2 Repos
Awesome GitHub RepositoriesOffset Configurations
Configures the starting offset or timestamp position for consuming Kafka topics per partition.
Distinct from Kafka: Distinct from Kafka: this is a specific offset configuration capability, not general Kafka integration.
Explore 2 awesome GitHub repositories matching data & databases · Offset Configurations. Refine with filters or upvote what's useful.
Awesome Offset Configurations GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- materializeinc/materialize
MaterializeInc/materialize
6,314Auf GitHub ansehenMaterialize is a streaming SQL database that continuously ingests live data from sources such as Kafka, Redpanda, PostgreSQL, and MySQL, and incrementally maintains materialized views. It provides a PostgreSQL-compatible query engine that accepts standard SQL over the PostgreSQL wire protocol, enabling any existing SQL client or BI tool to query real-time data. The system also includes a Model Context Protocol (MCP) server that exposes live materialized view data to AI agents, providing fresh context without polling. Materialize distinguishes itself through its ability to offer configurable c
Configures starting offsets for Kafka topic consumption in streaming SQL sources.
Rust - edenhill/kafkacat
edenhill/kafkacat
5,761Auf GitHub ansehenKafkacat ist eine Suite von Kommandozeilen-Dienstprogrammen für die Interaktion mit Apache Kafka-Clustern. Sie bietet ein Nicht-JVM-Binärprogramm zum Produzieren und Konsumieren von Nachrichten, zum Untersuchen von Cluster-Metadaten und zum Debuggen des Kafka-Protokolls über das Terminal. Das Tool fungiert als Producer und Consumer, der in der Lage ist, Daten aus Dateien oder der Standardeingabe zu pushen und Nachrichten aus spezifischen Topics und Partitionen zu lesen. Es enthält einen Metadaten-Inspektor zum Abrufen des Cluster-Status und der Partitionskonfigurationen in Klartext oder JSON sowie einen Protokoll-Debugger zur Untersuchung von Nachrichten-Offsets, Zeitstempeln und Binär-Payloads. Das Projekt deckt die Datendeserialisierung unter Verwendung von Schemas oder primitiven Dekodern sowie offsetbasierte Abfragen ab, um Daten von präzisen Zeitstempeln abzurufen. Zudem bietet es Simulationsdienstprogramme zum Ausführen ephemerer In-Memory-Broker für Integrationstests und Performance-Benchmarking.
Allows querying specific message positions by timestamp to consume data from a precise point in time.
C
