5 repositorios
Mechanisms for performing database write operations on non-blocking background threads.
Distinct from Write Skew Mitigations: Focuses on non-blocking write execution for UI responsiveness, whereas write-skew mitigations focus on data integrity.
Explore 5 awesome GitHub repositories matching data & databases · Asynchronous Write Operations. Refine with filters or upvote what's useful.
This is a mobile object database and NoSQL local data store that replaces relational tables with a schema-based model. It functions as a reactive data store, using live object observations and change notifications to trigger automatic user interface refreshes. The system provides built-in mobile cloud data synchronization to keep local datasets consistent with a remote server across multiple devices. It also includes security features for encrypted local storage, protecting sensitive on-disk data using at-rest encryption keys and fine-grained access control. Broad capabilities include object
Supports modifying data on background threads to maintain a responsive main user interface.
Falcor is a JavaScript library that models remote data as a single virtual JSON graph, providing a path-based query engine for efficient client-side data retrieval and updates. It represents multiple remote data sources as a unified document where entities are accessed via globally unique identity paths. The system distinguishes itself by treating the remote data model as a virtual JSON resource, allowing the client to query specific paths without managing individual endpoints. It uses a reference-aware graph model to handle many-to-many relationships and prevents data duplication. Network ef
Updates values in a graph object at specified paths and returns the modified subset asynchronously.
Feast is an open-source feature store for machine learning that provides a central platform for defining, storing, and serving features across both training and inference workflows. It operates as a declarative system where feature definitions are written as code in Python files, synchronized to a central registry, and made available for low-latency online retrieval or point-in-time correct historical joins for training datasets. The project abstracts storage behind a pluggable architecture, allowing offline and online backends to be swapped without changing retrieval logic, and coordinates ma
Performs non-blocking batch writes using an async Redis client for use in async serving frameworks.
Booster es un optimizador de compilación y manipulador de bytecode para aplicaciones Android, diseñado para reducir el tamaño del binario, corregir fallos a nivel de sistema y mejorar el rendimiento de la aplicación. Funciona como un plugin extensible del proceso de compilación que modifica archivos de clase compilados y artefactos de construcción para inyectar correcciones de estabilidad y optimizaciones sin alterar el código fuente original. El proyecto se diferencia por la manipulación de bytecode de bajo nivel para parchear errores a nivel de SO y gestionar pools de hilos durante la fase de compilación. También proporciona un kit de herramientas de perfilado de rendimiento para identificar operaciones que bloquean el hilo principal y analizar problemas de estabilidad relacionados con los recursos. La herramienta cubre una amplia gama de capacidades de optimización de paquetes, incluyendo compresión de imágenes para PNG y WebP, eliminación de recursos redundantes y optimización del índice de recursos. La funcionalidad adicional incluye ajuste de rendimiento para la gestión de hilos, escrituras asíncronas de preferencias y análisis estático para escanear artefactos de compilación y detectar riesgos de seguridad y cuellos de botella. El sistema utiliza una interfaz de proveedor de servicios para la integración de plugins personalizados y puede ejecutarse como una aplicación independiente desacoplada del entorno de compilación principal.
Executes preference commits on asynchronous worker threads to prevent main thread blocking and UI freezes.
Este proyecto es un framework para implementar event sourcing y segregación de responsabilidad de consulta de comandos (CQRS) dentro de microservicios en contenedores. Proporciona un enfoque estructurado para gestionar el estado del negocio como una secuencia de eventos inmutables, asegurando un registro de auditoría confiable y la capacidad de reconstruir el estado del sistema en cualquier momento. El framework se distingue por aplicar una clara separación entre las rutas de modificación de datos y las de recuperación de datos. Al utilizar la sincronización de datos basada en eventos, permite la actualización asíncrona de vistas materializadas y modelos de lectura, asegurando que los datos optimizados para consultas permanezcan actualizados sin afectar el rendimiento de las operaciones de escritura principales. La arquitectura admite el despliegue de componentes como microservicios independientes o un monolito unificado, con soporte integrado para la orquestación de contenedores para mantener la consistencia en los entornos de desarrollo y producción. Facilita la gestión de datos distribuidos a través de vistas desnormalizadas, proporcionando un acceso eficiente a información agregada a través de los límites de los servicios.
Performs non-blocking background updates to refresh query-optimized database views.