Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >这个Github宝藏仓库竟然收藏了这么多好东西?

这个Github宝藏仓库竟然收藏了这么多好东西?

作者头像
大帅老猿
发布于 2023-01-12 01:49:50
发布于 2023-01-12 01:49:50
4020
举报
文章被收录于专栏:大帅老猿大帅老猿

Hello,大家好,我是大帅。一个热爱前端的老程序猿。今天要给大家介绍的是Github里一个宝藏仓库,仓库的名字叫 AwesomeSites

为什么大帅会建这么一个仓库呢?

因为随着时间的流逝,很多网站可能会由于各种原因下线,然后就再也无法访问了,对于一些非常精彩的网站作品而言,这是一个令人遗憾的事情。

所以我建立了这么一个仓库,来备份这些我认为值得体验和学习的网站。

在这个仓库里收录了非常多酷炫,有趣的体验型网站项目。并且都分门别类的归纳好了,分为汽车,电子商务,展览展示,游戏,企业/个人介绍,房间,太空等。

比如在我之前给大家分享过的登月体验网站,积木小火车网站等等,未来这个仓库还会持续更新,喜欢的小伙伴别忘了点个star哦。

现在我来演示一下这个仓库的使用方法。

首先进入打开这个仓库的链接

https://github.com/ezshine/AwesomeSites

然后选择打开其中一个子仓库,将其克隆下来。

进入到分类下网站文件夹,然后打开终端,记得要安装一下live-server这个本地http服务。接着我们在网站文件夹下启动live-server。

那么这个网站就在本地运行起来了。

虽然这些项目,我备份的不是源码,代码不具备可读性,也就不适合新手学习。

但是像图片,视频,模型等静态资源,我们都可以拿到并且使用。

当然,不建议大家使用这些可能存在版权风险的资源去做商业项目,但是做一些课件,毕设,或者是演示demo等非盈利性的内容时,还是没问题的。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-11-14,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大帅老猿 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
怎样才能写出更好的 CSS
让我们开门见山:编写优秀的 CSS 代码是件十分痛苦的事情。很多开发人员都不想做 CSS 开发。你让我干什么都行,但是 CSS 还是算了吧。
grain先森
2019/03/28
1.8K0
怎样才能写出更好的 CSS
互联网高手教你如何搜集你想要的信息
  写在前面   几个月前,团队邀我做次内部的分享,主题是如何有效搜索信息。这是因为平时工作中,我经常会分享一些专业学习文档,而这些文档的出现往往很及时,回应一些我们自己项目的困惑,所以大家会好奇我如何及时找得到那么专业且对口的参考资料。   这些资料有些来自网络搜索,有些却是来自我的“个人资料库”,它分门别类,容易检索,所以很轻易就能够翻出来示人。所以后来,这次分享便从“搜索术”,扩大为如何获取、整理各种信息的技能。   这原来我认为是常识的东西,却在简单分享后得到好评。受到鼓励之余,我也明白了并不是所有
用户1289394
2018/02/28
1.3K0
互联网高手教你如何搜集你想要的信息
【云+社区年度征文】关于github你不得不知道的东西,总结一下
现在我大二,距离我敲下第一行HelloWorld,已经四年有余,快五年了(初三就买了本《C Primer Plus》,钱还是跟我哥借的,但挡不住我现在依旧是个菜鸡)。当时我写的代码放txt里面,是这样的:
花狗Fdog
2020/12/17
6120
【云+社区年度征文】关于github你不得不知道的东西,总结一下
Hexo + Github Pages博客搭建教程
一直以来自己都有书写文章的习惯,不管是收集资料还是表达自己的个人见解。最开始把资料都放在印象笔记里,但是印象笔记有个不好的点就是书写不方便,而且多设备登录不友好,需要升级账户。后来就搭建了一个WordPress站点,记录自己的点滴。慢慢的接触到了CSDN,也计划着在那里写博客。CSDN的编辑器有markdown版本,接触到了markdown就对其产生了好感。与此同时,我也将我的WordPress站点的编辑器换成了markdown编辑器,一处书写多处同步。 慢慢的,我感受到了WordPress站点的臃肿,由于我的站点原因,做的并不是单独的博客站点,所有的文章展示方面不友好。所以萌生了搭建一个单独的博客的想法。
慕白
2020/01/02
9550
Hexo + Github Pages博客搭建教程
[中国版 Cursor ]?!CodeBuddy快捷搭建个人展示页面指南
我正在参加CodeBuddy「首席试玩官」内容创作大赛,本文所使用的 CodeBuddy 免费下载链接:腾讯云代码助手 CodeBuddy - AI 时代的智能编程伙伴
数字扫地僧
2025/05/13
3360
[中国版 Cursor ]?!CodeBuddy快捷搭建个人展示页面指南
🦀 新手必看!小小白也能用Rust点亮LED,入门嵌入式开发(上)
我是一名有着30多年IT从业经验的老程序员,正在创作一本 Rust 编程入门书,致力于降低 Rust 那传说中陡峭的学习曲线。小小白是我最近在社交网络上认识的朋友,他对学习 Rust 充满热情。作为一名环境工程专业的硕士毕业生,小小白已在北京的一家公司工作三年。他渴望成为独立软件开发者,创造自己的软件,但编程经验有限。他在大学计算机基础课上学过 C 语言,后来也接触了一些 C++。研究生期间刚进课题组时,导师要求他用 Python 进行数据分析。他用 Jupyter 写过一些简短的 Python 代码,体验过代码即时运行、无需调试的便利。然而,他总觉得这不算正儿八经地写程序。
程序员吾真本
2024/12/06
7050
🦀 新手必看!小小白也能用Rust点亮LED,入门嵌入式开发(上)
❤️ 爆肝三万字《数据仓库体系》轻松拿下字节offer ❤️【建议收藏】
🍅 作者主页:不吃西红柿 🍅 简介:CSDN博客专家🏆、信息技术智库公号作者✌  华为云享专家、HDZ核心组成员。 简历模板、PPT模板、学习资料、面试题库、技术互助。 目录 🍅 信息技术智库 🍅 ---- 文章很长,前言一定要看 拥有本篇文章,意味着你拥有一本完善的书籍,本篇文章整理了数据仓库领域,几乎所有的知识点,文章内容主要来源于以下几个方面: 源于「数据仓库交流群」资深数据仓库工程师的交流讨论,如《sql行转列的千种写法》。 源于群友面试大厂遇到的面试真题,整理投稿给我,形成《面试题库》。 源于笔
不吃西红柿
2022/07/29
1.1K0
❤️ 爆肝三万字《数据仓库体系》轻松拿下字节offer ❤️【建议收藏】
一文探究数据仓库体系(2.7万字建议收藏)
数据仓库,英文名称为Data Warehouse,可简写为DW或DWH。数据仓库,是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合。它出于分析性报告和决策支持目的而创建。
肉眼品世界
2020/11/11
2K0
一文探究数据仓库体系(2.7万字建议收藏)
Linux命令大总结,一篇就够了(建议新手收藏)
操作系统 Operating System 简称 OS ,是软件的一部分,它是硬件基础上的第一层软件,是硬件和其它软件沟通的桥梁。
嵌入式Linux内核
2022/09/23
1.2K0
Linux命令大总结,一篇就够了(建议新手收藏)
4万字长文全面解读数据中台、数据仓库和数据湖
如今,随着诸如互联网以及物联网等技术的不断发展,越来越多的数据被生产出来。据统计,每天大约有超过2.5亿亿字节的各种各样数据产生。这些数据需要被存储起来并且能够被方便的分析和利用。
肉眼品世界
2022/01/21
1.3K0
4万字长文全面解读数据中台、数据仓库和数据湖
万字启程——零基础~前端工程师_养成之路001篇
前端即网站前台部分,运行PC在端,移动端等浏览器上展现给用户浏览的网页。随着互联网技术的发展,HTML5,CSS3,前端框架的应用,跨平台响应式网页设计能够适应各种屏幕分辨率,合适的动效设计,给用户带来极高的用户体验。
淼学派对
2022/11/20
6610
万字启程——零基础~前端工程师_养成之路001篇
牛客网论坛最具争议的Linux内核成神笔记,GitHub已下载量已过百万
原文地址:牛客网论坛最具争议的Linux内核成神笔记,GitHub已下载量已过百万
