在一个广泛使用的底层 TCP/IP 库中发现了一系列 0day 漏洞，这些漏洞被统称 Ripple20 ，影响高达数亿的设备，包括大量的物联网设备，如电网设备、医疗系统、工业设备等等。这个 TCP/IP 库由软件公司 Treck 开发，它最早是在 1997 年发布的，实现了一个轻量级的 TCP/IP 堆栈，在二十多年里被企业广泛用于实现联网功能。
来源：solidot
硬核老王点评：祖传代码有风险，继承需谨慎。
该公司此前主要利用虚拟化软件将 Windows 应用带到苹果的 Mac 平台。这项合作可以让 Google OS 的企业级设备运行旧的 Windows 应用程序，而企业通常有很多此类的应用。这将可以让 Google OS 设备进入到此前必须依赖 Windows 硬件的工作场所。
来源：solidot
硬核老王点评：可惜，国内用不了 Chrome OS
比较七个在 Python 中绘图的库和 API，看看哪个最能满足你的需求。
“如何在 Python 中绘图？”曾经这个问题有一个简单的答案：Matplotlib 是唯一的办法。如今，Python 作为数据科学的语言，有着更多的选择。你应该用什么呢？
本指南将帮助你决定。
它将向你展示如何使用四个最流行的 Python 绘图库：Matplotlib、Seaborn、Plotly 和 Bokeh，再加上两个值得考虑的优秀的后起之秀：Altair，拥有丰富的 API；Pygal，拥有漂亮的 SVG 输出。我还会看看 Pandas 提供的非常方便的绘图 API。
对于每一个库，我都包含了源代码片段，以及一个使用 Anvil 的完整的基于 Web 的例子。Anvil 是我们的平台，除了 Python 之外，什么都不用做就可以构建网络应用。让我们一起来看看。
每个库都采取了稍微不同的方法来绘制数据。为了比较它们，我将用每个库绘制同样的图，并给你展示源代码。对于示例数据，我选择了这张 1966 年以来英国大选结果的分组柱状图。
我从维基百科上整理了英国选举史的数据集：从 1966 年到 2019 年，保守党、工党和自由党（广义）在每次选举中赢得的英国议会席位数，加上“其他”赢得的席位数。你可以以 CSV 文件格式下载它。
Matplotlib 是最古老的 Python 绘图库，现在仍然是最流行的。它创建于 2003 年，是 SciPy Stack 的一部分，SciPy Stack 是一个类似于 Matlab 的开源科学计算库。
Matplotlib 为你提供了对绘制的精确控制。例如，你可以在你的条形图中定义每个条形图的单独的 X 位置。下面是绘制这个图表的代码（你可以在这里运行）：
import matplotlib.pyplot as plt
import numpy as np
from votes import wide as df
# Initialise a figure. subplots() with no args gives one plot.
fig, ax = plt.subplots()
# A little data preparation
years = df['year']
x = np.arange(len(years))
# Plot each bar plot. Note: manually calculating the 'dodges' of the bars
ax.bar(x - 3*width/2, df['conservative'], width, label='Conservative', color='#0343df')
ax.bar(x - width/2, df['labour'], width, label='Labour', color='#e50000')
ax.bar(x + width/2, df['liberal'], width, label='Liberal', color='#ffff14')
ax.bar(x + 3*width/2, df['others'], width, label='Others', color='#929591')
# Customise some display properties
ax.set_ylabel('Seats')
ax.set_title('UK election results')
ax.set_xticks(x) # This ensures we have one tick per year, otherwise we get fewer
ax.set_xticklabels(years.astype(str).values, rotation='vertical')
ax.legend()
# Ask Matplotlib to show the plot
plt.show()这是用 Matplotlib 绘制的选举结果:
Seaborn 是 Matplotlib 之上的一个抽象层；它提供了一个非常整洁的界面，让你可以非常容易地制作出各种类型的有用绘图。
不过，它并没有在能力上有所妥协！Seaborn 提供了访问底层 Matplotlib 对象的逃生舱口，所以你仍然可以进行完全控制。
Seaborn 的代码比原始的 Matplotlib 更简单（可在此处运行）：
import seaborn as sns
from votes import long as df
# Some boilerplate to initialise things
sns.set()
plt.figure()
# This is where the actual plot gets made
ax = sns.barplot(data=df, x="year", y="seats", hue="party", palette=['blue', 'red', 'yellow', 'grey'], saturation=0.6)
# Customise some display properties
ax.set_title('UK election results')
ax.grid(color='#cccccc')
ax.set_ylabel('Seats')
ax.set_xlabel(None)
ax.set_xticklabels(df["year"].unique().astype(str), rotation='vertical')
# Ask Matplotlib to show it
plt.show()并生成这样的图表：
Plotly 是一个绘图生态系统，它包括一个 Python 绘图库。它有三个不同的接口：
Plotly 绘图被设计成嵌入到 Web 应用程序中。Plotly 的核心其实是一个 JavaScript 库！它使用 D3 和 stack.gl 来绘制图表。
你可以通过向该 JavaScript 库传递 JSON 来构建其他语言的 Plotly 库。官方的 Python 和 R 库就是这样做的。在 Anvil，我们将 Python Plotly API 移植到了 Web 浏览器中运行。
这是使用 Plotly 的源代码（你可以在这里运行）：
import plotly.graph_objects as go
from votes import wide as df
# Get a convenient list of x-values
years = df['year']
x = list(range(len(years)))
# Specify the plots
bar_plots = [
go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')),
go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')),
go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')),
go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')),
]
# Customise some display properties
layout = go.Layout(
title=go.layout.Title(text="Election results", x=0.5),
yaxis_title="Seats",
xaxis_tickmode="array",
xaxis_tickvals=list(range(27)),
xaxis_ticktext=tuple(df['year'].values),
)
# Make the multi-bar plot
fig = go.Figure(data=bar_plots, layout=layout)
# Tell Plotly to render it
fig.show()选举结果图表：
Bokeh（发音为 “BOE-kay”）擅长构建交互式绘图，所以这个标准的例子并没有将其展现其最好的一面。和 Plotly 一样，Bokeh 的绘图也是为了嵌入到 Web 应用中，它以 HTML 文件的形式输出绘图。
下面是使用 Bokeh 的代码（你可以在这里运行）：
from bokeh.io import show, output_file
from bokeh.models import ColumnDataSource, FactorRange, HoverTool
from bokeh.plotting import figure
from bokeh.transform import factor_cmap
from votes import long as df
# Specify a file to write the plot to
output_file("elections.html")
# Tuples of groups (year, party)
x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
y = df['seats']
# Bokeh wraps your data in its own objects to support interactivity
source = ColumnDataSource(data=dict(x=x, y=y))
# Create a colourmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
fill_color = factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)
# Make the plot
p = figure(x_range=FactorRange(*x), width=1200, title="Election results")
p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)
# Customise some display properties
p.y_range.start = 0
p.x_range.range_padding = 0.1
p.yaxis.axis_label = 'Seats'
p.xaxis.major_label_orientation = 1
p.xgrid.grid_line_color = None图表如下：
Altair 是基于一种名为 Vega 的声明式绘图语言（或“可视化语法”）。这意味着它具有经过深思熟虑的 API，可以很好地扩展复杂的绘图，使你不至于在嵌套循环的地狱中迷失方向。
与 Bokeh 一样，Altair 将其图形输出为 HTML 文件。这是代码（你可以在这里运行）：
import altair as alt
from votes import long as df
# Set up the colourmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
# Cast years to strings
df['year'] = df['year'].astype(str)
# Here's where we make the plot
chart = alt.Chart(df).mark_bar().encode(
x=alt.X('party', title=None),
y='seats',
column=alt.Column('year', sort=list(df['year']), title=None),
color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
)
