awesome-repositories.com
Blog
awesome-repositories.com

Entdecke die besten Open-Source-Repositories mit KI-gestützter Suche.

EntdeckenKuratierte SuchenOpen-Source-AlternativenSelf-hosted SoftwareBlogSitemap
ProjektÜber unsRanking-MethodikPresseMCP-Server
RechtlichesDatenschutzAGB
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

6 Repos

Awesome GitHub RepositoriesBuffer Serialization Interfaces

Wraps raw memory regions with serialization interfaces to simplify reading and writing structured data types.

Distinct from Data Serialization: Distinct from general data serialization: focuses on direct buffer-based serialization and endianness handling.

Explore 6 awesome GitHub repositories matching data & databases · Buffer Serialization Interfaces. Refine with filters or upvote what's useful.

Awesome Buffer Serialization Interfaces GitHub Repositories

Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
  • buger/goreplayAvatar von buger

    buger/goreplay

    19,286Auf GitHub ansehen↗

    GoReplay is a network traffic recording and replay tool used to capture live HTTP and binary protocol requests. It functions as a traffic shadowing proxy that duplicates incoming network requests to test environments and a utility for recording traffic to local or cloud storage for later analysis and playback. The system is capable of processing non-textual data formats, such as Thrift and Protocol Buffers, allowing for the capture and replay of specialized application-to-application communication. The tool supports live traffic capture and asynchronous duplication to validate infrastructure

    Writes captured network traffic to local or cloud storage using serialized formats to preserve request timing.

    Go
    Auf GitHub ansehen↗19,286
  • nasa/fprimeAvatar von nasa

    nasa/fprime

    10,766Auf GitHub ansehen↗

    F Prime ist ein komponentenbasiertes Framework für die Entwicklung und Bereitstellung von Embedded- und Raumfahrtsoftware. Es bietet eine modulare Architektur, die Softwarelogik von Kommunikationsschnittstellen entkoppelt und es Entwicklern ermöglicht, Systemstrukturen über eine domänenspezifische Modellierungssprache zu definieren. Dieser modellbasierte Ansatz ermöglicht eine automatisierte Codegenerierung, die Konsistenz über komplexe Systemtopologien hinweg gewährleistet und gleichzeitig strikte Schnittstellenverträge zwischen Softwaremodulen aufrechterhält. Das Framework zeichnet sich durch sein integriertes Build-System und eine Suite für Bodendatenoperationen aus. Es automatisiert den gesamten Lebenszyklus von Embedded-Software, von der Cross-Kompilierung und dem Abhängigkeitsmanagement bis hin zur Generierung von Telemetrie- und Befehlsschnittstellen. Durch die Bereitstellung einer einheitlichen Umgebung für Onboard-Flugsoftware und bodengestützte Überwachung erleichtert es die nahtlose Integration, das Testen sowie die Steuerung und Überwachung verteilter Embedded-Systeme über verschiedene Hardwareplattformen hinweg. Über die Kernarchitektur hinaus enthält das Projekt umfassende Werkzeuge für die Systembeobachtbarkeit, einschließlich Echtzeit-Telemetrie-Visualisierung, Ereignisprotokollierung und diagnostischer Tracing-Funktionen. Es unterstützt eine breite Palette von Bereitstellungsszenarien, von Bare-Metal-Umgebungen bis hin zu Echtzeitbetriebssystemen, und bietet Mechanismen für Speicherverwaltung, zustandsgesteuerte Verhaltensmodellierung und asynchrone Aufgabenausführung. Das Projekt wird als C++-Repository mit umfangreicher Dokumentation und Build-System-Unterstützung für die plattformübergreifende Entwicklung gepflegt.

    Wraps raw memory regions with serialization interfaces to simplify reading and writing structured data types using big-endian or little-endian byte ordering.

    C++componentscppembedded
    Auf GitHub ansehen↗10,766
  • torch/torch7Avatar von torch

    torch/torch7

    9,127Auf GitHub ansehen↗

    Torch7 is a scientific computing environment and tensor computation library used for deep learning research and numerical analysis. It functions as a Lua-based framework for training neural networks and learning agents, providing a toolkit for implementing architectures and training through reinforcement learning algorithms. The project is distinguished by its tight integration with C, utilizing a binding layer to map high-level scripting to low-level C structures for direct memory access. It supports hardware-accelerated computation by offloading linear algebra and convolution operations to

    Saves and loads the contents of in-memory storages to and from persistent storage.

    C
    Auf GitHub ansehen↗9,127
  • protobuf-net/protobuf-netAvatar von protobuf-net

    protobuf-net/protobuf-net

    4,930Auf GitHub ansehen↗

    protobuf-net is a .NET library that serializes and deserializes objects using the Protocol Buffers binary format for efficient data exchange. It provides a code-first gRPC service framework, allowing developers to define service contracts directly from existing C# classes without writing separate .proto files. The library is nullable-aware, encoding null values in collections and nullable scalars using wrapper messages to distinguish null from default zero values, and includes an ahead-of-time serializer generator that compiles serializer code at build time to eliminate runtime code generati

    Serializes data directly from modern IO primitives like Span and IBufferWriter without intermediate streams.

