SwiftAudioPlayer 基于Swift的音频播放器，以AVAudioEngine为基础。 允许：流式传输在线音频，播放本地文件，更改音频速度（3.5倍，4倍，32倍），音调和使用自定义的实时音频处理。 该播放器是为。 我们最初使用AVPlayer播放音频，但我们想操纵流式传输的音频。 我们最初设置AVAudioEngine只是为了播放保存在手机上的文件，并且效果很好，但是AVAudioEngine本身不像AVPlayer那样容易地支持流音频。 因此，使用 ，我们可以流音频并将下载的数据转换为可用数据，以供AVAudioEngine播放。 有关我们的解决方案的概述，请查看我们的。 基本特征 实时音频操作，包括使用，最高可达到10倍的速度 使用AVAudioEngine流式传输在线音频 使用相同的API播放本地保存的音频 下载音频 排队下载和流式传输音频以进行自动播放 仅使用1

分享+：视频共享平台 常规：用户可以从网站上观看/上传/下载视频。 他们还可以对视频发表评论。 该项目的最终目标是建立一个像TikTok这样的社区。 ####简单高效的直播服务器： 安装和使用非常简单； 纯Golang，高性能和跨平台； 支持常用的传输协议，文件格式和编码格式； 支持的传输协议 HLS HTTP-FLV 设计图 API设计 使用HTTP协议完成对资源的操作。 三种类型的API： USER API：返回每个用户的状态。 RESOURCE API：返回视频的状态。 COMMENT API：返回一个特定视频/下的所有评论/ 流服务器设计 先决条件： UDP协议实现文件上传 令牌桶控制速率限制 调度器设计 异步删除 生产者-消费者模型 计时器：运行和停止 未来目标 断点续传 ♡Golang新特性 共享频道：不共享内存 云原生优化 处理程序->验证{1。 请求，2

scikit-multiflow是一个机器学习包，用于在Python scikit-multiflow传输数据。 和正在合并到一个名为的新项目中。 我们认为这两个项目具有相同的愿景。 我们认为，集中资源而不是重复工作将使双方受益。 我们也有信心，这将使两个社区受益。 将会有更多的人从事新项目，这将使我们能够更有效地分配工作。 因此，我们将能够使用更多功能并提高项目的整体质量。 这两个项目将停止积极发展。 这两个项目的代码都将继续公开提供，尽管开发仅侧重于过渡期间的小规模维护。 新软件包的体系结构与creme非常相似。 它将专注于单实例增量模型。 我们鼓励用户使用River代替奶油。 我

IO-Compress-Lzma：IO-Compress-Lzma-用于读写压缩的lzmaxzlzip数据的Perl5模块

RTSPAllTheThings：不推荐使用的RTSP媒体服务器-使用github.comaler9rtsp-simple-server代替

IOS应用源码之【应用】iPhone Internet Radio Streaming Application.rar

【应用】-iPhone Internet Radio Streaming Application.7z

:warning: 实验性的。 请注意，这是预发行版本。 gNMI网关 gnmi-gateway是用于连接多个目标的分布式且高度可用的服务。 当前仅支持RPC。 常见的用例是： 向gNMI客户端提供多个流，同时保持与gNMI目标的单个连接。 向gNMI客户端提供高可用性的流。 在多个服务器之间分配gNMI目标连接。 将gNMI流导出为其他数据格式和协议。 根据其他系统（例如，您的NMS或网络清单等）中的数据动态地建立与gNMI目标的连接。 设计 概述 gnmi-gateway用Golang编写，旨在为对使用gNMI数据（使用建模）感兴趣的用户和组织轻松扩展。 但是，如果您对编写自己的代码不感兴趣，则可以使用一些内置组件从命令行轻松使用。 gnmi-gateway基于从Target Loaders接收到的数据连接到gNMI目标。 然后，将gNMI通知消息转发到gnmi-gateway缓存，具有

Spark 项目流 org.apache.spark/spark-streaming_2.12/3.1.2/spark-streaming_2.12-3.1.2.jar

一、实验目的 1.理解Spark Streaming的工作流程。 2.理解Spark Streaming的工作原理。 3.学会使用Spark Streaming处理流式数据。 二、实验环境 Windows 10 VMware Workstation Pro虚拟机 Hadoop环境 Jdk1.8 三、实验内容 （一）Spark Streaming处理套接字流 1：编写处理套接字流的java程序代码 2：导入缺失的jar包 3：把java程序导出为jar包 4：start-all.sh，启动所有进程，并查看情况 5：启动Spark分布式集群并查看信息 6：启动9999端口 7：切换到jar包所在路径 8：提交程序到spark集群上运行 9：监测端口内容，每隔10秒钟输出一次，当有内容出现的时候，单词计数输出内容 10：退出监测，Ctrl+Z，但是这样并没有完全退出监测，到http://localhost:8080/里杀死该任务，也可以使用Ctrl+C完全退出 （二）Spark Streaming处理RDD队列流 （三）Spark Streaming处理文件流