Wer hat es erfunden?

Entwickelt hat es Dapper Labs, einem in Kanada ansässigen Unternehmen, dass im Jahr 2018 gegründet wurde. Das Unternehmen ist ein Pionier in der Entwicklung von Blockchain-Technologien und hat sich auf die Erstellung von dezentralen Anwendungen (DApps) spezialisiert. Unter anderem ist es besonders bekannt für die Entwicklung von CryptoKitties, einer der ersten Anwendungen auf der Ethereum–Blockchain, die die Verwendung von Non-Fungible Tokens (NFTs) populär machte.

Dapper Labs hat sich auch als Vorreiter in der Entwicklung von Blockchain-Technologien im Bereich des Sports etabliert. Das Unternehmen hat Partnerschaften mit der National Basketball Association (NBA) und der Union Cycliste Internationale (UCI) geschlossen, um NFTs und andere dezentrale Anwendungen im Sport zu fördern. Das Unternehmen arbeitet auch mit verschiedenen Künstlern und Unterhaltungsunternehmen zusammen, um innovative Anwendungen auf der Blockchain zu erstellen.

Insgesamt hat Dapper Labs eine führende Rolle bei der Entwicklung von Blockchain-Technologien und der Erstellung von Anwendungen auf der Blockchain übernommen. Das Unternehmen hat eine breite Palette von Anwendungen entwickelt, die auf verschiedenen Blockchain-Plattformen wie Ethereum und Flow laufen. Es hat auch Partnerschaften mit verschiedenen Branchen und Institutionen geschlossen, um die Akzeptanz und Verbreitung von Blockchain-Technologien zu fördern.

Wie funktioniert Flow?

Flow verwendet ein einzigartiges Modell, das darauf abzielt, die Skalierbarkeit von Anwendungen auf der Blockchain zu verbessern. Es verwendet eine Architektur, die man als „Layer-1“ bezeichnet, um die Geschwindigkeit und Leistung von Anwendungen zu verbessern. Dies erreicht man durch die Verwendung eines neuen Konsensmechanismus, den man als „Proof of Stake“ bezeichnet. Proof of Stake (PoS) ist ein alternatives Konsensmodell, dass man anstelle von Proof of Work (PoW) verwendet.

Man hat die Flow-Plattform speziell für die Erstellung von Non-Fungible Tokens (NFTs) entwickelt, die in der Blockchain-Industrie immer mehr an Beliebtheit gewinnen. NFTs sind digitale Assets, auf der Blockchain und einzigartig sind. Man verwendet sie in der Regel für digitale Kunstwerke, Musikstücke, Videos und andere digitale Inhalte bzw. Assets.

Die Flow-Plattform hat eine Reihe von Funktionen, die sie von anderen Blockchain-Plattformen unterscheiden. Es ist benutzerfreundlich, skalierbar und verhältnismäßig sicher. Die Plattform verwendet auch ein Modell für die Verwaltung von Transaktionsgebühren, die man als „Gasgebühren“ bezeichnet. Gasgebühren sind ein Mechanismus, die man dazu verwendet, um die Verarbeitung von Transaktionen auf der Blockchain zu priorisieren.

Fazit

Insgesamt ist Flow eine vielversprechende Plattform für die Erstellung von Anwendungen auf der Blockchain. Es bietet Entwicklern eine benutzerfreundliche Umgebung, die auf die Erstellung von Non-Fungible Tokens spezialisiert ist. Mit der Skalierbarkeit, Sicherheit und Leistung von Flow können Entwickler Anwendungen erstellen, die in der Lage sind, auf der Blockchain zu wachsen und zu gedeihen.

Der Beitrag Flow – Anwendungen einfach auf die Blockchain erschien zuerst auf CEOsBay.

Python unterstützt die objektorientierte, aspektorientierte und die funktionale Programmierung, wenn es um die Programmierparadigmen geht. Ferner bietet es eine dynamische Typisierung. Wie viele dynamische Sprachen wird Python oft als Skriptsprache genutzt. Die Sprache weist ein offenes, gemeinschaftsbasiertes Entwicklungsmodell auf, dass durch die gemeinnützige Python Software Foundation gestützt wird, die die Definition der Sprache in der Referenzumsetzung CPython pflegt.

Kurze Zeitreise

Die Sprache wurde Anfang der 1990er Jahre von Guido van Rossum am Centrum Wiskunde & Informatica in Amsterdam als Nachfolger für die Programmiersprache ABC entwickelt und war ursprünglich für das verteilte Betriebssystem Amoeba gedacht.

Wie in meinem Beitrag über GitHub bereits erwähnt, geht der Name nicht auf die gleichnamige Schlangengattung zurück, sondern bezog sich ursprünglich auf die englische Komikertruppe Monty Python. In der Dokumentation finden sich daher auch einige Anspielungen auf Sketche aus dem Flying Circus. Trotzdem etablierte sich die Assoziation zur Schlange, was sich unter anderem in der Programmiersprache Cobra sowie dem Python-Toolkit „Boa“ und schlussendlich in dem heutigen Logo wiederfindet. Die erste Vollversion erschien im Januar 1994 unter der Bezeichnung Python 1.0. Gegenüber früheren Versionen wurden einige Konzepte der funktionalen Programmierung implementiert, die allerdings später wieder aufgegeben wurden.

