雷锋网连线OpenWrt.org:来自纯粹开源世界的声音

简介:
  
   OpenWrt的纯粹是因为它完全开源,任何个人开发者或者组织都可以免费地获取、改动和使用它的代码。OpenWrt至今没有任何稳定的赞助或者收入来源,也从不向开发者直接支付任何费用。OpenWrt.org的核心开发团队只有25个人,全球范围内每年稳定地向OpenWrt提交代码的开发者大概在1百到2百人。但就是在这样一个神奇社区的驱动下,OpenWrt的痕迹已经渗透到全球几乎所有的主流电子设备。

在上周日举办#雷锋网OpenWrt开发者沙龙#之前,雷锋网(公众号:雷锋网)连线OpenWrt.org的社区组织者Gregers Petersen进行了一次采访。

以下“雷”代表雷锋网,“G”代表Gregers Petersen。

雷:你能简单介绍一下自己吗?

G:严格意义上我不算是技术背景(Gregers的第一身份是人类学家),在OpenWrt.org我主要是协调社区跟开发者、技术公司以及一些非营利性组织的项目。OpenWrt是SPI(Software of Public Interest)的成员之一,致力于给公众提供免费、开源的软件。

雷:OpenWrt现在的影响规模是多大?

G:几乎所有大型的芯片和设备制造商都在底层使用了OpenWrt,比如Broadcom、比如Marvel。这个得益于OpenWrt的完全开放,不过厂商们在产品上未必能做到这样开放——公众未必会知道其中使用了OpenWrt。

雷:OpenWrt.org和全球的厂商们是怎样的关系?

G:大量的厂商在底层会部署OpenWrt。我们和其中的一些公司有非常好的联系,但同样也有一些公司——从技术层面我们能看到OpenWrt的应用——但我们之间从来没有联系。

雷:最初OpenWrt主是应用在路由器上,但现在OpenWrt几乎无处不在(手机、网关、PDA...)。这是怎么做到的?

G:老实说,OpenWrt的发展主要依靠的是开发者自发的兴趣和需要。比如某个开发者说,我要把它移植到x86平台,又有开发者说我们需要AMD64平台的支持。这中间可能有一些厂商捐助一些开发设备,于是大家就开始干了。在这个过程中,我们并不向开发者直接支付任何的费用。整个开发、代码审核和提交都是大家志愿来完成的。

OpenWrt没有总部,这会儿它的总部就在我家里,可以说OpenWrt的总部就是分散在全球开发者的家里。

雷:目前OpenWrt.org的开发者规模是多大?

G:OpenWrt.org的核心开发者大概是25人,每年全球范围大约有1-2百名开发者稳定地向代码库提交修改和补丁。从论坛数据来看,整个外围的开发者社区在5-6万用户。就核心开发者数量来说,我们的团队很小。

雷:这些开发者的地域分布是怎样的?

G:他们主要集中在欧洲和北美地区,我们也有少量的亚洲开发者,当然还有来自中国的。我们希望更多的中国开发者参与进来。中国是一个巨大的市场。

雷:如果我想成为一名OpenWrt社区的贡献者,我应该从哪里开始?

G:很简单,你可以直接邮件我们。最开始可能是帮我们维护某个软件包,提交一些补丁代码。

雷:今天在中国大量的家用路由以及商用路由开始使用OpenWrt,官方社区对此怎么看?

G:这就是我们一直想要看到的。我们希望有更多的公司和个人来分享这些代码成果,让OpenWrt融入更多的产品。但我们也希望借这个机会提一个小要求:我们希望这些产品公司在看到雷锋网的报道后,能跟我们沟通,提供一些样机,我们可以在这里面加入官方支持。

雷:你认为OpenWrt会变成路由上的Android吗?

G:我认为它已经是了。

雷:除了路由器外,今天在中国我们还能看到像罗未这样用OpenWrt打造智能机器的项目(参见雷锋网早前的报道),官方是怎么看待这类的项目?

G:我们很高兴能在中国看到这样的项目。全球范围内我知道有类似的团队在做类似的事,但中国开发者的特色是他们有很强的产品能力。北美或者欧洲的开发者更倾向把这些项目当成一种爱好,但中国的团队总是能拿出实际的产品。OpenWrt也会随着这些产品产生更大的影响。

在采访最后,Gregers表示他们目前还没有在中国的分支或者base,但是非常欢迎国内的开发者与OpenWrt.org勾兑,雷锋网也十分愿意在这样的勾兑中为大家牵线搭桥。

  
 
  本文作者: 吴德新

本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试中AI的融合与创新
随着人工智能(AI)技术的飞速发展,其在软件测试领域的应用逐渐深入。本文将探讨AI如何革新传统的自动化测试流程,提高测试效率和准确性。通过分析AI技术在缺陷预测、测试用例生成、以及测试结果分析等方面的应用,揭示AI对提升软件质量保障能力的重要性。同时,文章还将讨论AI在自动化测试中面临的挑战和未来的发展方向。
|
Linux C语言 C++
CentOS7安装gcc-5.4.0
CentoOS7 安装gcc
4224 0
CentOS7安装gcc-5.4.0
|
11月前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
718 15
|
Kubernetes Linux 测试技术
|
监控 安全 网络安全
EAP:无线网络安全的强大卫士
EAP:无线网络安全的强大卫士
634 0
|
网络安全 开发工具 git
GitHub
一、建立个人仓库 二、配置SSH密钥 三、克隆仓库代码 四、推送代码到个人仓库 五、代码拉取
903 1
|
应用服务中间件 nginx 数据安全/隐私保护
|
文字识别 计算机视觉 Python
使用ModelScope社区搭建OCR应用
简介: 本文介绍通过ModelScope来完成光学字符识别(OCR)这一应用,该应用使用两个模型: ● 文本检测(ocr_detection) ● 文本识别(ocr_recognition)
使用ModelScope社区搭建OCR应用
|
机器学习/深度学习 数据采集 存储
数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(下篇)[xgboots/lightgbm/Catboost等模型]--模型融合:stacking、blending
数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(下篇)[xgboots/lightgbm/Catboost等模型]--模型融合:stacking、blending
|
人工智能 JavaScript IDE
Aixcoder:AI辅助编程工具
Aixcoder:AI辅助编程工具
724 0