度的相关工作，那么可以使用由北大团队合作贡献到昇腾开源社区的slurm plugin项目（https://gitee.com/ascend/slurm-atlas-plugin）1. 查询集群状态：2. 查询节点资源：3.查询分区资源：刚刚和大家一起体验了「昇腾开源游乐场」 有趣的应用，相信您一定还想知道更加详细的知识，接下来我们一起来看下整体方案的实现原理，值得一提的是整个游乐场都是用开源软件搭建的！△「昇腾开源游乐场」方案架构前端交互界面1. 先了解下如何实现炫酷的UI界面？我们的前端服务采用了HTML + CSS + JavaScript等技术，基于jinabox.js项目（ https://github.com/jina-ai/jinabox.js/ ）实现了可视化的操作页面，用户只需在页面上轻松的动动手，比如手写一个中文汉字或拖拽一张蘑菇图片，发送查询就可以返回结果了。2. 前端交互界面和后台服务之间如何通信？如上图所示，前端页面会根据用户的操作发送相应的http请求，并通过RESTful API与后端的三个服务器站点建立通信。其RESTful API格式如下：· http://{host_ip}:{port}/api/search，POST操作· http://{host_ip}:{port}/cluster，GET操作· http://{host_ip}:{port}/nodes，GET操作· http://{host_ip}:{port}/partitions，GET操作后台搜索服务我们的后台搜索服务主要采用了Jina服务（https://github.com/jina-ai/jina）+ MindSpore框架（https://www.mindspore.cn/） + Ascend后端的对接方案，同时通过Jina内置的Gateway服务实现外部监听功能。在Jina中，我们可以使用Flow来描述流水线的任务。以手写中文数字应用为例，查询过程中涉及Index和 Query 两个Flow，它们的使用yaml文件定义如下： 左:Index Flow yaml文件定义 右:Query Flow yaml文件定义两个Flow过程都由craft，encode，vec，doc 4个yaml文件构成，大致可以概括为读取数据，将数据转换为模型可处理的矩阵矢量格式，加载模型，对矢量数据进行处理，最后建立索引结果。即：将手写的中文数字“二”图片数据，经处理后输入28*28大小的图片，然后经encode转换为[-1, 1, 28, 28 ]的矢量数据，形如NCHW格式，为MindSpore LeNet可处理的矩阵数据格式，加载已经预先训练中文汉字数据集生成的MindSpore LeNet checkpoint文件，处理矩阵数据，最后可生成结果索引文件，查询数据集中与用户输入图片最为相似的结果返回。集群资源管理在介绍昇腾集群资源管理方案之前，先来补充下相关知识点：1. 首先，什么是Slurm？Slurm（Simple Linux Utility for Resource Management）是一套用于Linux集群的开源集群管理和作业调度系统，（敲黑板）注意重点是Linux工具、集群管理和作业调度。Slurm中包含几个重要的实体概念：· 集群（cluster）：由单个或多个节点构成的一种计算节点集合· 节点（node）：用于表示物理机或虚拟机，通常以主机名命名· 分区（partition）：跨越多个节点的逻辑区域· 作业（job）：执行某一段特定程序的任务· 队列（queue）：当提交的作业资源超出可用配额时，将作业放入队列△Slurm集群逻辑架构如上图所示，Slurm包含了如下组件：· slurmctld：监控集群资源和作业状态· slurmd：作为计算节点的守护进程，用于管理compute节点和与control节点的通信· slurmdbd：用于在数据库两种记录多个slurm管理集群的作业统计信息（可选）2. 接下来，我们一起看下昇腾资源管理系统是什么样子？△昇腾Slurm集群部署环境如上图所示，我们在「昇腾开源游乐场」后台环境中搭建了一套包含两个节点的Slurm管理集群：其中包含node1和node2两个节点，control和compute两个分区，一个slurmctld和两个slurmd服务。除此之外，为了能和前端交互界面保持通信，我们启动了slurm-http服务用于监听前端发送的http请求。3. 集群资源管理如何与前端交互界面配合的呢？通过「昇腾开源游乐场」方案架构图我们可以看到，当用户通过前端交互界面发送了查询状态请求之后，以查询节点状态为例：slurm-http服务将监听到的RESTful API请求（/nodes, GET操作）转换成slurm工具指令（scontrol show node），该指令会调用Slurm集群管理服务查询当前所有节点的状态信息并上报给slurm-http服务，最终通过交互界面展示结果。点击文章底部‘阅读原文’可快速跳转至「昇腾开源游乐场」主页面，您可以立即体验上述提到的AI小程序，如果您对昇腾硬件及基础软件栈感兴趣的话，我们还提供了昇腾开源小课堂，让您在与AI应用程序交互的同时也能学习更多昇腾硬件的理论知识。△昇腾开源小课堂想要更全面了解昇腾并收获更多新奇体验，可以通过扫描下图二维码加入昇腾开源社区，在这里您可以通过Issue建立直达Commiter的交流渠道，快速闭环问题和需求，还能参加社区活动，回复Issue，获取激励，更多收获可参考下图↓△扫描二维码加入Ascend组织

本贴是对ModelArts AI市场算法CenterNet-HG的构建与使用介绍此模型是对Objects as Points 中提出的CenterNet进行结果复现（原论文Table 2 最后一行）。在COCO数据集上进行训练可在COCO test-dev上最高达到45.7的mAP。代码结构如下src/ ├── pre-trained_weights │   └── ExtremeNet_500000.pth ├── trained_model │   ├── coco_classes.py │   ├── config.json │   ├── customize_service.py │   ├── epoch_50_mAP_42.7.pth │   ├── _init_paths.py │   └── lib ├── train.py ├── evaluation.py ├── _init_paths.py ├── lib │   ├── datasets ... │   ├── detectors ... │   ├── external ... │   ├── logger.py │   ├── models ... │   ├── opts.py │   ├── trains ... │   └── utils ... ├── infer_results │   ├── detections_test-dev2017_ctdet-flip-test_results.zip │   └── detections_test-dev2017_ctdet-multi-scale_results.zip └── training_logs     ├── jobf9a05f30-job-trainjob-ctdet.0-0-0-det-0_default-stdout.log     ├── logs_2020-11-12-22-19 ...     └── opt.txt1. 准备数据集本模型基于COCO数据集进行训练。COCO数据集是由微软发布的一个大型的、丰富的物体检测，分割和字幕数据集。就目标检测而言，COCO包含80个类别，有超过33 万张图片，其中20 万张有标注，整个数据集中个体的数目超过150 万个。具体信息可参考COCO官网。COCO数据集是当前主流检测、分割算法必然会进行测试的benchmark，对计算机视觉的发展有着重要的贡献。1.1下载数据集 需要下载的有image 与 annotation 的文件包，下载网页链接：https://cocodataset.org/#download 下载下图中红框中的文件。         将以上文件解压后有如下文件结构coco |-- annotations |   |-- instances_train2017.json |   |-- instances_val2017.json |   |-- person_keypoints_train2017.json |   |-- person_keypoints_val2017.json |   `-- image_info_test-dev2017.json |-- train2017 |   |-- xxx.png |   `-- ... |-- val2017 |   |-- xxx.png |   `-- ... `-- test2017     |-- xxx.png     `-- ...为了便于上传，我们将这些下载好的已经解压了的数据再次打包tar -cvf coco.tar ./coco如果想要使用自己的数据集来进行训练，需要将数据组织成如上COCO数据的格式。更多信息可参考COCO官网1.2 安装OBS Browser+并上传数据集ModelArts使用对象存储服务（OBS）来存储数据，实现安全、高可靠和低成本的存储需求。OBS Browser+是一款用于访问和管理对象存储服务（Object Storage Service，OBS）的图形化工具，支持完善的桶管理和对象管理操作。OBS Browser+的图形化界面可以非常方便地让用户在本地对OBS进行管理，例如：创建桶、上传下载文件、浏览文件等。具体操作步骤如下：（1）点此下载OBS Browser+，下载完成后解压缩，双击exe进行安装，安装完成后运行；（2）登录界面如下图所示，需要您填写账号名、Access Key ID（AK）和Secret Accsee Key（SK），参考此文档，获取AK和SK，华为云上的许多产品都需要用到访问密钥，请妥善保存该密钥文件，然后参考下图填写您的华为云账号名及刚获取的AK和SK，点击登录；（3）参考下图，点击“创建桶”，输入桶名称，注意：区域要选择华北-北京四、标准存储、私有、关闭多AZ，桶名需自定义，OBS桶名要全局唯一，如提示桶名已存在，则需要您修改为其他名称，比如本文设置桶名为paper-reproduction-06。您设置的桶名必须与此不同，如在下文的操作指导中看到paper-reproduction-06，请主动将桶名替换为您自己的桶名，下文将不再进行提示；（4）点击桶名称，进入到桶中，点击“新建文件夹”，输入文件夹名称，如“datasets"，点击“上传”->“添加文件”-> 选择本地下载好的数据集压缩包（之所以选压缩包格式是因为如果数据集比较大，上传压缩包比上传文件夹快很多） –> 确定，如下图所示；注意：这里需要留意你上传数据的路径。比如这里我们将数据上传至了 `obs://paper-reproduction-06/datasets` 这一路径，之后在配置训练任务时需指定该路径。（5）点击OBS Browser+左侧的“任务管理”，可查看数据上传进度。如下图所示，点击设置，在基础设置中，设置最大并发数为最大值50，可以加快数据上传速度2. 订阅本算法点击本页面右上方的【订阅】按钮。然后点击页面下方的【下一步】按钮，再点击【确认付款】按钮，最后点击【确定】按钮进入我的订阅页面，可以看到刚刚订阅的算法。点击【应用控制台】超链接，选择华北-北京四区域，进入算法管理页面。如下图所示，点击“同步”按钮，同步算法，可以点击刷新按钮，刷新状态。当状态变成就绪时，表示同步成功。3. 创建训练作业点击上图中的“创建训练作业”，按照下表填写训练作业参数：参数名参数值算法名称默认值即可，无需修改数据来源数据存储位置，根据1.2节，步骤(4)中数据实际上传路径来设置。示例：obs://paper-reproduction-06/datasets模型输出在obs中创建一个output 路径，将该路径作为本参数的输入。示例：obs://paper-reproduction-06/train_outputbatch_size20master_batch20 (单卡时 master_batch = batch_size 即可，多卡时设置为主gpu上训练的batch size)lr2.5e-4load_weightsrc/pre-trained_weights/ExtremeNet_500000.pthgpus0 (此处为gpu_id, 单卡时设置为0，8卡时设置为0,1,2,3,4,5,6,7)num_epoch50lr_step40作业日志路径创建一个log路径，例如 obs://paper-reproduction-06/train_logs资源池公共资源池规格GPU：8 * nvidia-v100 CPU：64 核 512GiB 32GiB，或者根据自己的需要进行选择。所选算力需要与batch_size的大小匹配计算节点个数1点击下一步，提交，训练作业的状态会经历“初始化”、“部署中”、“运行中”和“运行成功”四个状态。训练作业运行成功后，在上表中指定的“模型输出”路径下会自动生成model目录，该目录下需有模型文件、ModelArts平台推理脚本（config.json、customize_service.py）和其他运行模型必备的文件。4. 模型导入准备好模型及相关的必备文件后，您可以将生成的模型导入至ModelArts模型管理。具体操作如下：（1）在ModelArts控制台的左侧导航栏点击“模型管理” -> “模型”，点击右侧页面中的“导入”。在导入模型页面填写名称，选择元模型来源，可以直接从训练中选择，也可以从OBS中选择。如果是从OBS中选择，则需要选择到model目录的上一级目录；例如，本次可选择的目录为obs://paper-reproduction-01/train_output，如下图所示：注意：选择好元模型路径后，“AI引擎”会自动填充。如未能自动填充，请检查元模型路径是否是model目录的上一级目录，或者model目录下是否包含模型配置文件config.json。（2）点击“立即创建”，需要一点时间来等待模型导入和构建，当模型版本状态为“正常”后，即表示模型导入成功。5. 创建在线服务在ModelArts上，可以将模型部署为在线服务，然后上传图片进行预测，直接在网页端观察预测结果。部署为在线服务具体步骤如下：（1）在ModelArts左侧导航栏中选择“部署上线 -> 在线服务”，然后点击页面中的“部署”；（2）在部署页面填写参数，其中在“模型列表”选择要导入的模型及版本，计算节点规格选择CPU即可；（3）点击“下一步”，参数确认无误后，点击“提交”。提交后，您可以在在线服务列表中查看部署进度，当状态变为“运行中”后，点击服务名称，进入详情页面，点击“预测”，上传图片进行测试。6. 创建批量服务在ModelArts上，还可以将模型部署为批量服务，从OBS加载测试集图片进行预测，然后将预测结果输出到OBS。部署为批量服务具体步骤如下：（1）在ModelArts左侧导航栏中选择“部署上线 -> 批量服务”，然后点击页面中的“部署”；（2）在部署页面填写参数，其中在“模型列表”选择要导入的模型及版本，填写输入数据目录和输出数据目录，计算节点规格选择“CPU 2核 8GB”，计算节点个数设为1；（3）点击“下一步”，参数确认无误后，点击“提交”。提交后，您可以在批量服务列表中查看部署进度，当状态变为“运行中”后，表示正在预测中，当状态变为“运行完成”，表示这批图片已经预测结束，预测结果是一批txt文件，保存在上图指定的OBS输出数据目录位置中，可以前往该目录查看结果。Update：本模型的部署也支持模型参数配置，这里通过添加环境变量的形式来实现。推理模型支持通过添加环境变量的形式来实现模型参数的调整。环境变量赋值说明BATCH_INFERTrue批处理模式，用于之后模型精度验证FLIP_TESTTrue反转测试MULTI_SCALETrue多尺度测试以上选项默认为FALSE，只有在配置服务时通过添加环境变量的形式才能开启。当我们要通过批量服务来推理coco val 或 test 数据集时，需要添加BATCH_INFER 这一环境变量，以便后续评价标准的计算。7. 模型评估7.1 方法一参考本文第2节中的步骤，创建“训练作业”，按照下表设置训练参数：参数名参数值算法名称默认值即可，无需修改数据来源数据存储位置，选择测试集所在路径，如obs://paper-reproduction-01/algorithms/train_input/datasets/val模型输出选择obs://paper-reproduction-01/algorithms/train_outputload_weightsrc/trained_model/epoch_50_mAP_42.7.pthgpus0evalTruekeep_resTrueresumeTrueflip_testTrue (可选参数)test_scales0.5,0.75,1,1.25,1.5 (可选参数)作业日志路径选择obs://paper-reproduction-06/train_logs资源池公共资源池规格GPU：1 * nvidia-v100-pcie-32gb CPU：8 核 64GiB 32GiB，或者根据自己的需要进行选择计算节点个数1点击下一步，提交，训练作业的状态会经历“初始化”、“部署中”、“运行中”和“运行成功”四个状态。训练作业运行成功后，在上表中指定的“模型输出”路径下会自动生成pred_results目录和_result.txt文件，其中pred_results目录中是所有图片的预测结果。评价输出日志如下：Loading and preparing results... DONE (t=2.83s) creating index... index created! Running per image evaluation... Evaluate annotation type *bbox* DONE (t=49.03s). Accumulating evaluation results... DONE (t=11.23s). Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.441 Average Precision (AP) @[ IoU=0.50 | area= all | maxDets=100 ] = 0.637 Average Precision (AP) @[ IoU=0.75 | area= all | maxDets=100 ] = 0.480 Average Precision (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.271 Average Precision (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.472 Average Precision (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.581 Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 1 ] = 0.346 Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets= 10 ] = 0.571 Average Recall (AR) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.605 Average Recall (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.428 Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.643 Average Recall (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.757 Copying save data back to OBS... ModelArts post-training work is done!7.2 方法二我们还可以在模型模型完成部署后，利用批量服务的形式完成推理评价。部署批量推理的流程见步骤6.当完成批量推理后，我们会在所指定的obs路径中看到每张图片的推理结果，命名格式为`xxx.jpg_result.txt`。此时我们可以运行评价脚本 `coco_eval.py` 来完成测试python src/coco_eval.py该脚本也支持在华为云上运行。只需将data_url 参数设置为obs 中批量推理的输出路径。好了，到此即将结束了，大家感觉怎么样呢？期待大家在下方分享使用体验和感受，有问题也可以提哦，直接在下方回帖就行，会尽快解答的。

