🌲 Redwood:构建分布式实时应用的未来
项目介绍
Redwood 是一个高度可配置、分布式的实时数据库,它管理着一个在多个对等节点之间共享的状态树。想象一下,它就像一个分布在所有用户之间的 Redux 存储,支持离线编辑,并且能够在网络连接不佳的情况下保持稳定。Redwood 不仅仅是一个数据库,它还是一个应用服务器。开发者可以直接在状态树中存储和更新资源(如 HTML、JavaScript、图片等)。对于许多类型的应用,你可能根本不需要一个单独的后端服务器。
Redwood 的灵活性使得开发者可以使用单一、简单的编程模型来创建多种不同类型的应用,包括传统的 Web 应用、实时协作文档编辑器、点对点加密消息传递、区块链以及类似 Git 的版本控制系统。
项目技术分析
Redwood 是 Braid 项目 的一部分,并使用 Braid 协议通过常规 HTTP 同步更新。Braid 协议目前正在通过 IETF 的 RFC 流程进行标准化。Redwood 实现了多种传输协议,包括 libp2p、Braid-over-HTTP 和 WebRTC。此外,Redwood 还支持多种客户端,如 Braid.js、Go HTTP 客户端,以及即将推出的 Go protobuf 客户端。
Redwood 的核心特性包括:
- 账户/身份和访问控制:使用 ECDSA 非对称加密技术为每个对等节点分配一个去中心化的身份(DID),并提供易于配置的访问控制。
- 事务模型:每个数据库更新都是一个由发送者签名的交易,可以包含一个或多个补丁。
- 私有事务和子树:用户可以向单个对等节点或组发送私有、加密的事务。
- 合并解析:Redwood 允许开发者为状态树配置多种合并解析器,以应对断电、连接丢失和同时编辑冲突等问题。
- 资产存储:可以在状态树中存储 HTML 和 JavaScript 等资源。
- Git 集成:Redwood 可以作为 Git 服务器,支持
git clone redwood://mysite.com/git等操作。
项目及技术应用场景
Redwood 的应用场景非常广泛,包括但不限于:
- 传统 Web 应用:开发者可以直接在 Redwood 中存储和更新应用资源,无需单独的后端服务器。
- 实时协作文档编辑器:Redwood 的分布式特性使其非常适合构建实时协作编辑器。
- 点对点加密消息传递:Redwood 支持私有事务和子树,非常适合构建点对点加密消息应用。
- 区块链:Redwood 的分布式状态管理和事务模型使其成为构建区块链应用的理想选择。
- 版本控制系统:Redwood 的 Git 集成功能使其可以作为类似 Git 的版本控制系统。
项目特点
Redwood 的主要特点包括:
- 高度可配置:Redwood 提供了丰富的配置选项,开发者可以根据需求灵活调整。
- 分布式实时数据库:Redwood 的状态树在多个对等节点之间共享,支持离线编辑和网络不稳定情况下的稳定运行。
- 应用服务器:Redwood 不仅仅是一个数据库,它还是一个应用服务器,可以直接在状态树中存储和更新应用资源。
- 多种传输协议:Redwood 支持多种传输协议,包括 libp2p、Braid-over-HTTP 和 WebRTC。
- Git 集成:Redwood 可以作为 Git 服务器,支持 Git 操作,无需单独设置 Git 服务器。
Redwood 目前仍处于预 alpha 阶段,但其已经包含了许多令人兴奋的特性。如果你对 Redwood 感兴趣,可以关注我们的 Github 项目板 以获取最新的开发路线图。
通过 Redwood,开发者可以轻松构建分布式、实时、高度可配置的应用,无论是传统的 Web 应用还是复杂的区块链系统,Redwood 都能提供强大的支持。快来尝试 Redwood,开启你的分布式应用开发之旅吧!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00