GitLab集成ActivityPub:分布式社交协作

GitLab集成ActivityPub:分布式社交协作 根据GitLab/ActivityPub设计文档,GitLab已添加联邦宇宙(fediverse)功能,并实现与ActivityPub协议的集成。 联邦宇宙¹是建立在ActivityPub之上的一种去中心化网络模型,通过服务器之间的互联实现用户之间的社交互动和信息传递。著名的联邦宇宙有Mastodon和Lemmy。ActivityPub²是一个基于HTTP和JSON的协议,提供了创建、更新、删除、关注、点赞等不同类型的活动,用于描述用户在社交网络中的行为。 将ActivityPub和联合网络功能整合到GitLab中,可以实现分布式社交互动、增强代码可发现性、提高用户参与度,并扩展GitLab生态系统。这将为开发者和团队提供更广泛的合作和交流机会,同时增加GitLab作为开源代码托管和协作平台的价值和影响力。 参考:; 来源: 工具: fromvia 标签: #GitLab 频道: @GodlyNews1 投稿: @Godlynewsbot

相关推荐

封面图片

Cloudflare 推出服务让用户迅速部署分布式社交网络 Mastodon

Cloudflare 推出服务让用户迅速部署分布式社交网络 Mastodon Cloudflare 发表《Cloudflare 上的联邦宇宙》推出 Wildebeest,这是一种开源、易于部署的 ActivityPub 和 Mastodon 兼容服务。 它能让用户在 Cloudflare 上快速部署与 Mastodon 兼容的服务器,并在几分钟内将其连接到 (联邦宇宙),您无需担心维护或保护它免受滥用或攻击;Cloudflare 会自动为您完成。 部署入门

封面图片

社交平台 Threads 开始面向部分用户测试联邦宇宙集成

社交平台 Threads 开始面向部分用户测试联邦宇宙集成 Instagram 负责人亚当·莫塞里周五宣布开始向包括美国在内的几个国家/地区推出联邦宇宙 (fediverse) 集成的测试。从今天起,年满18周岁并拥有公开个人资料的用户可以选择加入测试,以便将帖子分享到联邦宇宙。目前还无法看到来自联邦宇宙的回复或关注,但可以看到来自 Threads 和联邦宇宙的点赞总数。如果你收到了该测试,可以在 Threads 帐户设置中打开“Fediverse 共享”选项。联邦宇宙中其他服务器的用户,现已可以关注加入测试的用户并与其帖子进行交互。

封面图片

分布式 PostgreSQL 架构概述 |

分布式 PostgreSQL 架构概述 | 这篇文章深入探讨了分布式PostgreSQL架构的不同类型及其各自的权衡。 文章讨论了几种知名的架构,包括网络附加块存储(如EBS)、只读副本、DBMS优化的云存储(如Aurora)、活动-活动(如BDR)、透明分片(如Citus)和分布式键值存储与SQL(如Yugabyte)。并详细描述了每种架构的优缺点,并提供了使用这些架构时的指导原则。

封面图片

社交及杂志应用 Flipboard 和 Lyrak 社交应用宣布与联邦宇宙集成

社交及杂志应用 Flipboard 和 Lyrak 社交应用宣布与联邦宇宙集成 社交及杂志应用 Flipboard 周四宣布将联邦宇宙集成扩展至其平台另外 400 名创建者,并在 Flipboard 应用中引入联邦宇宙通知。后者将允许其用户直接在 Flipboard 应用中查看他们的新关注者以及围绕他们在联邦宇宙中分享的内容的其他活动。Flipboard 今年2月宣布将开始将其创作者及其社交杂志添加到联邦宇宙中。社交平台 X 的竞争对手 Lyrak 也宣布将加入联邦宇宙,让用户能够与 Mastodon 等其他联合社交网络上的更广泛的受众进行互动。该集成尚未启动,但该团队表示将在几个月内开始工作。一旦上线,Lyrak 用户将能够看到 Mastodon 用户的帖子,反之亦然。 、

封面图片

社交平台 Threads 加强与联邦宇宙集成

社交平台 Threads 加强与联邦宇宙集成 Meta 公司 25 日宣布,Threads 现在将允许用户点赞和查看出现在 Mastodon 或其他联合社交媒体平台上的 Threads 帖子回复。该公司 CEO 马克·扎克伯格还透露,Threads 的联邦宇宙集成将从今天开始在 100 多个国家推出,这比最初在美国、加拿大和日本的可用范围有了显著扩展。自从将近一年前推出 Threads 以来,Meta 公司就一直在积极宣传其与去中心化社交网络协议 ActivityPub 整合的计划,并于去年 12 月开始首次测试。

封面图片

分布式高性能深度学习实战计划

分布式高性能深度学习实战计划 描述:高性能实战计划是一门专注于深度学习技术在分布式环境下的应用和优化的课程。学员将学习到分布式系统的基本原理深度学习算法的并行化实现、分布式模型训练和推理技术等内容。课程融合理论和实践,适合希望在深度学习领域深入研究和应用的学员参与。无论是对于学术研究还是工程实践,这门课程都能提供实用的工具和技巧。建议先收藏保存,不定时失效。 链接:https://pan.quark.cn/s/c354dbc37b2e 大小:NG 标签:#quark #学习 #资源 #课程 #深度学习 频道:@yunpanshare 群组:@yunpangroup

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人