想与5代技术代表人物岳麓对话和前浪后浪们在千年岳麓书院回首激荡岁月共话技术大时代想在一段特定的时间内，相聚在一起以我们想要的方式，去做我们想做的事情整个编程的过程几乎没有任何限制或者方向想了解开源治理、社区发展和开源项目和国内外顶级开源大神来一场走心的面对面交流互动2020年10月25日报名参加下列活动MindSpore与您一起感受每一场精彩1MSG·长沙——1024程序员节分论坛100+ 开源技术英雄年度会面来自知名开源项目、厂商、社区、基金会等百万开发者自己的嘉年华众多创新互动体验、专属嘉年华和主题畅玩活动MindSpore邀您走进华为开源技术论坛与资深专家学习探讨深度学习与MindSpore实践相关知识活动信息如下↓2第十一届中国开源黑客松第十一届中国开源黑客松活动将于2020年10月23日-25日在长沙举办黑客松活动将与1024程序员节相结合相信一定能碰撞出不一样的火花活动信息如下↓还有精美礼品等您领取↓3 2020中国开源年会 (COSCon'20) 业界最具影响力的开源年度盛会2020中国开源年会 (COSCon'20) 将于 10月24日-25日由开源社举办COSCon 以其独特定位及日益增加的影响力吸引非常多顶级企业和国际基金会的大力支持MindSpore在这里为大家带来精彩分享深入浅出介绍全场景AI计算框架-MindSpore感兴趣的小伙伴们扫描下方二维码报名哟~MindSpore官方资料GitHub:https://github.com/mindspore-ai/mindsporeGitee:https://gitee.com/mindspore/mindspore官方QQ群: 871543426责任编辑：程旭总策划：胡晓曼长按下方二维码关注↓

Composer 镜像包不全，更新不及时。

安全与可信的代码质量社区对ONAP的代码质量进行衡量时主要是通过七个维度：鲁棒性、安全性、可伸缩性、性能、韧性、可管理性、可用性。各维度度量指标定义如下。1.鲁棒性鲁棒性又称可靠性，是软件系统最重要的质量指标。根据ISO9000国际质量标准的规定：鲁棒性是指在规定时间内及条件下，软件能维持其性能水平的能力。一般用在一段时间内密集强化输入的测试方式来验证，即输入比正常输入更恶劣（合理程度内的恶劣）的数据，同时尽可能多地覆盖调用的子模块。这种测试方式在软件领域也叫浸泡测试（soak test），即尽量贴近实际使用情况，在一个稳定的、有一定负载的环境上，持续长期测试并实时监控CPU、内存、磁盘IO等指标变化，以发现内存泄漏、频繁GC等性能问题。ONAP对鲁棒性的要求如下：Level 0（0级）：在版本发布要求中，无鲁棒性内容。Level 1（1级）：版本已执行过72小时组件级浸泡测试（稳定负载下的随机事务测试，且对主要代码分支，代码覆盖率达到80%以上）。Level 2（2级）：版本已执行过72小时平台级浸泡测试（稳定负载下随机事务测试，且对主要代码分支，代码覆盖率达到80%以上）。Level 3（3级）：在6个月以上长期测试中，出现缺陷率持续降低的测试跟踪记录。2.安全性ONAP采用核心基础设施倡议联盟（Core Infrastructure Initiative，CII）的勋章项目要求作为安全性度量标准。CII Badge（徽章）项目则给出开源软件的安全最佳实践要求及徽章认证。以帮助开源软件提升安全能力。认证分三级：基础认证、银牌认证、金牌认证。对项目的安全认证要求如下（0～3共4个级别）：Level 0（0级）：无要求。Level 1（1级）：项目通过CII基础徽章认证，无业界已知的严重级别或高级别漏洞（＞60天的）。Level 2（2级）：项目通过CII银级徽章认证且所有内外部通信都是支持加密，且支持基于角色的访问控制与鉴权。Level 3（3级）：项目通过CII金级徽章认证。ONAP对整个版本的安全需求定义如下：Level 1（1级）：70%项目通过1级认证，剩下项目满足80%条款要求，且需要符合社区安全委员会制定的特定加密标准。Level 2（2级）：70%项目通过2级（CII银级徽章认证），剩下项目都已通过CII基础徽章认证，且满足80% CII银级徽章认证的条款要求。Level 3（3级）：70%通过3级（CII金级徽章认证），剩下项目都已通过CII银级徽章认证，且满足80% CII金级徽章认证的条款要求。Level 4：所有项目100%通过3级（CII金级徽章认证）。3.可伸缩性可伸缩性（又称可扩展性）是一种衡量软件系统计算处理能力的设计指标，高可伸缩性代表在系统扩展成长过程中（常见的是容量或工作负载增长），软件仍能持续对外提供正常服务的能力，即不出现性能急剧劣化等无法服务的瓶颈限制。ONAP对可伸缩性各级别的定义与要求如下：Level 0（0级）：无可伸缩性。Level 1（1级）：支持独立于其他组件的单点水平扩缩容能力。Level 2（2级）：支持跨地理位置扩缩容能力（在独立于其他组件的条件下）。Level 3（3级）：支持跨多ONAP实例间的组件扩缩容能力（包括提供相应的可操作性）。4.性能软件性能是指软件及时响应以满足用户要求的程度。常见性能指标通常包括响应时间、并发数、吞吐量及性能计数器等。狭义地讲，性能是指软件在尽可能少地占用系统资源的前提下，尽可能高地提高运行速度；广义地讲，软件性能关注的不是软件是否能够完成特定功能，而是在完成该功能时展示出来的及时性。在ONAP中对性能的理解是基于狭义定义的，其分为如下3级：Level 0（0级）：没有专门的性能测试。Level 1（1级）：定义了性能标准基线且有对应测试结果（如针对各组件定义响应时间、事务/消息速率、延迟、占用空间等）。Level 2（2级）：针对1级中定义的性能基线，在1个版本中定义改进计划（基于等效功能&等效硬件）。Level 3（3级）：对2个或以上连续版本实施性能改进计划。5.韧性韧性又称弹性，描述ONAP软件自身在故障场景下，继续对外服务的能力。ONAP对韧性的各级别定义与要求如下：Level 0（0级）：无冗余能力。Level 1（1级）：支持在单站点内手动故障检测、重路由或故障恢复；30分钟内完成测试。Level 2（2级）：在单个地理站点内支持自动故障检测和重路由，包括定义相关基线（存在无状态组件与有状态组件，可分别定义基线）。Level 3（3级）：跨地理站点支持自动故障检测和重路由，包括定义相关基线。6.可管理性可管理性又称易管理性，是指系统在运行过程中衡量便于管理的程度。良好的可管理性可以有效减少系统的管理和维护成本。ONAP对可管理性的定义主要关注在对ONAP进行维护运作时是否能达到方便影响范围控制等要求。Level 1（1级）：所有ONAP组件统一使用单一的日志记录，实例化一个简单ONAP系统时，在满足最小资源要求的情况下，时间应小于1小时。Level 2（2级）：组件可以独立升级，而不会影响操作交互组件，支持跨组件的分布式事务跟踪，各组件支持以通用方式实现对组件的统一配置。7.可用性易用性是指操作人员在学习或使用系统时的容易程度。易用性的设计重点在于让系统或产品符合使用者的习惯与需求。ONAP对易用性的要求集中在文档与用户界面设计的一致性与便利性上。Level 1：提供了用户指南、部署文档、API文档及代码遵从编码指南。Level 2：整个ONAP中的各个项目都提供一致的用户界面，且进行了可用性测试，提供辅助文档。各版本S3P（Security, Stability，Scalability, Performance）指标目标与满足情况如下：从ONAP R2（Beijing版本）开始，启动这套质量评估机制，各项目基本处于从0到1的过程。R3版本则要求多数指标都需达到2级要求（可伸缩性要求达到1级，部分设计态项目对韧性要求可降低）。R4（都柏林版本）重点在如下领域进行增强：ONAP自身容器镜像优化，包括大幅减少体积、增加对代码的文档说明、集成CNCF的ServiceMesh组件、支持升级、跨地理位置的灾备、统一日志记录等。

