本文共 2936 字，大约阅读时间需要 9 分钟。
自己开发框架和用开源的框架
软件已经吞噬了世界 。 但是开发人员对软件的看法有所不同。 就我们 ，我们 。 随着问题变得越来越大，解决方案变得更加复杂，务实的（而不是过于泄漏的）抽象比以往任何时候都变得更加重要。
结果：从注重生产力的开发人员的角度来看， 框架正在吞噬整个世界。 但是，哪些人正在吞食世界上哪些地区？
考虑到可用的一流开放源码框架的疯狂变化，我不是从单个排名而是从堆栈的各个级别中选出了2015年排名前5位的开放源代码框架。 （对于前端，我专注于Web以及更狭窄的是真正的客户端框架，这是因为浏览器和移动设备的功能越来越强大，并且SPA [单页应用程序]等避免了通过不必要的电线。）
让我们从堆栈的顶部开始：表示层，开发人员和我们共同接触的东西。 在这里，明显的赢家仍然是 。 该 以及诸如类的新产品。 Bootstrap主导了使用趋势，在GitHub上，它仍然很容易成为 和 。
而且Bootstrap仍在积极开发中。 8月，Bootstrap推出了第 ，庆祝了它的第四个生日，这是对已经强大的功能集的 。 更新的要点：一切都变得更具编程性。 Bootstrap从Less转移到Sass，将所有HTML重置集中在一个模块中，将样式自定义的负载直接扔到Sass变量中，并对所有JavaScript插件进行ES6标准化。 该团队甚至启动了 ，以补充已经庞大的 。
随着Web平台的不断 ，开发人员享受着与仍标记了颜色的DOM精心设计的抽象距离。 通过XMLHttpRequest的开始工作达到其在现代单页面应用程序（水疗）天顶，以及 迄今为止SPA框架 。
AngularJS有什么特别之处？ 一言以蔽之： 。 只需一点点ng-就可ng- （动态，JavaScript执行）生活带来一个（静态，标记）标签。 （依赖注入也非常简洁，就像Angular的许多功能旨在简化维护并更全面地从DOM进行抽象一样。）基本原理只是将声明式视图与命令式域逻辑完全合理地分隔开，这对任何拥有此功能的人都是熟悉的扫描了POM文件或与ORM争斗（嘿，我们中有些人也曾经喜欢XAML）。 这既令人振奋，又自由，而且有点怪异—赋予了HTML确实不该具有的功能。
也许令人遗憾的是背后最激进的概念-双向数据绑定，它毫不费力地使视图和模型保持同步- ，它 。 因此，一点魔力将消失，但是大规模的性能头痛和大规模的令人费解的调试工作也将消失（只是想一想双向 ，就会感觉到悬崖从脚下掉下），这是一个折衷方案随着页面大小和SPA复杂性气球的增长，其价值越来越大。
Java有什么优点？ 快速，成熟，全面的类库，巨大的生态系统，到处运行一次写入，活跃的社区-但不是很容易的自举。 甚至核心的Java开发人员都使用Ruby或Python编写快速的一次性程序（ 承认 ）。 但是，由于上述其他原因，Java仍继续主导企业。
输入样板蒸发器Spring Boot，这是一个框架，可让您在一个鸣叫中适合运行的Spring应用程序：
类ThisWillActuallyRun { （“ /”） String home（）{“ Hello World！” }}
— Rob Winch（@rob_winch） 没有令人不快的XML配置，没有草率的生成代码。 这怎么可能？ 简单：Spring Boot有一些非常强烈的意见。 阅读上面的那条推文，突然之间一切都变得有意义了！ 当您意识到该框架会自动启动一个嵌入式Servlet容器以处理端口8080上的传入请求时-您没有明确配置它进行的决定，而是常规（对防火墙友好）的调用。
Spring Boot有多热？ 到目前为止这是和下载最多的Spring项目（不包括主框架本身）。 并且在2015年，Google首次 。
曾几何时（2004年），谷歌开发了一种编程模型（ ），该模型对许多分布式批处理工作结构进行概括，然后 。 然后，一些Yahoo员工编写了一个Java框架（ ），该框架实现了MapReduce和一个以简化MapReduce任务的数据访问。
尽管解决（最佳）批处理的问题空间有限，但是在近十年中，Hadoop主导了“大数据”框架生态系统，部分原因是企业和科学用户习惯于对大型数据集进行批处理分析。 但是，并非所有大型数据集都可以按批次进行优化处理。 特别是，流数据（例如传感器输入）和迭代分析的数据（例如喜欢机器学习算法的数据）不喜欢批处理。 因此诞生了数十个新的大数据框架， 和受到关注（包括针对Hadoop本身的与MapReduce分离的 ）。
但是在所有这些新框架中， （ ）是2015年的最佳选择。 调查（ ； ； ）显示，Spark的采用取得了巨大的增长。 ，GitHub提交量一直 ，而Google趋势显示 。
因此Spark很受欢迎。 但是它是做什么的呢？ 好，非常快速的批处理； 但这取决于一项杀手级功能，该功能所允许的编程模型比Hadoop多得多。 Spark使数据在弹性分布式数据集中（RDD）中可用，这些数据在处理后仍保留在多个节点上的内存中，但是没有复制 （通过存储有关如何重新创建的信息；与 ， ， 进行比较）。 这（显然）使算法得以迭代，而无需从分布式内存层次结构中的（较低）梯级重新加载。 这意味着批处理不再需要Nathan Marz的的“长冲程”的尊严。 RDD甚至允许Spark通过足够快地运行小批处理作业以将延迟保持在许多应用程序的“有效流”范围内，从而模拟真实（推送）流处理。
好的，从“慷慨定义的代码库，它强加了一套特定的约定来解决大型且反复出现的问题集”的意义上讲， 并不是一个“框架”。 但是，如果框架只是让您以更合适的抽象级别编写代码的事物，那么Docker是框架的佼佼者。 （我们称其为外骨骼框架 ，只是为了混淆混淆地使用隐喻。）而且，将“ 2015年开发人员排名前茅”命名为不包含Docker的列表将是一件很有趣的事情。
Docker为什么很棒？ 首先，为什么容器（早期：FreeBSD Jail，Solaris Zones，OpenVZ，LXC）很棒？ 简单：无需完整的操作系统即可进行隔离； 或者，虚拟机的安全性和便利性，而开销却少得多。 但是隔离采取了多种形式（想到了chroot ，或者实际上是任何虚拟内存系统），并且没有Docker的systemd-nspawn相当容易。 仅能够隔离进程是不够的。 为什么Docker ？
原因有两个：Dockerfiles（“新的tarball”）增加了可移植性； Dockerfile格式现已成为事实上的标准。 第一个减轻了应用程序交付的麻烦（而早期的容器仅创建了较轻的VM）。 第二个使容器共享成为社会性的（而不仅仅是在 ）。 我可以尝试您的应用程序，而无需花几个小时不尝试您的应用程序。 （还记得如何apt-get自由apt-get感觉吗？）
翻译自:
自己开发框架和用开源的框架
转载地址：http://yvnzd.baihongyu.com/