Awesome GitHub RepositoriesConditional Data Operations

Qdrant is a high-performance vector similarity database designed to store, index, and search high-dimensional vectors alongside structured metadata. It functions as a distributed search engine that manages large-scale data clusters, providing low-latency retrieval and complex filtering capabilities. The system is built to serve as a specialized middleware layer, connecting machine learning pipelines and AI agents to persistent storage for intelligent information retrieval and recommendation tasks. The platform distinguishes itself through advanced retrieval techniques, including support for h

This project is a reactive, offline-first NoSQL database engine designed for JavaScript applications. It provides a robust framework for managing application state by synchronizing data across browsers, mobile devices, and server-side runtimes. By treating local storage as the primary source of truth, it enables applications to remain functional without network connectivity, automatically reconciling changes with remote backends once a connection is restored. The database distinguishes itself through a modular architecture that supports cross-environment synchronization and high-performance d

This project is a feature-rich Go client library designed for interacting with Redis. It serves as a comprehensive interface for managing remote data stores, enabling developers to execute standard database commands, handle complex data structures, and perform asynchronous operations within Go applications. The library distinguishes itself through its support for advanced Redis capabilities, including connection pooling, pipelining, and transactional integrity. It provides specialized primitives for managing distributed clusters, including automated topology updates and request routing to sha

General purpose redis client

pyinfra is an agentless infrastructure automation framework that turns declarative Python code into idempotent shell commands to manage servers, containers, and local machines over SSH without requiring any pre-installed software on target hosts. It operates by comparing the desired state of a system against its current state, using a dry-run simulation mode to preview changes and a fact-based conditional execution engine to gather host attributes at runtime and control which operations run. The tool compiles Python operations into optimized shell commands and executes them in parallel across

pyinfra is a Python-based infrastructure automation framework that turns Python code into shell commands for managing servers, Docker containers, and local machines. It operates as a declarative, idempotent deployment tool, applying desired system states by comparing target configurations against current states and making only the necessary changes. The framework provides a connector-based transport abstraction that unifies SSH, Docker, and local execution behind a common interface, with a parallel execution engine that manages concurrent operations across hosts. The tool distinguishes itself

r4ds ist ein Data-Science-Lehrplan und eine Bildungsressource, die für die Beherrschung der Programmiersprache R entwickelt wurde. Es bietet einen strukturierten Lernpfad für den End-to-End-Prozess des Importierens, Bereinigens, Transformierens und Visualisierens von Daten. Das Projekt betont einen Leitfaden für reproduzierbare Data Science und einen umfassenden Lehrplan für Data Wrangling. Es enthält spezialisierte Tutorials zur Grammatik der Grafik für geschichtete Datenvisualisierung sowie technische Publikationen, die mit Quarto erstellt wurden und ausführbaren Code mit erzählendem Text verbinden. Das Material deckt ein breites Spektrum analytischer Funktionen ab, einschließlich Datenaufnahme aus diversen Quellen, relationalem Daten-Joining und der Verwaltung kategorialer Variablen. Es behandelt zudem Datenbereinigung, mathematische Modellierung und die Erstellung professioneller Berichte und Präsentationen in verschiedenen Formaten. Der Lehrplan konzentriert sich auf die praktische Anwendung funktionaler Programmierung und Tidy-Data-Prinzipien, um transparente und wiederholbare Analysen zu erstellen.

Strawberry is a type-safe GraphQL library for Python that enables the design of schemas using Python type annotations and dataclasses. It functions as an asynchronous GraphQL server and execution engine, providing a bridge to expose schemas across ASGI-compliant web frameworks such as FastAPI, Django, Flask, and Litestar. The project implements GraphQL Federation, allowing for the creation of distributed schemas and entities that merge into a unified supergraph across multiple services. It also includes a dedicated toolkit for the Relay specification, supporting global object identification a

Dieses Dienstprogramm ist ein Befehlszeilen-Tool, das darauf ausgelegt ist, die Lautstärkeanpassung über Audio- und Videosammlungen hinweg zu automatisieren. Durch die Nutzung externer Medienverarbeitungsbibliotheken passt es Dateien auf einen konsistenten Ziellautstärkepegel an und stellt eine einheitliche Wiedergabe ohne manuelle Lautstärkeanpassungen sicher. Das Tool zeichnet sich durch einen Zwei-Pass-Analyse-Workflow aus, der Lautstärkestatistiken misst, bevor präzise Verstärkungsanpassungen angewendet werden. Es behält die relativen Lautstärkebeziehungen zwischen Titeln bei der Verarbeitung von Sammlungen bei und stellt sicher, dass die dynamische Balance einer Gruppe von Dateien intakt bleibt. Benutzer können benutzerdefinierte Konfigurations-Presets definieren und speichern, um diese Normalisierungsparameter über verschiedene Medientypen und Umgebungen hinweg zu standardisieren. Die Software unterstützt umfassende Batch-Verarbeitung, was die automatisierte Normalisierung ganzer Verzeichnisse ermöglicht, während ursprüngliche Metadaten und Dateiintegrität erhalten bleiben. Sie enthält Logik zur Evaluierung von Dateien gegen Zielschwellenwerte und überspringt redundante Neukodierungen, um Rechenressourcen zu optimieren. Zudem bietet das Tool dynamisches Stream-Mapping, um spezifische Audiospuren innerhalb von Videocontainern zu isolieren, was eine Normalisierung ohne Veränderung des ursprünglichen Videoinhalts ermöglicht. Das Dienstprogramm wird als Befehlszeilenschnittstelle vertrieben und enthält Shell-Autovervollständigungsunterstützung für terminalbasierte Operationen. Es bietet zudem eine programmatische Schnittstelle für die Integration in benutzerdefinierte Anwendungen und automatisierte Medienverarbeitungs-Pipelines.