LWN:对2024所做预测的回顾!

关注了就能看到更多这么棒的文章哦~

A 2024 retrospective

By Jonathan Corbet
December 25, 2024
Gemini-1.5-flash translation
https://lwn.net/Articles/1002368/

通常人们说的疯狂(insanity),就是重复同样的行为却期待不同的结果。尽管如此,LWN 每年年初都会进行一组预测,然后在年末不得不回顾这些预测有多糟糕。今年也没有打破这个模式,所以别无他法;是时候回顾一下我们的 2024 年预测了,希望这次结果更好一些。

预测到的内容

我们首先预测内核社区将在今年(缓慢地)开始摆脱电子邮件。如果对“缓慢”的解释足够宽泛,这个预测并非完全错误。在内核邮件列表档案中搜索“b4 relay”回信地址显示,确实有些人提交补丁时没有使用邮件客户端。此外,正如 2024 年维护者峰会上所述,也有一些人开始尝试使用Forgejo进行内核开发,但目前还没有任何内容公开可用。这确实是一个缓慢的开始;电子邮件仍然是开发过程的核心。

下一个长期稳定版本的内核是 6.12,正如预测的那样,但我们估计的发布日期晚了两周。在现代,每个内核开发周期都是九到十个星期;我们的估计中包含的十个星期周期比实际发生的要多。事实上,唯一一个耗时十个星期的是 6.7,它是在新年刚过之后发布的。看来,较长的周期正变得越来越少见。开发周期正变得越来越可预测——而我们未能预测到这一点。

正如预测的那样,第一个用户可见的 Rust 代码(一个Asix PHY 驱动程序)确实在 6.8 中被合并。虽然该合并并非对之前预测的 Rust 实验的明确成功声明,但在这一年中,Rust 将进入内核并长期存在这一事实已经越来越清楚。然而,正如预测的那样,缺乏基于 GCC 的 Rust 编译器是否真的成为一个更大的问题,只能说是值得商榷的;社区的大部分人似乎对该语言只有一个编译器的情况感到满意。

正如预测的那样,企业发行版市场是否被“震动”了呢?在很大程度上,该市场看起来与年初一样,并没有明显的震动。也就是说,像 AlmaLinux 和 Rocky Linux 这样的发行版正在努力定义自己为不仅仅是 Red Hat Enterprise Linux 克隆的空间,即使它们并没有偏离该模型太远。所以不是“震动”,而是可能“略微推动”。

预测 Firefox 将扭转其长期市场份额下降的趋势似乎完全错误。尽管 Google 对 Chrome 浏览器采取了越来越对用户不友好的举措,但 Firefox 的市场份额仍在继续萎缩。我们可能正在达到一个无法挽回的地步;Firefox 曾将我们从浏览器垄断中拯救出来,但这似乎只是一时的喘息之机。

今年,开源生成式 AI 确实受到了很多关注,尽管这与预测的方式不太一样。大部分关注都集中在那些虽然号称是“开源”但实际上是专有的模型上。虽然人们确实对真正开源的大型语言模型感兴趣并在进行研究,但它仍然远远落后于那些资金雄厚的专有系统。

以经典的同语反复(tautological)的形式,我们预测这将是 BPF 的重要一年,事实也如此。我们不太明显的预测是,可扩展调度程序类的拒绝将被重新考虑,事实证明这是准确的;该代码已合并到 6.12 中。

正如预测的那样,十月发布的 Python 3.13 版本确实包含了实验性的免费线程支持。它是否像预测的那样是一个“合格的成功”,还有待观察。

我们做的最后一个预测是维护者危机将加剧,这将导致许多问题,包括安全问题。在这里,您的编辑可以自豪地为预测XZ 后门事件而鞠躬,这确实是一个可以追溯到维护者超负荷的安全问题。当然,事实是,我们对此事件的惊讶程度与其他所有人一样,但类似的事情发生这一事实并没有那么令人惊讶。

未预测到的内容

我们应该预测但未能预测什么?当然,我们可以从 XZ 攻击开始。迟早,国家级攻击者都会试图将他们的钩子植入到运行世界大部分事务的软件中;唯一真正的问题是这种攻击何时会暴露出来。肯定还有其他阴谋正在进行中,而我们目前还不知道。

可以说,我们应该预见到,尽管取得了成功,但 Linux 的 Rust 开发人员也会像其他人一样面临倦怠。将一门新语言推入像内核这样的既定项目并非短期项目,也不是一个适合不愿意长期面对看似武断的阻碍的开发人员的项目。撞墙并非像看起来那样有趣,有时墙会赢。由于这个原因,我们今年至少失去了一位关键的 Linux Rust 开发人员,而且也听到其他人想知道他们还能坚持多久——即使他们正在取得胜利。

内核项目承担其自身 CVE(通用漏洞和披露)编号分配的责任令几乎所有人感到意外。考虑到许多项目都觉得有必要成为自己 CVE 编号机构的需要,事后看来,唯一真正令人惊讶的是内核花了这么长时间才效仿。我们显然也没有预测到 GNU C 库项目几乎同时也会采取同样的行动。

就像那位成功预测了过去三次衰退中的七次衰退的先知经济学家一样,LWN 也经常预测实时抢占补丁集的最终版本将进入内核。当然,在它真正发生的那一年,我们并没有做出任何这样的预测。

我们显然可以预测到《欧洲网络韧性法案》的通过——在修改之后,使其更适合开源社区的需求。

我们没有预见到Redis 许可证变更,尽管这类数据库系统似乎特别容易出现这种问题。在基金会领域,我们未能预测到NixOS 基金会的动荡、GNOME 基金会曝光的财务问题,或者开放家庭基金会的创建。我们也没有预见到正在进行的 WordPress 混乱。

事后看来,突然移除许多俄罗斯开发人员的内核 MAINTAINERS 文件可能是可以预测的。自由软件社区喜欢认为自己运行在国家法律和国际冲突的世俗世界之上,但世界对事情的看法却大相径庭。我们永远不会不受如此大规模冲突的影响。

我们永远不会试图预测我们社区成员的去世;这样的事件总是令人悲伤的意外。尽管如此, Daniel Bristot de Oliveira 的英年早逝仍然让所有参与其中的人都感到震惊。今年,我们还悼念 Dave Mills*、*Gunnar Hjalmarsson*、*Jérémy Bobbio*、*Larry Finger*、*Mel Chua*、*Mike Karels*、*Peter de Schrijver 和 Simon Riggs 等人的逝世。他们都将被深深怀念。

结束语

这是 LWN 变革的一年,突出表现在我们员工增加了 Daroc Alden 和 Joe Brockmeier 这两位新成员;他们很快就融入其中,现在感觉他们好像一直都在这里。在这一年中,我们报道了 22 个会议(再次感谢 Linux 基金会支持我们前往这些活动)。我们在今年发表了 51 期周刊,其中包含 345 篇特稿和 26 篇客座文章。换句话说,这是一忙碌的一年。

个人订阅量较去年同期略有增长;这是一个可喜的增长,但我们希望这一趋势能够继续下去,甚至加快步伐,因为我们试图完成覆盖我们庞大而活跃的社区的任务。我们非常感谢所有订阅我们的用户;在 26 年后,你们是 LWN 仍然存在的唯一原因,也是我们计划在未来多年内继续存在的原因。我们祝愿大家节日快乐,新年快乐。

全文完
LWN 文章遵循 CC BY-SA 4.0 许可协议。

欢迎分享、转载及基于现有协议再创作~

长按下面二维码关注,关注 LWN 深度文章以及开源社区的各种新近言论~

2c2aeb11a6e3e5c70dcb57281824c55d.jpeg

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性和不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力和神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解和验证模型泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值