# Save it as an HTML file.
chart.save('altair-elections.html')结果图表：
Pygal 专注于视觉外观。它默认生成 SVG 图，所以你可以无限放大它们或打印出来，而不会被像素化。Pygal 绘图还内置了一些很好的交互性功能，如果你想在 Web 应用中嵌入绘图，Pygal 是另一个被低估了的候选者。
代码是这样的（你可以在这里运行它）：
import pygal
from pygal.style import Style
from votes import wide as df
# Define the style
custom_style = Style(
colors=('#0343df', '#e50000', '#ffff14', '#929591')
font_family='Roboto,Helvetica,Arial,sans-serif',
background='transparent',
label_font_size=14,
)
# Set up the bar plot, ready for data
c = pygal.Bar(
title="UK Election Results",
style=custom_style,
y_title='Seats',
width=1200,
x_label_rotation=270,
)
# Add four data sets to the bar plot
c.add('Conservative', df['conservative'])
c.add('Labour', df['labour'])
c.add('Liberal', df['liberal'])
c.add('Others', df['others'])
# Define the X-labels
c.x_labels = df['year']
# Write this to an SVG file
c.render_to_file('pygal.svg')绘制结果：
Pandas 是 Python 的一个极其流行的数据科学库。它允许你做各种可扩展的数据处理，但它也有一个方便的绘图 API。因为它直接在数据帧上操作，所以 Pandas 的例子是本文中最简洁的代码片段，甚至比 Seaborn 的代码还要短！
Pandas API 是 Matplotlib 的一个封装器，所以你也可以使用底层的 Matplotlib API 来对你的绘图进行精细的控制。
这是 Pandas 中的选举结果图表。代码精美简洁！
from matplotlib.colors import ListedColormap
from votes import wide as df
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
ax = df.plot.bar(x='year', colormap=cmap)
ax.set_xlabel(None)
ax.set_ylabel('Seats')
ax.set_title('UK election results')
plt.show()绘图结果：
要运行这个例子，请看这里。
Python 提供了许多绘制数据的方法，无需太多的代码。虽然你可以通过这些方法快速开始创建你的绘图，但它们确实需要一些本地配置。如果需要，Anvil 为 Python 开发提供了精美的 Web 体验。祝你绘制愉快！
via: https://opensource.com/article/20/4/plot-data-python
作者：Shaun Taylor-Morgan 译者：wxy 校对：wxy
CIA 的 WikiLeaks 工作组称如果没有 Wikileaks 的泄露，他们可能还不知情。报告称，CIA 反应太迟钝，绝大部分敏感的网络攻击工具都没有隔离，用户共享系统管理员级别的账号，历史数据都不受限制的提供。CIA 的黑客团队面临压力寻找商业软件的漏洞，而在自身的安全实践上很懒散。泄露这些机密的被认为是其雇员 Joshua A. Schulte，但 Schulte 至今没有认罪，他的律师辩解称，CIA 的网络安全是如此松懈，以至于几乎任何一个人都能像 Schulte 访问相同的信息。
来源：solidot
硬核老王点评：这是典型的灯下黑吧。
本次开源峰会将于 6 月 29 日至 7 月 2 日（美国中央夏令时 CDT UTC-05:00）在北美召开。将与嵌入式 Linux 会议一同举办。峰会包含约 230 场小的会议，演讲者有 Linux 创始人 Linus Torvalds、红帽 CTO Chris Wright。本次会议并非免费参加，注册费用为 50 美元，活动结束后八周内会上传至 YouTube 频道。
