awesome-repositories.com
Blog
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetÀ proposNotre méthodologiePresseServeur MCP
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

2 dépôts

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

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • tencent/mmkvAvatar de Tencent

    Tencent/MMKV

    18,623Voir sur 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++
    Voir sur GitHub↗18,623
  • opentsdb/opentsdbAvatar de OpenTSDB

    OpenTSDB/opentsdb

    5,068Voir sur GitHub↗

    OpenTSDB est une base de données de séries temporelles distribuée et un moteur de métriques conçu pour stocker et gérer des volumes massifs de métriques système à haute cardinalité. Il fonctionne comme un magasin de données et une plateforme d'analyse qui permet l'ingestion de métriques à grande échelle et la surveillance de la performance de l'infrastructure à travers un cluster distribué. Le système se distingue par une abstraction de stockage distribué qui supporte de multiples backends tels que HBase, Cassandra et Google Bigtable. Il utilise un arbre de métriques hiérarchique pour organiser les séries temporelles et emploie l'indexation par identifiant numérique pour réduire l'empreinte de stockage et accélérer les recherches pour les métriques taguées. Le projet couvre de larges domaines de capacités incluant l'analyse de données de séries temporelles avec des calculs de centiles distribués et le downsampling, ainsi qu'une gestion complète des métadonnées. Il fournit une intégration API pour l'ingestion et l'interrogation de données, le cache off-heap pour l'optimisation des performances, et des outils pour l'audit d'intégrité des données et l'analyse d'anomalies. Le système est géré via une interface en ligne de commande pour l'administration de la base de données et la synchronisation de l'arbre de métriques.

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

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

Explorer les sous-tags

  • 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.