2 Repos
Infrastructure for distributing build tasks across remote worker clusters to enable parallel execution and scaling.
Distinct from Remote Execution Racing: None of the candidates cover the general framework for distributed build execution; they focus on serverless functions, bulk commands, or specific 'racing' optimizations.
Explore 2 awesome GitHub repositories matching devops & infrastructure · Remote Execution Frameworks. Refine with filters or upvote what's useful.
Buck2 ist ein programmierbares Monorepo-Build-Tool und ein hermetisches Build-System, das entwickelt wurde, um groß angelegte Projekte mit komplexen Zielgraphen und sprachübergreifenden Abhängigkeiten zu verwalten. Es fungiert als Framework für Remote-Ausführung und Analysator für Abhängigkeitsgraphen und bietet eine Engine für das Caching von Artefakten, um reproduzierbare und konsistente Build-Ergebnisse über verschiedene Umgebungen hinweg sicherzustellen. Das System zeichnet sich durch eine Engine für inkrementelle Berechnungen aus, die nur die spezifischen Knoten in einem Abhängigkeitsgraphen neu berechnet, die durch Änderungen ungültig wurden. Es nutzt inhaltsadressierbaren Speicher für das Caching von Build-Artefakten und unterstützt Remote-Execution-Racing, bei dem Build-Aktionen lokal und remote gleichzeitig ausgeführt werden, um das schnellste Ergebnis zurückzugeben. Seine Funktionsfläche deckt sprachübergreifende Build-Automatisierung, Toolchain-Abstraktion und einschränkungsbasierte Konfiguration zur Verwaltung von Build-Varianten über Plattformen hinweg ab. Das Projekt enthält zudem Build-Beobachtbarkeitstools für die Graph-Introspektion und Änderungserkennung sowie Zugriffskontrollmechanismen zur Einschränkung der Zielsichtbarkeit.
Distributes build tasks across remote worker clusters to enable massive parallel execution and shared artifact caching.
This project provides a programmatic interface for integrating large language models with secure, sandboxed runtimes to automate technical tasks. It functions as a framework for executing arbitrary Python code within isolated containers, enabling language models to perform data analysis, manipulate files, and generate visualizations. The platform distinguishes itself by automating the entire lifecycle of script execution, including the dynamic resolution and installation of software dependencies at runtime. It maintains stateful conversation history to provide language models with the necessa
Delegates intensive computational tasks to managed cloud infrastructure for scalable performance.