7 repositorios
Strategies for deploying compute and storage resources at the network edge to reduce user latency.
Distinct from Latency Management: The candidates focus on UI education, localization, or input latency, not physical infrastructure placement for low latency.
Explore 7 awesome GitHub repositories matching devops & infrastructure · Edge Computing Deployments. Refine with filters or upvote what's useful.
Side-Menu.Android es un componente de interfaz de usuario reutilizable para aplicaciones Android que proporciona un cajón de navegación deslizable. Está diseñado para ayudar a los desarrolladores a organizar secciones de la aplicación y opciones de usuario en un panel estructurado y oculto que mantiene una interfaz limpia para el área de contenido principal. El componente se distingue por su presentación visual, que sigue las directrices de Material Design para asegurar una experiencia de usuario consistente e intuitiva. Cuenta con una jerarquía de menú basada en datos que permite la agrupación lógica de elementos de navegación, e incorpora animaciones de revelación circular fluidas para proporcionar transiciones visuales pulidas cuando el menú se abre o se cierra. Al encapsular la lógica compleja de diseño e interacción en una sola clase modular, la librería simplifica la implementación de la navegación en múltiples pantallas. Soporta transiciones orientadas a eventos, permitiendo a los desarrolladores desacoplar las interacciones del menú de las actualizaciones de contenido para mantener una arquitectura de aplicación limpia y receptiva.
Deploys compute and storage resources at the network edge to reduce user latency.
Cube Studio es una plataforma MLOps nativa de la nube y un orquestador de IA basado en Kubernetes, diseñado para todo el ciclo de vida del machine learning. Proporciona un framework de entrenamiento distribuido para el ajuste fino de modelos a gran escala, un gestor de recursos GPU para virtualización de hardware y un orquestador de pipelines de ML que utiliza grafos acíclicos dirigidos visuales para gestionar flujos de trabajo de extremo a extremo. La plataforma se distingue por su servidor de inferencia LLM especializado, que soporta generación aumentada por recuperación (RAG) y la construcción de bases de conocimiento privadas. Cuenta con un sistema dedicado para el ajuste fino supervisado y aprendizaje por refuerzo de modelos de lenguaje grandes, complementado con herramientas visuales de búsqueda de hiperparámetros. El sistema cubre una amplia gama de capacidades operativas, incluyendo etiquetado de datos multimodales, pipelines de datos distribuidos y programación de cargas de trabajo en múltiples clústeres. También ofrece entornos de desarrollo interactivos basados en navegador, gestión de imágenes de contenedor y un registro de modelos para versionar y desplegar APIs de inferencia escalables con división de tráfico. La infraestructura incluye monitorización de salud del clúster integrada y control de acceso basado en roles con integración de inicio de sesión único (SSO).
Moves development and inference tasks to edge hardware to reduce bandwidth costs and central node load.
Este repositorio es un sitio de documentación técnica y una colección de guías y referencias para implementar servicios de redes, seguridad e infraestructura en la nube. Funciona como un portal generado por sitio estático y una plataforma de contenido headless, separando los archivos fuente de la capa de presentación para permitir un renderizado flexible. El proyecto utiliza documentación basada en markdown almacenada en un repositorio Git con control de versiones. Proporciona contenido técnico especializado, incluyendo documentación de plataforma de IA para construir agentes y gestionar inferencia, una guía de infraestructura en la nube para configuración de DNS y CDN, una referencia de edge computing para despliegue serverless y documentación de seguridad de red para Zero Trust y gestión de firewalls.
Provides strategies for deploying serverless functions and applications at the network edge to reduce user latency.
Este proyecto es un orquestador de infraestructura serverless y herramienta de despliegue diseñada para alojar aplicaciones Next.js en AWS. Funciona como un framework de despliegue de edge computing y un wrapper de infraestructura como código que automatiza el aprovisionamiento de funciones AWS Lambda, buckets S3 y distribuciones CloudFront. El sistema se distingue por distribuir el renderizado del lado del servidor (SSR) y las rutas de API a través de ubicaciones edge globales para reducir la latencia. Se integra directamente con redes de entrega de contenido (CDN) para optimizar la entrega de activos estáticos y páginas renderizadas, proporcionando una capa para envolver los manejadores de la aplicación para su compatibilidad con entornos serverless. La plataforma cubre áreas de capacidad amplias, incluyendo entrega global de contenido, infraestructura de API serverless y configuración automatizada de recursos. Gestiona el tráfico mediante lógica de rutas en el edge y manejo de internacionalización, soportando estrategias de rendimiento como la regeneración estática incremental (ISR) y la optimización de imágenes en el edge. La infraestructura se gestiona mediante configuraciones de Terraform, proporcionando control sobre límites de memoria, tiempos de espera y asignación de permisos IAM.
Deploys compute and storage resources at the network edge to reduce global user latency.
This project is a collection of structured study notes and conceptual breakdowns designed for the AWS Certified Cloud Practitioner exam. It serves as a technical reference and study guide, organizing cloud service details and architectural principles to assist in certification preparation. The knowledge base is built using markdown files and includes curated cheat sheets and interactive mind-map visualizations. These tools map complex certification topics into visual hierarchies to enable drill-down study paths and rapid revision. The materials cover a wide range of cloud capabilities, inclu
Provides guidance on placing services in localized zones to bring compute and storage closer to users.
jstack is a TypeScript full stack framework and edge-compatible web stack. It serves as a development setup that ensures end-to-end type safety by sharing TypeScript definitions between the server and the client. The project functions as a Next.js application boilerplate, providing a pre-configured starting point for building web applications with integrated routing, styling, and database tools. It includes a type-safe database integration system that automatically generates TypeScript definitions from database schemas to prevent runtime data errors. The framework covers full stack web devel
Deploys compute and storage resources at the network edge to minimize user latency.
This project is a comprehensive computer networking textbook and instructional resource. It serves as a technical guide for the design and implementation of network layers, protocols, and hardware architecture, covering the spectrum from physical links to application-layer protocols. The content provides a detailed study of standards for congestion control, reliable data delivery, and internetwork routing. It includes specialized technical material on network security, public-key infrastructure, and the operation of modern cloud infrastructure and data centers. The material covers a broad ra
Analyzes the deployment of compute and storage at the network edge to achieve sub-millisecond response times.