Byl vydán Nextcloud Hub 8. Představení novinek tohoto open source cloudového řešení také na YouTube. Vypíchnout lze Nextcloud AI Assistant 2.0.
Vyšlo Pharo 12.0, programovací jazyk a vývojové prostředí s řadou pokročilých vlastností. Krom tradiční nadílky oprav přináší nový systém správy ladících bodů, nový způsob definice tříd, prostor pro objekty, které nemusí procházet GC a mnoho dalšího.
Microsoft zveřejnil na GitHubu zdrojové kódy MS-DOSu 4.0 pod licencí MIT. Ve stejném repozitáři se nacházejí i před lety zveřejněné zdrojové k kódy MS-DOSu 1.25 a 2.0.
Canonical vydal (email, blog, YouTube) Ubuntu 24.04 LTS Noble Numbat. Přehled novinek v poznámkách k vydání a také příspěvcích na blogu: novinky v desktopu a novinky v bezpečnosti. Vydány byly také oficiální deriváty Edubuntu, Kubuntu, Lubuntu, Ubuntu Budgie, Ubuntu Cinnamon, Ubuntu Kylin, Ubuntu MATE, Ubuntu Studio, Ubuntu Unity a Xubuntu. Jedná se o 10. LTS verzi.
Na YouTube je k dispozici videozáznam z včerejšího Czech Open Source Policy Forum 2024.
Fossil (Wikipedie) byl vydán ve verzi 2.24. Jedná se o distribuovaný systém správy verzí propojený se správou chyb, wiki stránek a blogů s integrovaným webovým rozhraním. Vše běží z jednoho jediného spustitelného souboru a uloženo je v SQLite databázi.
Byla vydána nová stabilní verze 6.7 webového prohlížeče Vivaldi (Wikipedie). Postavena je na Chromiu 124. Přehled novinek i s náhledy v příspěvku na blogu. Vypíchnout lze Spořič paměti (Memory Saver) automaticky hibernující karty, které nebyly nějakou dobu používány nebo vylepšené Odběry (Feed Reader).
OpenJS Foundation, oficiální projekt konsorcia Linux Foundation, oznámila vydání verze 22 otevřeného multiplatformního prostředí pro vývoj a běh síťových aplikací napsaných v JavaScriptu Node.js (Wikipedie). V říjnu se verze 22 stane novou aktivní LTS verzí. Podpora je plánována do dubna 2027.
Byla vydána verze 8.2 open source virtualizační platformy Proxmox VE (Proxmox Virtual Environment, Wikipedie) založené na Debianu. Přehled novinek v poznámkách k vydání a v informačním videu. Zdůrazněn je průvodce migrací hostů z VMware ESXi do Proxmoxu.
R (Wikipedie), programovací jazyk a prostředí určené pro statistickou analýzu dat a jejich grafické zobrazení, bylo vydáno ve verzi 4.4.0. Její kódové jméno je Puppy Cup.
$foo->{bar}[2]
, což má k nepřehlednosti hodně daleko. Objekty jsou dolepek ale poměrně zdařilý, když se např. podívám, jak se dolepilo C++... pokud jste v Perlu "uživatelem" objektů, tak Vám může být srdečně jedno jak fungují uvnitř. Pokud nějakou třídu tvoříte, tak buď vezmete nějaký generátor (které umí hodně věcí!) a pak Vám je to zase srdečně, nebo holt na to jdete z gruntu a musíte do toho proniknout a daný modus operandi akceptovat. Skaláry jsme už probrali, že je v Perlu také kontext polí a docela mocný nástroj pro práci s ním, Vás asi moc nebere.
sub aaa { wantarray ? map uc, @_ : lc $_[0] }
A nechceš zkusit Ruby?
Loni co jsem koukal na české servery práce, tak na perl jako hlavní jazyk bylo víc pozic než na python. Jestli se to změnilo nevím a ani mě to nezajímá.
Po přibližně dvaceti letech programování, kdy jsem udělal kolečko: Fortran-> Pascal-> Perl-> C-> Python-> C++-> Smalltalk-> Objective- C-> (Fortran, C++) (nebo tak zhruba nějak a samo spoustu dalších menších odboček, ve kterých jsem moc řádků nenapsal) jsem došel k názoru, že interpretované jazyky nepřináší vůbec nic nového, jsou pomalé (fakt mockrat), potřebují interpret (velký obecný balík nesouvisejících funkcí) atd. takze numerické, obrazkové a jiné věci píšu ve Fortranu a grafické, textové a systémové věci pak C++ a občas použiju menší skriptík v sh.
Psaní v interpretovaných jazycích je podle mě neúcta k uživatelům, protože musí mít naistalovou spoustu marastu a čekat na pomalé odezvy. K použití Perlu i Pythonu v nějakých vážnějších a dlouhodobějších projektech mám proto vážné výhrady. Nehledě na to, že se jejich specifikace pořád mění, takže já například při urdžování GUI jednoho programu jsem začal s C (ovšem to mě pak pekně naštvaly s Gtk), pak to přepsal do Perlu, pak Python a nakonec C++. A jsem rád, Python po změně specifikace bude opět vyžadovat zásahy, zatímco programy v C a Fortranu jedou i po deseti letech tak jak mají.
Paradoxně, často proklamovaný rapidní vývoj v Pythonu se u mě nedostavil, stejná rychlost je při použití stejného toolkitu jako u C++. Naopak ve Fortranu jsem minimálně čtyřikrát rychlejší než v C++ pri programování grafických věcí na které jsou oba zhruba stejně vhodné (aspoň jak se říká). Je to samozřejmě dané jednoduchou syntaxí Fortranu, která umožňuje myslet na řešený problém a ne na sytaxi. A taky solidní podporou polí, která není jinde vyřešena vůbec (Matlab je opět interpretovaný).
Takže pokud se chceš něco učit (což se hodí, aby jsi pochopil ty kolem), tak se nauč obě. Jinak je to ale ztráta času. Použití tříd a STL v C++ společně se šikovným toolkitem nebo knihovnami s přehledem nahradí moduly obou. Pokud chceš dynamicky typovaný jazyk bez drbaní jako v C++ zkus Objective C. Na trhu práce ovšem nejspíš uspěješ jedině s php a maximálně s Pythonem nebo dnes tzv. moderní Javou, Mono, atd.... ale cena na tebe určitě stoupne, když budeš znát php a zároveň C++, které už trubky neznají...
Tiskni Sdílej: