每月新增開源項目。顧名思義，每月更新一期。我們會從社區上個月新收錄的開源項目中，挑選出有價值的、有用的、優秀的、或者好玩的開源項目來和大家分享。數量不多，但我們力求推薦的都是精品。目前這些開源項目主要來源於編輯們的蒐集和用戶的投遞，所以如果你有更好的開源項目推薦，歡迎積極投遞。
戳這裏查看投遞軟件的正確姿勢 >>> https://www.oschina.net/question/2918182_2266982。
Web Forever —— Web 開發項目推薦
facebookincubator/fizz Fizz —— C++ 14 實現的 TLS 1.3 標準庫
TLS 1.3 已正式發佈，而且主流瀏覽器也已經提供了對其的支持。開發者對於 TLS 1.3 就更不能忽視了。Fizz 是由 Facebook 開源的 TLS 1.3 標準庫，旨在幫助開發者實現 TLS 1.3 協議以及所有推薦的安全性和性能相關配置。
Fizz 使用 C++ 14 進行編寫，它是一個可靠且高性能的 TLS 庫，具有現代 TLS 庫所需的一些重要功能。支持所有主要的握手模式、強大的加密算法和性能優化，旨在以超過 10％ 的速度安全地傳輸數據。除了 TLS 1.3 附帶的增強功能外，Fizz 還爲中間件握手失敗提供了改進的解決方案，默認支持異步 I/O，並且可以處理分散/收集 I/O 以消除對額外數據副本的需求。
Facebook 與 IETF 長期密切合作，在增加 TLS 安全性的同時，也沒有忽略性能的重要性，過去他們使用了自定義的零協議(Zero Protocol)，現在 Facebook 已經用 Fizz 取代了其舊的零協議，Fizz 現在負責每天在 Facebook 上獲得的數萬億連接。
resilience4j/resilience4j Resilience4j —— 面向 Java 8 和函數式編程的輕量級容錯組件庫
Resilience4j 是一個輕量級的容錯組件，其靈感來自於 Hystrix，但主要爲 Java 8 和函數式編程所設計。輕量級體現在其只用 Vavr 庫（前身是 Javaslang），沒有任何外部依賴。而 Hystrix 依賴了 Archaius ，Archaius 本身又依賴很多第三方包，例如 Guava、Apache Commons Configuration 等。
限速組件架構：
alibaba/noform noForm —— 阿里開源的基於 React 的表單解決方案
表單在前端可謂是非常常見的場景，而且通常需要花費開發非常多的時間來處理各種複雜的邏輯。特別是在企業中後臺的業務中，存在着大量的表單，比如客戶的訂單，投訴的問題單，服務跟進過程每個流程的流轉。凡是存在用戶輸入的地方都存在着各種各樣的表單，字段或多或少，邏輯或繁或簡。需求一旦變動，造成的代碼變動（代碼量或者邏輯分支）可能是非常恐怖的。比如當A字段選擇了x的時候，增加B,C,D三個字段。相信這是非常多前端開發非常苦惱的問題。
NoForm 是阿里巴巴外綜服前端團隊在外綜服（外貿綜合服務）場景下，經過長期的思考和打磨產出的一款基於 React 的表單解決方案。可能有人不理解，可能會問：表單嘛，能有多複雜？ 可能你從沒見過一個表單需要填寫150+個字段。可能你也沒有見過一個表單實際是由10+個子表單組合出來的。可能你也沒見過一個表單的字段是後端動態配置的。NoForm 從解決業務複雜性的角度出發，找到了幾個抓手，將表單方案進行了優化和開源。
NoForm 將表單操作到抽象到核心，從此數據(data)的管理和視圖(view)分離開來，權責分明。 通過內置的狀態管理方案，能夠快速切換同一表單的不同狀態，新建和詳情不再需要維護多份代碼。 通過定製組件接入標準，方便接入社區優秀的組件庫，減少開發者重複勞動的時間。
請訪問 Simple Demo 獲取更好的試用體驗。
Funny OSS — 有趣的開源軟件
jesseduffield/lazygit —— 用於 Git 命令行的簡單終端 UI
lazygit 是一個用於 Git 命令行的簡單終端 UI，使用 Go 語言編寫，用到了 gocui 庫，目的是在命令行提供 Git 的圖形界面。
相信不少朋友看到這裏會對這個所謂的“圖形界面”嗤之以鼻，因爲這個“圖形界面”依然需要通過命令行進行控制，畢竟程序員們想的是，如果我懂命令行早就用命令行操作了，還會在乎有沒有界面嗎？話雖如此，這個項目還是很受歡迎的，在 GitHub 上的 star 數早已超過一萬。各位感興趣的話不妨安裝來把玩一下。
Deep Learning —— 深度學習項目推薦
oracle/graphpipe GraphPipe —— 深度學習模型部署框架
機器學習有望改變行業現狀。但是，它在企業中的應用速度比大家預期的要慢，因爲這些組織很難自己部署和管理機器學習技術。部分挑戰是機器學習模型通常使用定製技術進行訓練和部署，從而難以跨服務器或不同部門進行模型的部署。
爲此，甲骨文希望通過開源且高性能的標準網絡協議來傳輸張量數據(tensor data) —— 這樣的一種技術手段來解決上述挑戰。這項新標準，甲骨文稱之爲 GraphPipe，可使企業更容易從任何框架部署和查詢機器學習模型。
官方對 GraphPipe 的解釋爲，這是一種協議和軟件集合，旨在簡化機器學習模型部署並將其與特定於框架的模型實現分離。
本期的推薦到此結束，更多有趣有料的開源軟件盡在開源中國社區等你來發現~！
最後，歡迎關注【開源中國】微信公衆號(ID: oschina2013)，獲取更多技術乾貨和第一手開源資訊