想做网站却不知道做一个什么样的网站？选择华为云云市场，云速建站 美橙定制，专业网站设计师为您量身定制，全程一对一服务，满意为止。关于美橙互联：14年品牌，7家分公司，300位服务精英，提供高端网站建设与制作。特点：定位+策划+设计+营销，高端大气，功能强，高效销售转化，灵活改版升级扩展，满足个性需求。可单独定制（PC网站、手机站、微信站、小程序、APP），或五站合一，匠心打造！PC站、微信站、商城店铺样样行，小程序、APP一键生成即刻拥有！云速建站 美橙定制的核心价值：核心价值一：帮您找到更多客户1.搜索引擎优化 SEO系统提供的有seo搜索引擎优化功能，通过对网站内部进行优化满足搜索引擎排名的需要，提高搜索结果的排名名次（比如百度搜索结果的排名）、把精准用户带到网站平台、实现在线购买或品牌宣传。2.百度分享访问者可以把网站页面分享至微博、QQ、微信等主流平台、带来更多免费流量，同时能提升网页被百度抓取机率和速度、提高百度排名。3.企业开展微信营销活动的重要性提供多种微信营销工具，帮助企业快速拓展粉丝，增加新客户，比如象：企业微信红包、微助力、微众筹、一元夺宝、朋友代付等。 核心价值二：赢得客户的充分信任1. 精美模板模板包含了ｐｃ和手机，是由专业设计师精心设计制作，高端、大气，覆盖了各个行业，能有效的打造企业完美形象，增强客户好感，为企业带来更多咨询客户。2. 产品展示可以运用多媒体方式，图片、声音、动画、视频等全方位展示企业产品和业务，让客户了解的更透彻，增加购买欲望。3.多语言平台系统支持无限语种，不但可以多语种展示，还可以多币种网上交易，让您的网站有能力拓展海外用户。核心价值三：在线咨询支持多种即时沟通工具，提供了客户留言板，以保障二十四小时不错过任何一个意向咨询客户。核心价值四：在线交易1. 强大的商品管理能够对商品添加、分类、编辑、删除、定义商品价格、库存等。2. 友好的购买体验3.多样化的支付方式4. 多币种结算5. 其它交易功能6. 营销活动工具核心价值五：客户维系1. 客户维系的必要性提供多项会员营销功能，能够增进企业与客户之间感情的桥梁，能够把两者紧紧绑定在一起。2. 会员管理功能企业能够根据会员资料和消费数据区分出潜力、普通、和优质会员，制定有针对性的营销方案、提升公司营收；还可以对会员进行级别设定，给予老客户优惠，这样可以增加老客户粘性，保证他能持续消费。3. 积分和优惠券4. 站内通知5.　微信贺卡6. 多种小游戏7. 摇一摇、微现场8. 调研、投票9. 统计报表核心价值六：网络分销提供网络分销功能，快速让企业拥有无限分店，没有任何风险。无限下级、三级返佣的体制能有效提升分销商积极性，有利于下级分销商快速拓展；分销平台还可以一键分享微博、微信 、QQ社交平台，快速传播带来访问流量，带来很好的经济效益。核心价值七：四站合一系统是属于四站合一的系统，即ｐｃ、手机、微信、ａｐｐ。覆盖所有客户智能终端平台，宣传价值最大化。同时也是跨平台的，所有平台数据全部同步，节省企业维护时间，高效、快捷！ 文中提到的商品：云速建站 美橙定制（云市场严选商城在售）【华为云云市场，助您上云无忧】

大家好，经历了八月如火如荼的开发之后，MindSpore带来了本月的更新——v0.7.0-beta（后简称v0.7）版本。按照惯例，接下来给大家解读MindSpore又有了什么新的关键特性~本月最大的惊喜是MindSpore发布了针对手机及IoT场景，端到端的解决方案——MindSpore Lite。从模型开始到最后的编译发布，提供了包括转换工具、Runtime等工具链，帮助用户在手机以及后续的IoT设备上使能MindSpore的AI能力。了解MindSpore Lite：https://www.mindspore.cn/lite在实际使用过程中因为一些原因，譬如使用图像分类应用时，当镜头模糊、光照不足、下雨大雾、拍摄角度等等情况下，实际输入的数据与训练模型时的标准数据集有一些不同。在这种情况下，模型可能出现模型精度答复下降。而在某些极端情况下，可能出现未知的推理失误，引入安全性问题。如在人脸解锁场景，可能因为未知的干扰，而意外解锁。为了更好的评估和提高模型的鲁棒性，同时尽可能激活神经元，减少未知的安全风险，MindArmour提供了Fuzz（模糊）测试工具。测试过程中，工具的Fuzzer Moduler（Fuzz模块）可以对数据集进行增强，如色差、翻转、模糊等，自动化产生测试样例，如下图右侧。在结果输出方面，用户可以看到模糊测试结果，评价了图像的覆盖率指标以及精度下降。下图左侧可以看出在模型出现扰动的情况下，模型精度（Accuracy）下降程度以及神经元激活程度（Coverage Rate）。使用教程：https://www.mindspore.cn/tutorial/zh-CN/master/advanced_use/fuzzer.html深度概率编程融合了深度学习和贝叶斯建模，深度概率模型相比于传统的深度神经网络模型，引入了不确定性，提升了模型的鲁棒性和可解释性。MindSpore在v0.7版本中，提供了概率模型的高效编程库，可以与深度学习模型无缝融合，以面向不同需求的开发者。对于熟悉深度学习的同学，支持深度神经网络一键转贝叶斯神经网络；也支持调用封装好的接口，像实现深度神经网络一样实现贝叶斯神经网络和生成网络；并提供不确定性估计工具，方便同学评估模型和数据。对于熟悉概率学习的同学，其提供丰富、通用、模块化的贝叶斯建模和推断方法库，包括概率采样库、贝叶斯神经网络，概率推断算法等，帮助用户更加快速、简洁地进行概率编程。使用教程：https://gitee.com/mindspore/mindspore/tree/r0.7/mindspore/nn/probabilityMindSpore数据处理组件新增了自动数据增强的能力，支持用户在处理数据过程中灵活定制及调整数据增强操作。主要有以下两种特性：• 支持基于概率动态调整数据增强策略根据用户预置策略列表，每次随机选择一个策略，同时同一策略各数据增强算子有不同的概率，按照概率选择算子执行。https://www.mindspore.cn/api/zh-CN/r0.7/api/python/mindspore/mindspore.dataset.transforms.vision.html?highlight=selectsub#mindspore.dataset.transforms.vision.c_transforms.RandomSelectSubpolicy• 支持用户根据pipeline上下文信息或训练结果动态调整数据增强策略支持batch、 epoch粒度调整数据增强策略。