Python 2.0 erschien am 16. Oktober 2000. Neue Funktionen umfassten eine voll funktionsfähige Garbage Collection (automatische Speicherbereinigung) und die Unterstützung für den Unicode-Zeichensatz. In Version 2.6 wurde eine Hilfe eingebaut, mit der angezeigt werden konnte, welche Code-Sequenzen vom Nachfolger Python 3 nicht mehr unterstützt werden und daher in darauf aufbauenden Versionen nicht mehr funktionsfähig sind.

Python 3.0 (auch 3000 genannt) erschien am 3. Dezember 2008 nach längerer Entwicklungszeit. Es beinhaltet einige tiefgreifende Änderungen an der Sprache, etwa das Entfernen von Redundanzen bei Befehlssätzen und veralteten Konstrukten. Da Python 3.0 hierdurch teilweise inkompatibel zu früheren Versionen ist, beschloss die Python Software Foundation, 2.7 parallel zur Version 3 bis Ende 2019 weiter mit neuen Versionen zu unterstützen.

Freuen dürfen wir uns auf die mittlerweile Version 3.12, die im Oktober dieses Jahres folgen soll.

Wieso Python?

Es wurde mit dem Ziel größter Einfachheit und Übersichtlichkeit entworfen. Die Sprache kommt mit relativ wenigen Schlüsselwörtern aus und ist mit einer reduzierten Syntax auf Übersichtlichkeit optimiert. Dadurch lassen sich Python-basierte Skripte deutlich kleiner bzw. kompakter formulieren als in anderen Sprachen.

Van Rossum legte bei der Entwicklung großen Wert auf eine Standardbibliothek, die überschaubar und leicht erweiterbar ist. Dies war das Ergebnis seiner schlechten Erfahrung mit der Sprache ABC, in der das Gegenteil der Fall ist. Dieses Konzept ermöglicht, Module aufzurufen, die in anderen Programmiersprachen geschrieben wurden, etwa um Schwächen von Python auszugleichen. Beispielsweise können für zeitkritische Teile in maschinennäheren Sprachen wie C implementierte Routinen aufgerufen werden. Umgekehrt lassen sich damit Module und Plug-ins für andere Programme schreiben, die die entsprechende Unterstützung bieten. Dies ist unter anderem bei Blender, Cinema 4D, GIMP, Maya, OpenOffice bzw. LibreOffice, PyMOL, SPSS, QGIS oder KiCad der Fall. Über die ich bereits geschrieben habe und noch schreiben werde.

Wie bereits erwähnt, ist Python eine Multiparadigmensprache. Dies bedeutet, es zwingt den Programmierer nicht zu einem bestimmten Programmierstil, sondern erlaubt, dass für die jeweilige Aufgabe am besten geeignete Paradigma zu wählen. Die Freigabe nicht mehr benutzter Speicherbereiche erfolgt durch Referenzzählung. Datentypen werden dynamisch verwaltet, eine automatische statische Typprüfung wie z. B. bei C++ gibt es nicht. Jedoch unterstützt Python ab Version 3.5 optionale Typ-Annotationen, um eine statische Typprüfung mithilfe externer Software, wie zum Beispiel Mypy, zu vereinfachen.

Wann Python?

Python ist für die meisten gängigen Betriebssysteme frei erhältlich und bei den meisten Linux-Distributionen im Standardumfang enthalten. Um es in Webserver einzubinden, wird Webserver-umgreifend WSGI verwendet, welches die Nachteile von CGI umgeht. WSGI stellt eine universelle Schnittstelle zwischen Webserver und Python(-Framework) zur Verfügung.

Sowohl in der Wirtschaft, Wissenschaft als auch in der Spielebranche erfreut sich Python einer großen Beliebtheit, da es auf der einen Seite einsteigerfreundlich ist und auf der anderen Seite auch leistungsfähig genug, um theoretische Grundlagen der Programmierung zu vermitteln bzw. um moderne Anwendungen bis hin zu komplexen Datenanalysen, grafischer Programmierung oder Datenbankanwendungen zu entwickeln. Ganz zu schweigen von den Möglichkeiten in Bezug auf Machine learning bzw. künstliche Intelligenz. Doch diese Themen werde ich auch in zukünftigen Beiträgen angehen.

An dieser Stelle sei auch das Projekt „100-Dollar-Laptop“ erwähnt. Denn da wurde Python als Standardsprache der Benutzeroberfläche verwendet. Da der 100-Dollar-Rechner für die Schulausbildung von Kindern konzipiert war, sollte bei Benutzung der dafür gestalteten grafischen Benutzeroberfläche „Sugar“ auf Knopfdruck der gerade laufende Python-Quellcode angezeigt werden. Damit sollte Kindern die Möglichkeit gegeben werden, die dahinter liegende Informationstechnik real zu erleben und nach Belieben „hinter die Kulissen“ zu schauen oder sogar anzupassen. Doch darüber schreibe ich in einem zukünftigen Beitrag, da sich dieses Projekt komplexer entwickelt hat, als man es annehmen möchte.

Fazit

Python kann verhältnismäßig schnell erlernt werden und man kann damit sehr kurze Programmtexte schreiben. Dies verbessert die Verständlichkeit einer Anwendung, erleichtert die Fehlersuche und verkürzt die Entwicklungszeit. Es unterstützt unterschiedliche Paradigmen (Programmierstile).

Auch gibt es viele frei verfügbare Erweiterungen (sogenannte Module) für spezielle Anwendungsbereiche wie etwa Grafik, Astronomie, Mathematik, Spracherkennung, Quantencomputer und künstliche Intelligenz.

Der Beitrag Python – Die Sprache für schnelle Prototypen, Datenanalyse und künstliche Intelligenz erschien zuerst auf CEOsBay.