3 repositorios
Aggregates and summarizes profiling data from multiple sources into unified reports.
Distinct from CPU Profilers: Focuses on the aggregation and summarization of existing profile data rather than the act of sampling or visualizing CPU usage.
Explore 3 awesome GitHub repositories matching development tools & productivity · Data Summarizations. Refine with filters or upvote what's useful.
Rushstack es un conjunto de herramientas integral para gestionar monorepos de TypeScript a gran escala, proporcionando un framework para la automatización de pipelines de construcción, coordinación de dependencias y análisis estático. Funciona como un orquestador de construcción incremental y sistema de gestión diseñado para mantener la consistencia y el rendimiento a través de múltiples paquetes en un espacio de trabajo compartido. El sistema se distingue por un modelo de ejecución basado en grafos acíclicos dirigidos y un incrementalismo basado en hash de contenido, que asegura que solo los proyectos afectados sean reconstruidos. Optimiza aún más los flujos de trabajo de desarrollo mediante el almacenamiento en caché de artefactos de construcción remotos con integraciones para S3, Azure y HTTP, y utiliza la gestión de espacios de trabajo basada en enlaces simbólicos para una visibilidad inmediata de los cambios locales. El conjunto de herramientas cubre una amplia gama de capacidades, incluyendo flujos de trabajo de lanzamiento automatizados, análisis de contratos de API y cumplimiento de calidad de código empresarial a través de perfiles de linting estandarizados. También proporciona un amplio soporte para el empaquetado de activos, transpilación de TypeScript y la generación de definiciones de tipo a partir de esquemas JSON y activos estáticos. Áreas de utilidad adicionales incluyen la gestión de localización, generación de avisos de licencia y la orquestación de interfaces de línea de comandos con salida de proceso sincronizada.
Collates CPU usage statistics from multiple profile files into a single comprehensive report.
dplyr es una librería de manipulación de datos en R que proporciona una gramática para transformar data frames tabulares. Funciona como un procesador de data frames en memoria y una herramienta de álgebra de datos relacionales, utilizando un conjunto consistente de verbos para filtrar, seleccionar y resumir datos. El proyecto incluye un motor de traducción SQL que convierte expresiones de manipulación de datos de alto nivel en consultas optimizadas. Esto permite a los usuarios realizar transformaciones directamente en bases de datos relacionales remotas y almacenamiento en la nube sin necesidad de descargar los datos localmente. La librería cubre una amplia gama de operaciones tabulares, incluyendo la mutación de columnas, el subconjunto de filas y la unión de datos relacionales. También proporciona capacidades para el análisis de datos agrupados, permitiendo particionar conjuntos de datos para realizar agregaciones y resúmenes independientes.
Reduces tables to a summary form by applying functions to groups with flexible output lengths.
Este proyecto es un recurso educativo que proporciona un tutorial de desarrollo integral para escribir y cargar programas eBPF utilizando C, Go y Rust dentro del kernel de Linux. Sirve como una guía técnica para desarrollar lógica personalizada para ejecutar directamente en el kernel. Los materiales cubren dominios especializados incluyendo observabilidad y rastreo del kernel, implementación de seguridad para detección de intrusiones e ingeniería de red de alto rendimiento para filtrado de paquetes y balanceo de carga. También incluye manuales dedicados para el rastreo del kernel de Linux y el uso de kprobes, uprobes y tracepoints. El proyecto abarca una amplia gama de áreas de capacidad, como instrumentación del kernel, monitoreo y observabilidad del sistema, análisis de red y aplicación de seguridad. Además, se extiende a la depuración a nivel de hardware para GPUs y controladores, así como a la manipulación de sistemas de bajo nivel y gestión de recursos.
Implements the aggregation of occurrences into kernel maps and histograms for efficient performance analysis.