https://www.mindspore.cn/api/zh-CN/r0.7/api/python/mindspore/mindspore.dataset.html?highlight=sync_wait#mindspore.dataset.I mageFolderDatasetV2.sync_waitMindSpore迎来首个开源ISV对接！Jina.ai，AI开源新势力Jina.ai是由MindSpore技术治理委员会成员肖涵博士主导的初创公司，致力于提供面向云原生的开源神经网络搜索能力。让我们看一下Jina如何描述他们对AI开源的看法：得益于深度学习框架和现成的预训练模型，端到端应用程序市场中有许多人可以做出重大贡献的机会。随着每天涌现出新的AI算法，如何跟上步伐？项目范围是什么？面对社区的要求时，如何维护项目？这些困难的问题需要一个明确的答案，比如在此前开发bert-as-service时，有很多要求将其扩展到AlBERT，DistilBERT，BioBERT等。我们优先考虑了适合我们的路线图的那些需求进行落地。最好的开源也许不是最闪亮的，但是可以持续生长的开源。可以看到Jina团队对开源开发有着非常成熟的思考，那么与MindSpore的对接是否属于适合Jina路线图的需求呢？Jina助力MindSpore的云原生野望答案是肯定是！就在8月份，Jina社区团队完成了MindSpore框架的初步对接支持，成为了首个对接MindSpore应用集成商。Jina+MindSpore提供了业界少有的完整开源解决方案，Jina.ai将在近期推送详细的技术介绍博文，我们也会在第一时间转载推送，心急的同学可以先来关注几个主要的PR：• https://github.com/jina-ai/jina/pull/836• https://github.com/jina-ai/examples/pull/155• https://github.com/jina-ai/examples/issues/154One More Thing：MindSpore 8月新增了2个新的SIG和2个新的WG！特殊兴趣组（Special Interest Group，简称SIG）以及工作组（Working Group，简称WG）是开源社区开发中常见的项目组织形式。由于MindSpore社区采取开放治理架构[0]，除了把握大的发展方向的技术治理委员会（Technical Steering Committee，简称TSC）之外，日常的模块开发为了兼顾开放协作和迭代效率，通常通过SIG的形式由开发者自由组队，并通过推举SIG Lead的方式来产生模块开发的负责人，管理日常工作，有关注过MindSpore邮件列表的同学应该会留意到经常会有SIG负责人换届的公开邮件。工作组WG则主要是负责一些涉及到多个SIG的需求传递、设计讨论等工作。当然不是！SIG/WG的创建总是为了应对具体的开发或协作的问题而产生的，一个开源社区的SIG/WG的数目，在客观上不说明任何社区健康度或者活跃度的问题。关键还是要看SIG/WG本身的内容和质量，比如在之前MindSpore社区开源后成立的第一个新SIG-AKG，就为开发者带来了图算融合这样非常黑魔法的特性。8月份社区迎来的这4个新组织都非常各具特色，我们将会在接下来通过4篇独立的文章分别介绍：SIG-MSLITEMindSpore社区8月份端侧特性大版本更更新，现在大家使用的华为手机中支撑HMS Core里面AI应用的MindSpore Lite模块，已经在社区所见即所得了！立项文档可参见[1]，我们将会在9月1日的公众号文章详细介绍SIG-MSLITE。SIG-DPP由清华大学开源项目珠算团队[2]带来的深度概率编程支持！通过开发MindSpore深度概率编程库，为广大开发者提供与深度学习无缝融合的高效贝叶斯学习编程库。立项文档可参见[3]，我们将会在9月2日的公众号文章详细介绍SIG-DPP。WG-MM由深圳湾实验室分子动力学团队带来的非常令人兴奋的需求性工作组。分子动力学如今被广泛应用于广泛应用于物理、化学、生物、材料、医学等领域，可以说是当之无愧的基础核心技术。这个新工作组将聚焦在MindSpore如何帮助加快深度分子模型的创新实现。立项文档可参见[4]，我们将会在9月3日的公众号文章详细介绍WG-MMWG-Research是由华为团队发起的基于MindSpore面向未来的十大课题，通过开源社区面向开发者征集好的想法，以及对开发进行必要的资助。立项文档可参见[5]，我们将会在9月4日的公众号文章详细介绍WG-Research里面的十大课题都有哪些。参考文献：[0]https://gitee.com/mindspore/community/blob/master/governance.md[1]https://gitee.com/mindspore/community/blob/master/design/meps/mep-mslite/MEP-MSLITE.md[2]https://github.com/thu-ml/zhusuan[3]https://gitee.com/mindspore/mindspore/issues/I1RG6C[4]https://gitee.com/mindspore/community/blob/master/design/meps/mep-mm/MEP-MM.md[5]https://gitee.com/mindspore/community/blob/master/design/meps/mep-research/MEP-RESEARCH.md推荐阅读MindSpore官方资料GitHub:https://github.com/mindspore-ai/mindsporeGitee:https://gitee.com/mindspore/mindspore官方QQ群: 871543426长按下方二维码关注↓

【功能模块】华为云CentOS镜像源站，是我哪里设置不对？【操作步骤&问题现象】1、启动最新版本centos的容器docker run -d centos sleep 1000000000002、设置镜像源：curl -o /etc/yum.repos.d/CentOS-Base.repo https://mirrors.huaweicloud.com/repository/conf/CentOS-8-anon.reposed -i "s/#baseurl/baseurl/g" /etc/yum.repos.d/CentOS-AppStream.reposed -i "s/mirrorlist=http/#mirrorlist=http/g" /etc/yum.repos.d/CentOS-AppStream.reposed -i "s@http://mirror.centos.org@https://mirrors.huaweicloud.com@g" /etc/yum.repos.d/CentOS-AppStream.repoyum clean allyum makecache3、安装包：yum install -y openssh-server openssh-clients nfs-utils epel-release \                   perl-XML-Simple sudo rpm-build  openssl-devel \                   ncurses-devel pam-devel libXmu-devel  java-devel \                   javacc ant-junit ant-nodeps swing-layout /usr/include/db.h  \                   /usr/include/Xm/Xm.h gcc /bin/csh tar4、报错：No match for argument: jemalloc-develAll matches were filtered out by modular filtering for argument: javaccAll matches were filtered out by modular filtering for argument: ant-junitNo match for argument: ant-nodepsNo match for argument: swing-layoutError: Unable to find a match: jemalloc-devel javacc ant-junit ant-nodeps swing-layout【截图信息】【日志信息】（可选，上传日志内容或者附件）

盼望着~盼望着~一年一度的华为全联接终于要来啦~！作为我们的老朋友当然对码豆了如指掌，那新朋友们快来看看吧--码豆是什么~？码豆作为华为全联接2020中的虚拟货币，可以用来在华为云码豆商城中买买买！2020年9月1日-9月29日，只要各位攻城狮在华为全联接2020参与各类开发者活动，即可获得码豆并能在华为云码豆会员中心的礼品商城轻松兑换各种礼品！快来看看本次华为全联接2020有什么值得期待的东东吧~！（部分礼品展示）更多礼品戳这里查看有木有心动呢？辣么，如何才能玩转华为全联接大会2020，赢取码豆呢？这里有一份超强码豆攻略！建议先收藏再仔细阅读哦！ 超强码豆攻略冲顶HC码豆排行榜，领取千元大礼包！更有百万大奖等你来瓜分！2020年9月1日-9月29日期间，各位攻城狮可以通过参加HC码豆排行榜系列活动积攒码豆，码豆会员中心将展示各位攻城狮的码豆排行榜，该榜单将于9月29日16:00截止统计，期间获得码豆总数最多的前30名攻城狮，可获得本次大会价值千元的限定礼包——“攻城狮大礼包”。大礼包中包含以下礼品：华为手环 4 Pro（曜石黑）、荣耀xSport 运动蓝牙耳机（魅焰红）、华为快充移动电源 10000mAh (Max 18W) Micro版（白色）、华为 AI 音箱 2（太空黑）→戳我查看榜单←参加以下HC码豆排行榜系列活动，所获得码豆将计入排行榜中（活动将不断更新）系列活动一：看直播填问卷，码豆好运来！活动期间近百场开发者技术专题直播演讲（9月25-26日），观看任意场次的直播并填写问卷即可获得1000码豆！（活动期间仅可完成一次）填写问卷即可参加抽奖，更有华为手表、平板、码豆多重大礼任性送，100%中奖！活动已结束系列活动二：体验华为云产品，轻松赚码豆！在会员中心完成日常产品体验类任务，可以获得相应的码豆奖励。活动已结束系列活动三：沙箱实验等你来high！一站玩转云计算、人工智能、鲲鹏等前沿技术领域，动动手指轻松做实验，赢取百万码豆奖励！畅游技术云海！活动已结束系列活动四：华为云开发者社区活动码豆狂欢大放送！开发者社区本次为大家准备了丰富精彩的社区活动任务哟，做任务可以学到很多知识干货，完成所有任务有机会获得10000+码豆：1、 WEB前端全栈成长计划：集成华为研发经验的高质量前端课程，覆盖HTML/JavaScript/Node.js等核心知识点，助力前端技能快速提升，向全栈工程师迈进！2、 IoT物联网全栈成长计划：20+大章内容/100+小时精品课程/3个月集中授课，理论结合实践，迈入物联网全栈。3、 微服务全生命周期实战体验：ServiceStage是面向企业的应用管理与运维平台，提供应用开发、构建、发布、监控及运维等一站式解决方案；本次活动体验应用托管DevOps全流程，云原生微服务能力进阶实战。4、 API网关精选实践课：API网关是为企业开发者及合作伙伴提供的高性能、高可用、高安全的API托管服务；通过本课程的学习，了解API网关的实际应用，及其如何助力企业数字化转型，实现API变现；一节课轻松玩转API网关1 5、 我眼中的华为HC大会：华为HC2020开发者社区预热活动第一弹！参与互动赢取奖励吧！6、 HC2020最期待大会亮点票选：HC2020你最期待的大会亮点，参与投票赢取豪礼！7、 HC2020倒计时签到：HC2020倒计时福利活动，叠彩云助力大会启幕，盖楼签到赢取幸运好礼！8、今年HC，不能错过的网络人工智能活动戳这里：①预约NAIE线上展厅领500码豆；②逛NAIE展厅最高领取21888码豆更多精彩活动敬请期待！活动已结束系列活动五：云速建站购买即送10000码豆无需开发，PPT式建站体验！购买即送1万码豆，满5千送5万码豆，助力冲榜首！活动时间：2020年9月23日-9月28日活动地址：戳我去购买系列活动六：云上开发精选优惠低至1元精选服务4折起，消费满额赠豪礼，新用户首购送码豆，助力开发者上云无忧！活动时间：2020年9月1日-9月26日（最高可获20万码豆）活动已结束系列活动七：码上开启藏宝图手握藏宝图访问线上展厅参观，填写问卷即可获得2000码豆哦~问卷答题60分即可开启抽奖，100%中奖！ 荣耀手表、机械键盘抱回家！数量有限，先到先得~！活动时间：9月23日-9月26日活动已结束参加以下活动可获得海量码豆，商城礼品统统搬回家！（以下活动所获码豆不计入排行榜，活动将不断更新）活动一：呼朋唤友，大奖到手！HC大会前期，在华为云会员中心参加【冲顶好友排行榜】活动，邀请一名好友即可获得1000码豆！上不封顶哦！邀请人数排名靠前的用户还可以获得华为手机等大奖。该活动获得的码豆不计入HC榜单，可用于兑换礼品。活动已结束：查看邀请榜单活动二：开发者最佳实践挑战营（第七期）一站玩转华为云应用服务，超多实用场景Demo即学即用，闯关赢码豆&多种好礼！活动时间：2020年8月14日-9月15日（最高可获6800码豆）活动已结束活动陆续更新中，敬请期待~温馨提示：1、为确保新老用户的权益相同，本次HC码豆排行榜中不包含新人专区任务所获得的码豆。2、排行榜统计的时间段为2020年9月1日-9月29日16:00，之后所获得的码豆将不计入排行榜中。3、活动单独充值的码豆需要用户先访问会员中心，否则码豆无法充值，9月30日以后发放失败的码豆将不予补发。4、本次活动预计发出5亿码豆，发完即止，先到先得哟！5、本次活动礼品数量有限，兑完即止，活动期间8月24日-9月30日兑换的礼品将于9月30日活动结束后的20个工作日内安排发放，请耐心等待。6、隐私声明：码豆商城礼品兑换需要您提供收货地址、收货人姓名、手机号码，如您确认兑换码豆商城的礼品，将默认授权码豆会员中心将您的个人信息共享给第三方服务供应商用于邮寄本次活动礼品。7、活动期间使用非正常途径或手段（如写脚本刷接口等方式）获得的奖励无效，且一旦发现作弊行为，将取消对应人员的获奖资格、冻结违规账号，已兑换的礼品也不予发放。     我们将保留采取法律手段追责的权力。8、本次活动详细规则见码豆会员中心“码豆规则”。

