5 Repos
Official client libraries implemented in multiple programming languages to provide a consistent interface to a data store.
Distinguishing note: None of the candidates cover the provision of specialized, multi-language database client SDKs.
Explore 5 awesome GitHub repositories matching data & databases · Multi-Language Client Libraries. Refine with filters or upvote what's useful.
FoundationDB is an ACID-compliant distributed transactional key-value store. It functions as a scalable database engine that ensures strict serializability and data consistency across a cluster of servers using a shared-nothing architecture. The system is distinguished by its multi-region replication capabilities, allowing data to be synchronized across different datacenters for high availability and disaster recovery. It utilizes optimistic concurrency control to manage distributed transactions and employs a majority-based coordination system to maintain cluster state. The platform provides
Provides specialized client libraries across various programming languages to connect applications to the data store.
This project is a collection of learning resources and instructional guides for implementing asynchronous messaging patterns using RabbitMQ. It provides a series of tutorials and runnable code examples focused on the Advanced Message Queuing Protocol to help users decouple services via a message broker. The resources cover practical implementation patterns including request-reply, pub-sub, and stream processing. These guides demonstrate how to use official client libraries to balance worker loads, route messages across multiple consumers in a distributed system, and deploy high availability b
Provides official client libraries for multiple programming languages to interact with the message broker.
Hazelcast is a distributed data platform that combines an in-memory data grid with a stream processing engine to support real-time analytics and event-driven applications. It functions as a partitioned, distributed key-value store that replicates data across cluster nodes to provide low-latency access and high availability. The platform also serves as a distributed SQL query engine, allowing users to execute standard SQL statements against both in-memory datasets and external data sources. What distinguishes Hazelcast is its use of a distributed consensus subsystem to maintain strongly consis
Provides standardized interfaces and binary protocols that allow external applications to interact with the cluster using various programming languages.
ReactiveSearch ist eine Suite deklarativer Frameworks und UI-Toolkits, die für den Aufbau von Lucene-basierten, Vektor- und facettierten Suchoberflächen entwickelt wurden. Sie bietet eine Sammlung vorgefertigter React- und Vue-Komponenten, die Web-Frontends mit Suchindizes verbinden und die Erstellung interaktiver Suchleisten, Ergebnislisten und komplexer Filtersysteme erleichtern. Das Projekt zeichnet sich durch eine Vektor-Suchoberfläche und semantische Ähnlichkeitsfunktionen aus, einschließlich KI-gestützter Generierung natürlicher Sprachantworten mit Quellenangaben. Es verwendet ein reaktives Komponentenmodell, bei dem Filter und Suchzustände über einen gemeinsamen Manager synchronisiert werden, was es ermöglicht, dass Auswahlen in einer Komponente verfügbare Optionen in anderen aktualisieren und den aktuellen Zustand für Deep-Linking in URL-Abfrage-Strings serialisieren. Die Plattform deckt ein breites Spektrum an Funktionen ab, einschließlich facettierter Navigation mit numerischen Bereichs- und Einzelauswahlfiltern, geografischer Datenkartierung und einem interaktiven Datenvisualisierungskit für das Rendern von Diagrammen und Plots. Sie enthält zudem Tools für die Optimierung der Suchrelevanz, Ergebnissortierung, Paginierung und die Fähigkeit, Ergebnismengen als CSV- oder JSON-Dokumente zu exportieren. Die Backend-Konnektivität wird über eine providerbasierte Abstraktionsschicht und ein deklaratives Abfrage-Mapping-System verwaltet, das Geschäftslogik von der Benutzeroberfläche trennt.
Provides dedicated client libraries in multiple programming languages to retrieve and manage data from search APIs.
Serving ist ein High-Performance-Framework für die Bereitstellung und Skalierung von Machine-Learning-Modellen als Produktionsdienste. Es fungiert als verteilte Inferenz-Engine, die die Ausführung komplexer Datenverarbeitungs-Workflows durch die Verkettung mehrerer Modelle in gerichteten azyklischen Graphen ermöglicht. Die Plattform zeichnet sich durch ihre Fähigkeit aus, den gesamten Lebenszyklus von Produktionsmodellen zu verwalten, was Hot-Swappable-Versioning ermöglicht, das Dienste ohne Ausfallzeiten aktualisiert. Sie unterstützt horizontale Skalierung durch verteiltes Modell-Sharding und optimiert den Abruf hochdimensionaler Daten durch spezialisierte Sparse-Parameter-Lookup-Strukturen. Das System bietet eine umfassende Suite an Funktionen für Produktionsumgebungen, einschließlich hardwarebeschleunigter Inferenz-Ausführung, mehrsprachiger RPC-Schnittstellen und integriertem Service-Monitoring. Es enthält zudem Sicherheitsfunktionen wie Request-Authentifizierung und verschlüsselte Kommunikationskanäle, um Modellbereitstellungen zu schützen.
Provides native client libraries across multiple programming languages to simplify interaction with deployed models.