嵌入式Linux内核
2023/06/09
9980
牛客网论坛最具争议的Linux内核成神笔记,GitHub已下载量已过百万
SpringCloud-实用篇
小简从 0 开始学 Java 知识之 Java-学习路线 中的《SpringCloud-实用篇》,不定期更新所学笔记,期待一年后的蜕变吧!<有同样想法的小伙伴,可以联系我一起交流学习哦!>
小简
2023/01/30
1.7K0
软件设计师复习资料「建议收藏」
大家好,我是架构君,一个会写代码吟诗的架构师。今天说一说软件设计师复习资料「建议收藏」,希望能够帮助大家进步!!!
Java架构师必看
2022/06/27
6.6K0
Python 的练手项目有哪些值得推荐?
在开始正题之前,先介绍一下它所属的系列。该系列叫 AOSA,是“The Architecture of Open Source Applications”的简称,即“开源程序的体系结构”,目前有四本书,本期主角是最近的一本(发布于 2016.7.12)。
知忆
2021/06/05
9340
如何做职业规划并进行求职准备(持续更新)「建议收藏」
总结:就现在情况,大学我不考研,安心求职 考研=我要“它”+我现在就要 我不要“它”:测试是个实践性很强的工作,测试招聘学士学位占比低,研究型的测试研究生学历比起小本并不能带来太大优势 我现在不要:不可否认,学历可以突破职业瓶颈,所以我要考研,但是是在很多年以后,而不是现在。(等以后进入管理阶层,有了丰富的经验,考取工商管理MBA,得到的相关的文凭技能人脉会更加有价值)
全栈程序员站长
2022/11/01
3.2K0
如何做职业规划并进行求职准备(持续更新)「建议收藏」
JavaSE 编写第一个程序
介绍 JavaSE 基础的基本语法知识,不会包含特别难以理解或更深层次的内容,通俗易懂。本人是实战派,看着大幅篇章晦涩的理论,但是没有多少实践证明的书籍就头疼;同时如果知识东一点、西一点,跳跃性太大,不成体系,也比较麻烦。
全栈程序员站长
2022/09/14
6.6K0
JavaSE 编写第一个程序
从一到万的运维之路,说一说VM/Docker/Kubernetes/ServiceMesh
文章的名字起的有点纠结,实际上这是一篇真正从基础开始讲解,并试图串联起来现有一些流行技术的入门文章。 目前的企业级运营市场,很有点早几年前端工程师所面临的那样的窘境。一方面大量令人兴奋的新技术新方案层出不穷;另外一方面运维人员也往往陷入了选择困局,艰于决策也疲惫于跟踪技术的发展。 目前的网络上已经有很多新技术的介绍文章和培训资料——绝大多数讲的比我要好得多。 因为工作原因,我有比较多的用户服务经验。所以我要说的是,写这篇文章的原因,不是因为现有资料不够好。而是这些资料大多都是从技术本身出发,不断的说“我可以提供A、我可以提供B、还有我的特征C也不错”。而忘记了问,用户想要的是什么,用户想解决的问题是什么。 所以不同于通常的技术文章使用技术本身串起来所有的内容,本文试图通过需求和技术的互动发展来串起来运维技术的发展历程。 在整体系统中,开发和运维都是很重要的,所以现在DevOps的理念早已深入人心。但本文并不讲解开发部分的内容,这里只集注在运维架构的演进方面。 即便如此,运维也是非常大的一个话题,所以我的目标再缩小一些,只限定在基础系统软件的领域。
俺踏月色而来
2019/03/22
2.7K0
从一到万的运维之路,说一说VM/Docker/Kubernetes/ServiceMesh
《增长黑客》节选与笔记[通俗易懂]
这本书涉及了很多具体又贴合现实的互联网产品问题,即使你是非专业人士,也应该读一读,了解开发者是如何把你当猫耍的,以便你更好地认识一些套路,解锁,为选择手机软件或者云端应用擦亮眼睛!
全栈程序员站长
2022/08/27
7.8K0
大数据技术之_19_Spark学习_07_Spark 性能调优 + 数据倾斜调优 + 运行资源调优 + 程序开发调优 + Shuffle 调优 + GC 调优 + Spark 企业应用案例