    C#
    Auf GitHub ansehen↗4,930
  • boostorg/beastAvatar von boostorg

    boostorg/beast

    4,801Auf GitHub ansehen↗

    Beast ist eine C++-Bibliothek zur Implementierung von Low-Level-HTTP- und WebSocket-Clients sowie -Servern. Es fungiert als asynchrones Networking-Framework, das darauf ausgelegt ist, nicht-blockierende I/O-Operationen und geschichtete Stream-Stacks zur Verwaltung von gleichzeitigem Netzwerkverkehr zu kombinieren, wobei speziell das asynchrone Modell von Boost.Asio genutzt wird. Die Bibliothek bietet eine umfassende Implementierung der HTTP/1.1- und WebSocket-Protokolle. Für HTTP enthält sie Primitive zum Parsen und Serialisieren von Nachrichten mit Unterstützung für Chunked-Transfer-Encoding, inkrementelles Body-Lesen und Request-Pipelining. Die WebSocket-Implementierung deckt den gesamten Lebenszyklus der bidirektionalen Kommunikation ab, einschließlich Handshakes, Subprotokoll-Aushandlung, Nachrichtenfragmentierung und Liveness-Monitoring via Control-Frames. Beast enthält eine spezialisierte Suite von Tools für das Netzwerk-Buffer-Management, um Scatter-Gather-I/O durch dynamische und sequenzbasierte Speicherpuffer zu optimieren. Es deckt zudem sichere Netzwerkkommunikation durch die Integration von SSL/TLS-Layern für verschlüsselte Streams, Zertifikatsauthentifizierung und sichere Verbindungsbeendigung ab. Das Framework bietet plattformübergreifende Abstraktionen für Datei-I/O und System-Signal-Management, um die Entwicklung stabiler Netzwerkanwendungen zu unterstützen.

    Provides interfaces to wrap raw memory regions for serializing structured data types into buffers.

    C++asioasync-programmingboost
    Auf GitHub ansehen↗4,801
  • getsentry/responsesAvatar von getsentry

    getsentry/responses

    4,350Auf GitHub ansehen↗

    Responses ist eine Python-Mocking-Bibliothek, die darauf ausgelegt ist, ausgehende HTTP-Aufrufe, die mit der Requests-Bibliothek getätigt werden, abzufangen, um vordefinierte simulierte Antworten zurückzugeben. Sie fungiert als Framework zur Request-Verifizierung und als Netzwerksimulationstool, das die Überprüfung des Anwendungsverhaltens gegenüber verschiedenen API-Antwortmustern ermöglicht, ohne echte Netzwerkaufrufe zu tätigen. Das Projekt zeichnet sich durch einen Traffic-Recorder aus, der echte Netzwerkinteraktionen erfasst und zur deterministischen Wiedergabe in Dateien speichert. Es ermöglicht zudem die Simulation komplexer Netzwerkszenarien, einschließlich des Auslösens von Verbindungs-Timeouts, Netzwerkfehlern und HTTP-Weiterleitungen. Die Bibliothek bietet Funktionen für dynamische API-Simulation mittels Callback-gesteuerter Antworten und sequenzieller Antwort-Queues, um Zustandsänderungen zu testen. Sie enthält Tools zur Verifizierung von Request-Daten und Attributvalidierung, um sicherzustellen, dass ausgehende Header, Bodies und Query-Parameter den erwarteten Kriterien entsprechen. Mock-Konfigurationen und Registries werden über Dekoratoren und Context-Manager verwaltet, um Verhaltensweisen zwischen Testfällen zu isolieren.

    Persists captured network responses to structured files on disk for offline playback.

    Pythontag-production
    Auf GitHub ansehen↗4,350
  1. Home
  2. Data & Databases
  3. Data Processing Pipelines
  4. Data Serialization
  5. Buffer Serialization Interfaces

Unter-Tags erkunden

  • Incremental SerializationTechniques for producing serialized data in small, sequential chunks to regulate flow and memory usage. **Distinct from Buffer Serialization Interfaces:** Distinct from general buffer serialization as it focuses on the incremental production of buffers for flow control.
  • Modern IO Primitive SerializersSerializes and deserializes data directly from buffers and writers without intermediate streams. **Distinct from Buffer Serialization Interfaces:** Distinct from Buffer Serialization Interfaces: specifically targets modern .NET IO primitives like Span<T> and IBufferWriter, not general buffer wrapping.
  • Traffic SerializationSerialization of network requests to preserve sequence and timing for playback. **Distinct from Buffer Serialization Interfaces:** Focuses on persisting network request streams rather than memory buffer interfaces.