【直播时间】DevRun开发者沙龙直播时间：2020年8月14日 20:00~21:00【活动介绍】本期DevRun开发者沙龙，将由华为云数据库研发专家  GoldenJohn，为你揭秘GaussDB(for Mongo) 秒级水平扩展独家秘籍。凡报名参加线上直播或在本主题帖中留言的用户均可参与抽奖，奖品若干！ 【报名入口】点击下面链接或扫描微信二维码报名参加直播。报名链接：https://bbs.huaweicloud.com/signup/fa23d72deee34848ba261282a1648839报名二维码：【直播地址】1.微吼直播间：http://live.vhall.com/1823184392.华为云B站：http://live.bilibili.com/219454223.华为云斗鱼：https://www.douyu.com/huaweiyun4.华为云虎牙：https://www.huya.com/huaweiyun 【互动送好礼】满足下面的一个条件即可参与抽奖：1、报名参加直播。2、在本主题帖中跟帖，留言“GaussDB(for Mongo) 秒级水平扩展真牛”。3、在本主题帖中跟帖，留言“提问：xxx”、“建议：xxx”或“反馈：xxx”等。 【获奖规则】1、幸运奖：海纳斯小风扇，从报名入口完成报名的直播用户和本主题留言用户中，随机抽取若干名。2、互动奖：毕亚兹运动臂包，在本主题的留言中，选取最优秀的回帖若干名。3、同一个用户只有一个礼品。4、为保证公平公正，抽奖结果将在活动结束后7个工作日内本主题帖中发布，请报名和留言的伙伴关注社区内容。【礼品展示】【获奖用户】幸运奖：海纳斯小风扇Youhoo帕加尼风之子8866Jazzup小果果user_beifengwolfkdyhw59398218CHAOYING互动奖：毕亚兹运动臂包CharlesE孙小北hw46018172问道linghz666恭喜以上用户获得本期DevRun开发者沙龙直播社群互动奖，我们已私信您填写收件信息的链接，请您注意查看，我们会尽快发出奖品。如您未在8月27日之前提交获奖信息，视为您自动放弃。望周知。

华为开源镜像站 Mirrors（https://mirrors.huaweicloud.com/）是由华为云提供的开源组件、开源操作系统及开源DevOps工具镜像站，目前镜像站提供100+开源组件镜像加速下载服务，全站CDN加速，覆盖常见的开源开发组件、操作系统、常用工具以及华为云服务SDK，包含Maven、NPM、NuGet、CentOS、Ubuntu、Debian、华为鲲鹏核心组件，华为EI组件等，是国内唯一被Maven Central官方认证的开源镜像站。作为业界免费镜像增速最快的开源镜像站，连接华为开发者生态，提供“全面、高速、可信”的开源镜像下载服务，致力于做最懂开发者的镜像站，3.0新版强势来袭。特点一、全面1. 目前镜像站提供100+开源组件镜像库；2. 覆盖Maven、NPM、Python、Nuget等7大语言；3. 覆盖CentOS、Ubuntu等20+开源OS镜像源。二、高速1. 全站CDN加速、提供1500M独立带宽入口、部署海外镜像源实时代理。三、可信1. 国内唯一被Maven Central官方认证的开源镜像站；2. CentOS、EPEL等官方认证的操作系统镜像源；3. 提供组件漏洞信息查询。华为开源镜像站Mirrors 3.0新版本对比2.0版本新增特性：一、华为专属镜像、语言库，共建鲲鹏智能生态，并且大量华为专属SDK持续更新。二、增加我的收藏-自定义收藏镜像功能，可关注重点镜像动态。三、清晰的分类搜索、排序筛选，增加镜像导航分类，能快速找到各类镜像，并且预置多种筛选器及排序器，优化组合搜索。四、扁平化暖色设计：去除冗余、厚重和繁杂的装饰效果，减少认知负担，色彩采用淡淡的暖色系，强调了抽象、极简和符号化。评测内容通过与阿里云镜像站（https://developer.aliyun.com/mirror/）、腾讯软件源（https://mirrors.cloud.tencent.com/）进行对比，进行了多个方面的评测，具体如下：一、镜像内容镜像种类对比：名称种类阿里云镜像站79华为开源镜像站104腾讯软件源128与其他两种相比，华为开源镜像站种类数量不是最多的，相对腾讯要少一些，但是涵盖的镜像种类还是非常丰富的，包含了几乎所有常用的开源组件镜像库，最重要的是，提供很多种开源工具的下载，这一点非常方便，并且包含一些华为云自己的SDK。二、操作体验：镜像分类浏览方面，阿里云镜像站对镜像进行了4种分类、华为开源镜像站7种分类、腾讯软件源没有进行分类。相比之下，华为开源镜像站在分类上更加细化，更容易通过分类并且通过名排序直接快速的找到需要的组件，而不用另外进行手动搜索。每个镜像显示点赞数以及支持点赞数排序等多种排序，方便找到开发者们都经常使用的镜像。提供收藏功能，这一点是其他镜像库没有的，方便在以后查找使用。三、视觉体验：三者UI对比图，依次是阿里云镜像、站华为开源镜像站、腾讯软件源：很明显华为开源镜像站的UI最为简洁，显得十分专注，镜像站就是用来查找镜像以及组件，不需要其他冗杂的内容，三个镜像站中，只有华为开源镜像站能够在第一屏就能显示到镜像内容，没有其杂乱的东西，减少认知负担。四、性能建过程加载组件的速度方面由于网络带宽限制，在当前测试环境下除腾讯软件源以外均表现良好，没有出现加载慢或加载失败的现象，腾讯软件源出现了加载速度不稳定的现象。五、功能特性：最开始没有找到对应镜像的配置方法以及指示信息，是因为习惯于点击镜像名称，后来发现，点击“1”区域会跳转镜像目录，点击“2”区域会弹出窗口展示配置指示信息，这是对于有配置信息的来说的，而对于一些没有配置信息的镜像，无论点击哪里都会跳转镜像目录，感觉这一点可以适当增加一些提示信息或者提示标志。六、满意度：9分吧，性能、交互以及稳定性上没有什么可以挑剔的，可能在镜像丰富度上还可以再提升一些。七、推荐度：华为云的产品一直都很可靠，镜像站无论在性能还是稳定性上都非常优秀，非常值得使用。

By Coolincy华为云账号 Coolincy评测群昵称 Coolincy详见附件

欢迎您来云声提交对开源镜像站产品/功能的优化改进建议，每月都有不同好礼，只需1条有效建议，即有机会将好礼领回家~详情请见云声建议反馈活动各位可能会疑问，云声平台和工单平台的区别，请各位注意：云声平台收集产品功能建议、用户体验、产品缺陷等建议，收集到的建议在预审通过后会直接反馈给产品、技术团队，并及时反馈审核结果和实现计划工单平台处理系统故障、咨询服务、投诉等问题，7*24小时在线的专业技术服务工程师竭诚为您服务，能够快速解决您的问题；有效建议示例：产品功能类：用户体验类：产品缺陷类：开启建议之旅，加入云声

详细内容见附件

账号: cuilongbo群昵称: Larry-济南-EasyRedmine