awesome-repositories.com
Blog
awesome-repositories.com

Descubre los mejores repositorios open-source con nuestra búsqueda potenciada por IA.

ExplorarBúsquedas curadasAlternativas open-sourceSoftware autohospedableBlogMapa del sitio
ProyectoAcerca deCómo clasificamosPrensaServidor MCP
Aviso legalPrivacidadTérminos
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

2 repositorios

Awesome GitHub RepositoriesRedundant Write Prevention

Logic that prevents writing to disk if the new value is identical to the existing value.

Distinct from Write Throughput Optimizations: Distinct from throughput optimizations (batching/buffering) by specifically focusing on the elimination of identical writes.

Explore 2 awesome GitHub repositories matching data & databases · Redundant Write Prevention. Refine with filters or upvote what's useful.

Awesome Redundant Write Prevention GitHub Repositories

Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
  • tencent/mmkvAvatar de Tencent

    Tencent/MMKV

    18,623Ver en GitHub↗

    MMKV is a high-performance, cross-platform key-value storage framework designed for mobile platforms and POSIX environments, including Android, iOS, macOS, and Windows. It provides a persistence layer that utilizes memory-mapped files and binary serialization to achieve low-latency data access. The project distinguishes itself through native support for multi-process synchronization, allowing concurrent read and write operations across different application processes. It also implements security via AES encryption for data at rest, featuring symmetric encryption and key rotation to protect st

    Minimizes I/O operations by comparing new values against existing ones before committing writes to disk.

    C++
    Ver en GitHub↗18,623
  • opentsdb/opentsdbAvatar de OpenTSDB

    OpenTSDB/opentsdb

    5,068Ver en GitHub↗

    OpenTSDB es una base de datos de series temporales distribuida y un motor de métricas diseñado para almacenar y gestionar volúmenes masivos de métricas de sistema de alta cardinalidad. Funciona como un almacén de datos y plataforma de análisis que permite la ingesta de métricas a gran escala y el monitoreo del rendimiento de la infraestructura a través de un clúster distribuido. El sistema se distingue por una abstracción de almacenamiento distribuido que admite múltiples backends como HBase, Cassandra y Google Bigtable. Utiliza un árbol de métricas jerárquico para organizar series temporales y emplea indexación de identificadores numéricos para reducir la huella de almacenamiento y acelerar las búsquedas de métricas etiquetadas. El proyecto cubre áreas de capacidad amplias, incluyendo análisis de datos de series temporales con cálculos de percentiles distribuidos y submuestreo, así como una gestión integral de metadatos. Proporciona integración de API para la ingesta y consulta de datos, caché fuera de memoria (off-heap) para optimización del rendimiento y herramientas para la auditoría de integridad de datos y análisis de anomalías. El sistema se gestiona a través de una interfaz de línea de comandos para la administración de bases de datos y la sincronización del árbol de métricas.

    Prevents database hotspots by prepending random bytes to identifiers to evenly distribute write loads across the cluster.

    Java
    Ver en GitHub↗5,068
  1. Home
  2. Data & Databases
  3. Concurrent Write Optimizations
  4. Write Throughput Optimizations
  5. Redundant Write Prevention

Explorar subetiquetas

  • Write Load DistributionTechniques to distribute write operations across a cluster to prevent hotspots. **Distinct from Redundant Write Prevention:** Focuses on spreading write load via salting rather than eliminating identical redundant writes.