“在开源社区中成长”——第十二届中国开源黑客松参与者真实感受

本文作者分享了参加2021第十二届中国开源黑客松中Greenplum项目的经历。活动中学会用GDB调试开源软件,在导师和伙伴帮助下定位代码错误并提交PR。项目完成搭建开发环境、定位bug等任务,后续部分任务将推进,作者在社区收获成长。

ce53faff-35a2-4a3f-9c0e-f0a210b04101.jpg

了解更多Greenplum相关内容,欢迎访问Greenplum中文社区网站

2021第十二届中国开源黑客松于5月28日在北京正式举行。举行地在丁章胡同的金融客咖啡,是一座古色古香的四合院,据说张作霖、张学良都曾把这里作为大元帅府和少帅府,也是溥仪办公和养老之地。

ceebe35c-321c-480a-bb55-479cfe62d821.jpg

在个充满了故事的四合院里,我与Greenplum开源社区的小伙伴一起,在其他13个开源项目,超过15个开源社区的陪伴下,经历了两天的高强度的代码。这是我第一次参加可以自己上手的活动,感谢Greenplum中文社区给我提供的机会,不得不说收获很多。

从接触Greenplum以及其他开源软件后,我开始对开源软件的源代码产生了浓厚的兴趣,非常渴望了解软件如何能跑起来,如何能组成一个工程。在活动中,我们学会了如何使用GDB。在活动开始前,Greenplum原厂导师吕正华老师介绍说,学会了用GDB调试开源软件,任何开源软件都不再有"秘密"了。我用GDB的经验不多,唯一的经验就是在操作系统课程实验中用GDB+Qemu调试了linux内核启动过程。当时的我也只会跟踪一些代码,而不会调试以及找错,此次活动受益良多。

4ca8c58a-6b6c-49fb-b287-1e515f48919e.jpg

参加黑客松之前我还有点忐忑,担心自己的基础不够好。但从四合院门口进入会场的那一刻,我便深刻感觉到Greenplum社区真的非常友好。第一天上午是讲解部分,吕正华老师详细的讲解了相关理论知识和上手步骤。讲解过后便是实操环节。第一次参与真实的issue(GPDB issue #12061)的解决的我并不是很有头绪,想着从查询的运行开始。但由于查询是一个assert error,所以跟踪到assert之后就停止了,跟踪不到错误的位置,似乎断了线索。吕正华老师和张桓老师提醒我可以去根据assert错误条件然后去跟踪变量。每次跟踪没有线索之后,Greenplum的导师,以及社区的小伙伴们都很愿意帮助我。大家一起尝试跟踪变量,一起记住程序崩溃的位置,一起出谋划策跟踪。通过一个下午的努力,我们成功的定位了代码出错所在行,并且通过社区小伙伴们会后、晚上的努力,在第二天早上活动开始之前提交了Pull Request。

8960fd4a-5b73-4ea5-977a-8885c6ab66cf.jpg

我和社区中的许多小伙伴一样,都是第一次参与开源项目,对于提交的流程和内容也说不上熟悉,在这种状况下,能够获得鼓励真的很开心。在Greenplum导师的带领下,我们成功完成了添加测试用例、完成测试、精简测试、并最终提交了PR。Greenplum社区的PR提出真的非常详细,从发现问题,分析问题,解决问题,加测试,整个PR提交非常工整有序。让我非常感动的是一个细节。由于社区中一部分小伙伴是第一次在项目中进行Pull Request,我们提的Pull Request格式上还是不太规范,但Greenplum社区回复的第一句话仍然是“感谢您对社区的贡献”。

fa8eea5a-7011-437e-b177-d65a89f41175.jpg

除了自己上手的环节之外,在茶歇中还有不少开源社区进行演讲。从程序员、工程师角度看问题使我第一次感受到了开源软件的精彩。与之前一些介绍性的演讲不同,我可以听到更多算法层面、架构层面的东西,这些是难能可贵的。

caf1f59d-87f3-43f7-8516-9751ef8cbc14.jpg

这次黑客马拉松,对我来说,是学习,是考验,更重要的是,能够融入开源大家庭、Greenplum开源社区,能感受到互帮互助带来的快乐,在社区中成长。

------------------

项目名称: Hacking Greenplum

任务目标

  1. 修复一个真实的Community Issue,成为Greenplum内核代码贡献者(commit message,test,comments,code review)