来源：开源中国
硬核老王点评：作为线上会议，我觉得这个参会门票还挺贵。
StarlingX 是可用于构建边缘云的边缘基础架构平台。作为完整的堆栈进行测试和发布，StarlingX 利用了其他开源项目的组件，例如 Ceph、Linux、KVM、OpenStack 和 Kubernetes，并通过配置和故障管理等新服务对其进行了补充。该项目于 2018 年 5 月作为 OSF 试点项目首次创建，Intel 和 Wind River System 为其提供了初始代码。
来源：开源中国
3 年多以前，Fedora 杂志发表了一篇题为《Cockpit 概览》的文章。从那时起，Cockit 的界面有了一些引人注目的变化。今天的 Cockpit 更加简洁，更大的字体更好地利用了屏幕的空间。
本文将介绍它的用户界面的一些变化。还将探讨一些在网页界面中可用的通用工具，以简化那些单调的系统管理员任务。
Cockpit 可以使用 dnf install cockpit 命令安装。这提供了一个最小的设置，提供了使用该界面所需的基本工具。
另一个选择是安装 “Headless Management” 组，这将安装用于扩展 Cockpit 功能的附加包。它包括用于 NetworkManager、软件包、磁盘和 SELinux 管理的扩展。
运行以下命令，在启动时启用 Web 服务并打开防火墙端口：
$ sudo systemctl enable --now cockpit.socket
Created symlink /etc/systemd/system/sockets.target.wants/cockpit.socket -> /usr/lib/systemd/system/cockpit.socket
$ sudo firewall-cmd --permanent --add-service cockpit
success
$ sudo firewall-cmd --reload
success
要访问网页界面，打开你最喜欢的浏览器，在地址栏中输入该服务器的域名或 IP，然后输入服务端口（9090）。由于 Cockpit 使用 HTTPS，安装过程中会创建一个自签证书来加密密码和其他敏感数据。你可以安全地接受这个证书，或者向你的系统管理员或受信任的来源请求 CA 证书。
一旦证书被接受，就会出现新改进的登录屏幕。长期使用的用户会注意到用户名和密码字段已被移到顶部。此外，凭证字段后面的白色背景会立即吸引用户的注意力。
自上一篇文章后，登录界面增加了一个功能，就是用 sudo 权限登录 —— 如果你的账号是 wheel 组的成员。勾选 “对于特权任务，重用我的密码” 旁边的方框，就可以提升你的权限。
登录界面的另一个版本是连接到同样运行 Cockpit Web 服务的远程服务器的选项。点击 “其他选项” 并输入远程机器的主机名或 IP 地址，从本地浏览器管理它。
一开始，我们就会看到基本概述，带有常见的系统信息，这包括机器的品牌和型号、操作系统、系统是否是最新的，等等。
点击系统的品牌/型号会显示硬件信息，如 BIOS/固件。它还包括与 lspci 中可以看到的组件的详情。
点击任何一个选项，右边都会显示该设备的详细信息。例如，“CPU 核心百分比” 选项显示了用户和内核使用了多少 CPU 核心的详细信息。此外，“内存和交换” 图表显示了系统内存的使用量、缓存量和交换分区的活动量。“磁盘 I/O” 和 “网络流量” 图表连到了 Cockpit 的 “存储和网络” 部分。这些内容将在接下来详细探讨系统工具的一篇文章中重新探讨。
由于安全是系统管理员的关键因素，Cockpit 现在有了查看机器 MD5 和 SHA256 密钥指纹的选项。点击 “显示指纹” 选项可以显示服务器的 ECDSA、ED25519 和 RSA 指纹密钥。
你也可以通过点击右上角的用户名，选择“验证”，添加自己的密钥。点击 “添加密钥”，可以在其他系统上验证该机器。你也可以通过点击右侧的 “X” 按钮，撤销你在 Cockpit Web 服务中的权限。
更改主机名可以在主页上一键解决。单击当前显示的主机名，并在“更改主机名”框中输入新名称。最新的功能之一是提供了一个 “简称” 的选项。
Cockpit 增加的另一个功能是可以连接到目录服务器。点击 “加入域”，会出现一个弹窗，要求提供域地址或名称、组织单位（可选）和域管理员的凭证。“Domain Membership” 组提供了加入 LDAP 服务器所需的所有包，包括 FreeIPA，以及流行的 Active Directory。