  每一台 host 上面可以并行 N 个 worker,每一个 worker 下面可以并行 M 个 executor,task 们会被分配到 executor 上面去执行。stage 指的是一组并行运行的 task,stage 内部是不能出现 shuffle 的,因为 shuffle 就像篱笆一样阻止了并行 task 的运行,遇到 shuffle 就意味着到了 stage 的边界。   CPU 的 core 数量,每个 executor 可以占用一个或多个 core,可以通过观察 CPU 的使用率变化来了解计算资源的使用情况,例如,很常见的一种浪费是一个 executor 占用了多个 core,但是总的 CPU 使用率却不高(因为一个 executor 并不总能充分利用多核的能力),这个时候可以考虑让一个 executor 占用更少的 core,同时 worker 下面增加更多的 executor,或者一台 host 上面增加更多的 worker 来增加并行执行的 executor 的数量,从而增加 CPU 利用率。但是增加 executor 的时候需要考虑好内存消耗,因为一台机器的内存分配给越多的 executor,每个 executor 的内存就越小,以致出现过多的数据 spill over 甚至 out of memory 的情况。   partition 和 parallelism,partition 指的就是数据分片的数量,每一次 task 只能处理一个 partition 的数据,这个值太小了会导致每片数据量太大,导致内存压力,或者诸多 executor 的计算能力无法利用充分;但是如果太大了则会导致分片太多,执行效率降低。在执行 action 类型操作的时候(比如各种 reduce 操作),partition 的数量会选择 parent RDD 中最大的那一个。而 parallelism 则指的是在 RDD 进行 reduce 类操作的时候,默认返回数据的 paritition 数量(而在进行 map 类操作的时候,partition 数量通常取自 parent RDD 中较大的一个,而且也不会涉及 shuffle,因此这个 parallelism 的参数没有影响)。所以说,这两个概念密切相关,都是涉及到数据分片的,作用方式其实是统一的。通过 spark.default.parallelism 可以设置默认的分片数量,而很多 RDD 的操作都可以指定一个 partition 参数来显式控制具体的分片数量。   看这样几个例子:   (1)实践中跑的 Spark job,有的特别慢,查看 CPU 利用率很低,可以尝试减少每个 executor 占用 CPU core 的数量,增加并行的 executor 数量,同时配合增加分片,整体上增加了 CPU 的利用率,加快数据处理速度。   (2)发现某 job 很容易发生内存溢出,我们就增大分片数量,从而减少了每片数据的规模,同时还减少并行的 executor 数量,这样相同的内存资源分配给数量更少的 executor,相当于增加了每个 task 的内存分配,这样运行速度可能慢了些,但是总比 OOM 强。   (3)数据量特别少,有大量的小文件生成,就减少文件分片,没必要创建那么多 task,这种情况,如果只是最原始的 input 比较小,一般都能被注意到;但是,如果是在运算过程中,比如应用某个 reduceBy 或者某个 filter 以后,数据大量减少,这种低效情况就很少被留意到。   最后再补充一点,随着参数和配置的变化,性能的瓶颈是变化的,在分析问题的时候不要忘记。例如在每台机器上部署的 executor 数量增加的时候,性能一开始是增加的,同时也观察到 CPU 的平均使用率在增加;但是随着单台机器上的 executor 越来越多,性能下降了,因为随着 executor 的数量增加,被分配到每个 executor 的内存数量减小,在内存里直接操作的越来越少,spill over 到磁盘上的数据越来越多,自然性能就变差了。   下面给这样一个直观的例子,当前总的 cpu 利用率并不高:
黑泽君
2019/05/14
3K0
大数据技术之_19_Spark学习_07_Spark 性能调优 + 数据倾斜调优 + 运行资源调优 + 程序开发调优 + Shuffle 调优 + GC 调优 + Spark 企业应用案例
推荐阅读
相关推荐
怎样才能写出更好的 CSS
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档