  2. 深入理解Greenplum的MPP架构,开发探索性特性,修改SQL建表语法,完整支持qd only table功能

完成情况

1、任务1

  • 全员都顺利搭建起来Greenplum开发环境

  • 顺利掌握用GDB定位诊断bug

  • 组员用开源工具SQLsmith发现buggy code

  • 组员投石问路,用注入代码并跑测试,锁定更简单复现办法

  • 组员提交commit完成pr

  • 任务一顺利完成

2、 任务2

  • 修改gram文件添加新语法distributed only_master;

  • 完成DML语句和join的支持

  • 任务二顺利探索

后续安排:

  • 任务一即将merge进Greenplum的master branch

  • 任务二是试验性,进一步在社区内沟通,测试性能和发掘用法,推进

贡献者以及贡献:

  • 1 PR

  • 2 commits

  • 代码百行++ —(但涉及诊断思考的过程,还是比较复杂的,也有了很多工具和技巧)

  • 特性1个

  • Bug修复1个

  • 项目者:参与全员用Greenplum的结对编程(pair programming)办法解决问题

7cbeaf7c-49ad-47d4-99e8-81025d59e52e.png

作者简介

李想,目前就读于杭州电子科技大学卓越学院,计算机科学与技术专业2018级本科生。对开源MPP数据库感兴趣并积极参与在Greenplum开源社区之中。

up-f175fefbeb33b30075a094498c554b31130.png

内容概要:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构与训练策略,有效捕捉历史数据的概率分布特征与时序相关性,从而生成高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型,为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估;③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、数据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪与反向去噪过程的设计细,以及如何将其适配于新能源时序数据的生成任务,通过参数调优与对比实验深入理解模型的生成机制与性能边界。
内容概要:本文围绕基于静态约束法的配电网电动汽车接入容量评估展开研究,提出了一种在新型电力系统背景下评估主动配电网对电动汽车承载能力的方法。研究通过构建数学模型,结合潮流计算与关键约束条件(如电压越限、线路过载等),量化分析配电网可承受的最大电动汽车充电负荷容量,旨在识别规模化电动汽车接入带来的潜在运行风险,并为电网规划与运行提供科学依据。文中配套提供了完整的Matlab代码实现,便于仿真验证与结果复现。此外,该研究与分布式光伏承载力评估、电动汽车可调能力分析等方向形成技术联动,展现了多主题协同的研究体系。; 适合人群:具备电力系统分析基础理论知识及Matlab编程能力的高校研究生、科研机构研究人员,以及从事新能源并网、智能配电网规划与运行等相关领域的工程技术人员。; 使用场景及目标:①用于学术研究中的模型复现与论文撰写支撑;②评估实际配电网中电动汽车大规模接入的可行性与安全边界,指导充电基础设施布局;③作为高校教学案例,帮助学生深入理解电网承载力评估的核心原理、建模方法与仿真技术; 阅读建议:建议结合文中提及的相关研究方向(如二阶锥规划、多面体聚合方法等)进行对比学习,充分利用所提供的Matlab代码与网盘资料开展仿真实验,重点关注约束条件的设定逻辑与潮流计算模块的实现细,以深化对评估模型机理与工程应用价值的理解。
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种基于Python实现的联邦学习框架,旨在解决居民或行业电力负荷预测中用户电表数据隐私泄露的风险。该研究通过构建分布式机器学习模型,使各参与方在不共享原始数据的前提下协同训练全局模型,有效实现了数据“可用不可见”。文中详细阐述了联邦学习的整体架构设计、本地模型训练流程、参数加密传输与安全聚合机制,并结合差分隐私等技术进一步增强系统的隐私保护能力。同时,研究利用真实电力负荷数据集进行了实验验证,展示了方法在预测精度与隐私保障之间的良好平衡,并提供了完整的代码实例与复现指南,便于后续研究与应用拓展。; 适合人群:具备一定机器学习基础和电力系统背景知识,从事智慧能源、隐私计算或人工智能相关方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 实现跨区域、跨主体的电力负荷协同预测,打破数据孤岛;② 在确保用户用电数据隐私安全的前提下提升负荷预测准确性;③ 推动联邦学习在智能电网、需求响应、虚拟电厂等场景中的实际部署与应用。; 阅读建议:建议结合文中提供的Python代码与网盘资料进行动手实践,重点关注联邦学习的通信轮次设计、模型聚合算法(如FedAvg)的实现细以及差分隐私噪声添加策略,深入理解其对模型性能与隐私强度的影响,为进一步优化与创新奠定基础。
VDA_Band_19.1_3rd edition_2026 English Inspection of Technical Cleanliness 内容概要:本文档为德国汽车工业协会(VDA)发布的第三版《技术清洁度检验:功能相关汽车部件的颗粒污染检测》(VDA 19.1),系统规范了汽车行业中零部件技术清洁度的检测方法与流程。文件涵盖从取样、提取、过滤到分析的全流程标准化操作,重点更新了干法提取(如 Stamp Test 和刷吸法)、小于50µm颗粒的检测、光学子系统和SEM/EDX标准分析方法,并引入统一材料分类体系以提升结果可比性。同时明确了“标准分析”与“自由检验”的区别,前者用于高兼容性检测,后者允许客户与供应商协商定制参数。文档还强化了对非可测组件的技术清洁保障、测量不确定度评估及方法验证的要求,并提供了多个实际案例支持应用落地。; 适合人群:适用于汽车制造业中从事质量控制、工艺开发、供应商管理及相关检测实验室的技术人员和管理人员,尤其适合具备一定质量管理或洁净度检测基础的专业人员。; 使用场景及目标:①用于制定和执行零部件清洁度检测标准;②指导 incoming/outgoing 检验及生产过程监控;③支持失效分析与质量改进项目;④作为企业内部审核和技术交流的依据; 阅读建议:建议结合VDA 19.2及其他相关标准配套使用,重点关注各章中的起始参数设定、方法选择逻辑及附录中的检查表示例,在实际操作中同步开展方法验证与人员培训,确保检测结果的有效性和可追溯性。
内容概要:本研究聚焦于电动汽车(EV)作为灵活可调资源的能力评估,提出了一种基于多面体聚合与闵可夫斯基和的数学建模方法,用以精确刻画大规模电动汽车集群的可调能力范围。通过将单辆电动汽车的充放电行为抽象为几何空间中的多面体可行域,并利用闵可夫斯基和实现对群体可行域的高效聚合,从而构建出能够反映整体调潜力的统一数学表达。该方法在Matlab平台上实现了完整的仿真代码,支持对不同场景下电动汽车集群的上、下调能力进行量化评估,为电网调度、需求响应及电力市场机制设计提供了理论依据与工具支撑。; 适合人群:具备电力系统分析、优化理论及Matlab编程基础的研究生、科研人员及从事新能源、智能电网相关工作的工程师。; 使用场景及目标:①用于评估大规模电动汽车接入背景下系统的灵活性资源潜力;②支撑含高比例可再生能源的电力系统调度与规划决策;③为需求响应项目中EV聚合商参与电力市场提供能力申报的技术手段;④作为教学案例帮助理解集合运算在电力系统中的应用。; 阅读建议:学习者应结合Matlab代码深入理解多面体建模与闵可夫斯基和的实现细,建议从单车模型入手逐步过渡到集群聚合,并尝试调整参数(如数量、SOC分布、功率限制)观察聚合结果的变化,以增强对模型特性的掌握。
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