要退出域，请点击域名，然后点击 “离开域”。将会出现一个警告，解释一旦系统不再在域上将会发生的变化。要确认，点击红色的 “离开域” 按钮。
使用命令行和编辑配置文件绝对可以完成最大限度的调整。然而，有些时候，一些更直接的方法就足够了。通过 Cockpit，你可以选择手动设置或使用 NTP 自动设置系统的日期和时间。一旦同步，右边的信息图标就会由红色变成蓝色。如果你手动设置日期和时间，该图标将消失。
要更改时区，请输入洲，下面会弹出城市列表。
你可以在 Cockpit 的主屏幕上轻松关闭和重启服务器。你也可以延迟关机/重启，并发送消息警告用户。
如果安装了 tuned 和 tuned-utils 包，可以在主屏幕上更改性能配置文件。默认情况下，它被设置为推荐的配置文件。然而，如果服务器的用途需要更多的性能，我们可以在 Cockpit 中更改配置文件以满足这些需求。
一个 Linux 系统管理员的工具箱如果不能访问终端，将毫无用处。终端使得管理员可以对服务器进行微调，而不仅仅是 Cockpit 中的内容。随着主题功能的加入，管理员可以根据自己的喜好快速调整文字和背景颜色。
另外，如果你错输入了 exit 命令，点击右上角的 “重置” 按钮，会提供一个闪烁着光标的新屏幕。
“Headless Management” 组包括了仪表盘模块（cockpit-dashboard）。它以实时图表的形式提供了 CPU、内存、网络和磁盘性能的概览。远程服务器也可以通过同一界面进行添加和管理。
例如，要在仪表盘中添加远程计算机，请单击 “+” 按钮。输入服务器的名称或 IP 地址，并选择你要的颜色。这有助于你在图中区分服务器的统计数据。要在服务器之间进行切换，请点击主机名称（如下面的屏幕动画所示）。要从列表中删除一个服务器，点击勾选标记图标，然后点击红色垃圾桶图标。下面的例子演示了 Cockpit 如何管理一台名为 server02.local.lan 的远程机器。
一如既往，手册页是查找文档的好地方。在命令行结果中进行简单搜索即可找到与使用和配置该 Web 服务的不同方面有关的页面。
$ man -k cockpit
cockpit (1) - Cockpit
cockpit-bridge (1) - Cockpit Host Bridge
cockpit-desktop (1) - Cockpit Desktop integration
cockpit-ws (8) - Cockpit web service
cockpit.conf (5) - Cockpit configuration file
Fedora 仓库中也有一个名为 cockpit-doc 的软件包。这个软件包的描述是最好的解释。
《Cockpit 部署和开发者指南》向系统管理员展示了如何在他们的机器上部署 Cockpit，并帮助开发者嵌入或扩展 Cockpit。
更多文档请访问 https://cockpit-project.org/external/source/HACKING。
本文只涉及 Cockpit 中的一些主要功能。管理存储设备、网络、用户账户和软件控制将在下一篇文章中介绍。此外，可选的扩展，如 389 目录服务，以及用于处理 Fedora Silverblue 中的软件包的cockpit-ostree 模块。
随着越来越多的用户采用 Cockpit，可选的功能会继续增加。这个界面对于想要一个轻量级界面来控制服务器的管理员来说是非常理想的。
你对 Cockpit 有什么看法？在下面的评论中分享你的经验和想法。
via: https://fedoramagazine.org/cockpit-and-the-evolution-of-the-web-user-interface/
作者：Shaun Assam 选题：lujun9972 译者：wxy 校对：wxy
通过编写函数来减少代码的冗余和维护。
在编程时，实际上是在定义要由计算机执行的 过程 或 例程 。一个简单的类比是将计算机编程与烤面包进行比较：你一次列出了要组建工作环境的配料，然后列出了烤面包所必须采取的步骤。在编程和烘烤中，必须以不同的间隔重复执行某些步骤。例如，在烤面包中，这可能是酵母培养的过程：
STIR=100
SNOOZE=86400
function feed_culture {
remove_from(pantry)
add(flour, water)
stir($STIR)
sleep($SNOOZE)
}
然后，揉面和醒发面团：
KNEAD=600
SNOOZE=7200
function process_dough {
remove_from(proofing_drawer)
knead($KNEAD)
return_to_drawer($SNOOZE)
}
