内存泄漏——#5

VC Astasia Myers 对机器学习、云基础设施、开发人员工具、开源和安全的看法。 ** 在此注册** ** .**

** 产品**

代码见 2.0

CodeSee 可视化您的代码库和服务，并使您的工作流程自动化。当您深入研究代码库、规划功能或重构、编写代码和完成代码审查时，它可以为您提供帮助——让每一步都变得更容易，并且您做得更好。

**为什么这很重要？ ** 代码库变得越来越复杂。代码库比以往任何时候都大，并且随着向微服务的迁移，团队需要考虑他们的更改如何影响其他系统。团队在加入团队、进行系统设计和调试时需要帮助理解代码。我们理解代码的方式几十年来都没有发展。 Codesee 在 ProductHunt for 2.0 上获得了 710 次投票。

Meta 的 Velox：开源统一执行引擎

迅速 是一个开源统一执行引擎，旨在加速数据管理系统并简化其开发。 Velox 统一了数据计算引擎的常见数据密集型组件，同时仍可扩展和适应不同的计算引擎。它将以前仅在单个引擎中实现的优化民主化，提供了一个可以实现一致语义的框架。这减少了工作重复，提高了可重用性，并提高了整体效率和一致性。

Velox 正在积极开发中，但它已经处于与 Meta 的十几个数据系统集成的不同阶段，包括 Presto、Spark 和 PyTorch（后者通过一个名为 TorchArrow 的数据预处理库）以及其他内部流处理平台、事务引擎、数据摄取系统和基础设施、用于特征工程的 ML 系统等。

**为什么这很重要？ ** 过去几年见证了专业执行引擎的兴起和执行市场的碎片化。团队为他们的用例和需求选择最好的引擎。 Spark、Presto、Dask、Ray、DuckDB 等众多选项就是例证。这种碎片化使得维护和增强它们变得困难，特别是考虑到随着工作负载的发展，执行这些工作负载的硬件也会发生变化。最终，这种碎片化导致系统具有不同的功能集和不一致的语义——降低了需要与多个引擎交互以完成任务的数据用户的生产力。

Velox 展示了通过将其执行引擎整合到一个统一的库中来使数据计算系统更具适应性是可能的。由于数据帧库可以将执行计划表示为 Velox 计划，因此可以为数据帧、SQL 和 Python 工作负载提供统一的执行引擎。弥合 SQL 和 Python 用户和工作负载之间的差距是一个大趋势。

稳定扩散公开发布

稳定扩散 是由发布的文本到图像模型 稳定人工智能 .它与 DALL·E 类似，但完全开源。它可以在线使用或下载并在计算机上运行。

**为什么这很重要？ ** 生成式人工智能是一个不断发展的领域。 Stable Diffusion 之所以脱颖而出，是因为它是作为开源项目发布的，而不是像 DALL·E 和 Midjourney 这样的封闭源项目。我们期待更多的基础模型开源发布。我们已经看到生成内容可能会对创意领域产生影响。

** 内容**

“Heroku 免费层用户可以去哪里？”

Salesforce Heroku 宣布将停止支持 Heroku Dynos、Postgres 和 Data for Redis 的免费层。该公司还制定了其产品路线图计划，一些怀疑论者认为该计划乏善可陈，这表明 Salesforce 正在淘汰 Heroku。

**为什么这很重要？ ** Heroku 是一种平台即服务 (PaaS) 产品，它是云中的完整开发和部署环境。 PaaS 通常是初创公司开始构建的首选。结束免费层表明它不再有效地支持免费用户的长尾。它还为新兴的 PaaS 供应商提供了机会，例如 铁路 .

“开发者体验基础设施 (DXI)” 肯尼斯·奥亨伯格

Auchenberg 将开发人员体验 (DX) 称为“在开发人员与您的产品或服务交互的整个生命周期中为他们提供的整体体验”。他强调，开发人员希望在 2022 年实现某些功能，包括文档和内容、对错误消息细节的高度关注、API 参考、基线 API 基础设施、调试工具等。他讨论了较差 DX 的成本以及从 DX 到 DXI 的过渡作为一种新兴趋势。

**为什么这很重要？ ** 鉴于开发人员的稀缺性，他们可以利用自己的工作地点，这可能会受到流程和工具的影响。开发人员想要让他们的生活更轻松的工具，而管理层希望让他们尽可能高效。在 Auchenberg 的 DXI 市场地图中，他包括 轻轻松松 它提供了我们之前讨论过的 SDK 和 API 操作平台。

“研究：量化 Github Copilot 对开发人员生产力和幸福感的影响”

2021 年，GitHub Copilot 推出预览版，早期用户报告说它提高了开发人员的工作效率。在对用户进行早期观察和采访后，GitHub 对 2,000 多名开发人员进行了调查，以大规模了解他们使用 GitHub Copilot 的体验。 60% 到 75% 的用户表示他们对自己的工作感到更加满意，在编码时感到不那么沮丧，并且在使用 GitHub Copilot 时能够专注于更令人满意的工作。

此外，Github 招募了 95 名专业开发人员，将他们随机分成两组，并计算他们用 JavaScript 编写 HTTP 服务器所需的时间。一组使用 GitHub Copilot 完成任务，另一组没有。使用 GitHub Copilot 的小组完成任务的比率更高（78%，而没有 Copilot 的小组为 70%）。

Source: “研究：量化 Github Copilot 对开发人员生产力和幸福感的影响”

**为什么这很重要？ ** 生成式 AI 是一个大趋势，Copilot 将其应用于代码生成用例。早期结果表明，Copilot 不仅使开发人员更满意，而且工作效率更高。我们希望生成式 AI 能够应用于开发人员工作流程的其他方面，包括测试、代码审查、重构等。

** 工作**

⭐️Speakeasy — 创始用户体验主管

⭐️Humanitec — 后端软件工程师（完全远程）

⭐️Omni — 全栈工程师（完全远程）

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明

本文链接：https://www.qanswer.top/23522/11171001