在编程中，这些 子例程 可以表示为 函数 。函数对程序员很重要，因为它们有助于减少代码中的冗余，从而减少了所需的维护量。例如，在以编程方式烤制面包的假想场景中，如果你需要更改面团醒发的用时，只要你之前使用函数，那么你只需更改一次用时，或使用变量（在示例代码中为 SNOOZE）或直接在处理面团的子程序中更改用时。这样可以节省你很多时间，因为你不必通过你的代码库遍历每个可能正在醒发的面团，更不用说担心错过一个。许多 bug 是由未更改的缺失的值或执行不正确的 sed 命令引起的，它们希望捕获所有可能而不必手动寻找。
在 Bash 中，无论是在编写的脚本或在独立的文件中，定义函数和使用它们一样简单。如果将函数保存到独立的文件中。那么可以将它 source 到脚本中，就像 include C 语言或 C++ 中的库或将模块 import 到 Python 中一样。要创建一个 Bash 函数，请使用关键字 function：
function foo {
# code here
}
这是一个如何在函数中使用参数的例子（有些人为设计，因此可能会更简单）：
#!/usr/bin/env bash
ARG=$1
function mimic {
if [[ -z $ARG ]]; then
ARG='world'
fi
echo "hello $ARG"
}
mimic $ARG
结果如下：
$ ./mimic
hello world
$ ./mimic everybody
hello everybody
请注意脚本的最后一行，它会执行该函数。对于编写脚本的新手来说，这是一个普遍的困惑点：函数不会自动执行。它们作为潜在的例程存在，直到被调用。
如果没有调用该函数，那么函数只是被定义，并且永远不会运行。
如果你刚接触 Bash，请尝试在包含最后一行的情况下执行示例脚本一次，然后在注释掉最后一行的情况下再次执行示例脚本。
即使对于简单的脚本，函数也是很重要的编程概念。你越适应函数，在面对一个不仅需要声明性的命令行，还需要更多动态的复杂问题时，你就会越容易。将通用函数保存在单独的文件中还可以节省一些工作，因为它将帮助你建立常用的程序，以便你可以在项目间重用它们。看看你的脚本习惯，看是否适合使用函数。
via: https://opensource.com/article/20/6/bash-functions
作者：Seth Kenlon 选题：lujun9972 译者：geekpi 校对：wxy
《日本经济新闻》 6 月 15 日称，6 月 22 日将公布最新 TOP500 超算排行榜，日本理化学研究所和富士通联合开发的“富岳”超级计算机有望压倒中美，时隔八年半后重新夺回“超算王座”。从 2018 年上半年开始，IBM 的“顶点”一直位列 TOP500 排行榜第一，终结了中国“天河 2 号/太湖之光”超算保持的十连冠。截至 2019 年 11 月，“顶点”已经连续两年蝉联“速度最快超算”。据介绍，日本“富岳”超算的性能将压倒“顶点”。按理论上的最高值，“富岳”的计算速度将达到每秒 53 亿亿次，是“顶点”每秒 20 亿亿次的两倍以上，“相当于全球 7 0亿人每秒计算 1 次，还得连续计算两年以上”。
来源：环球时报
硬核老王点评：超算的军备竞赛。不过，最重要的是，组建超算的基础元件可以自行生产，而中国，在这方面还有很长的路要走。
跨国公司在绝大部分国家的分支都运行着相同的软件，但软件的版本不完全相同。在每一个国家它都需要定制功能去满足当地的需要，以及遵守当地的监管要求。这增加了维护的复杂性和开销。汇丰数据设计师透露，为了简化应用交付该银行正将 65 个关系数据库迁移到一个全球 MongoDB 数据库。
来源：solidot
硬核老王点评：说实话，看多了 MongeDB 的安全性事故，现在已经不信任 MongoDB 在安全方面的能力了。
随着越来越多的网站普及 HTTPS，明文的 服务器名称指示 （SNI）成为新的隐私漏洞。通过明文 SNI，ISP 或任何网络中间人将会知道你访问了哪个网站，最近一部分网站的屏蔽方法就升级到 SNI 检测。加密 SNI（ESNI）将会堵上这个漏洞。互联网工程任务组最近发布了 TLS Encrypted Client Hello（即 ESNI）的草案，标志着这项功能进入到了草案状态。
来源：solidot
硬核老王点评：道高一尺。
Qt 6.0 仍处于开发初期，还没有冻结功能，第一个快照提供了二进制文件，且仅专注于基本的 Qt 模块。当前，Qt 6.0 开发时间表计划如下：6 月 30 日 冻结结构和平台；8 月 31 日 冻结功能；9 月 14 日 发布 Alpha 版本；10 月 1 日 发布 Beta 版本；11 月 17 日 发布候选；12 月 1 日 最终版本。
来源：开源中国