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
·

4 dépôts

Awesome GitHub RepositoriesEvent Stream Filtering

Selecting specific items from an event stream based on predicates, indices, or timing.

Distinct from Event-Based Stream Processing: Distinct from Event-Based Stream Processing as it focuses specifically on the filtering logic rather than the overall processing architecture.

Explore 4 awesome GitHub repositories matching data & databases · Event Stream Filtering. Refine with filters or upvote what's useful.

Awesome Event Stream Filtering GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • reactivex/rxgoAvatar de ReactiveX

    ReactiveX/RxGo

    5,091Voir sur GitHub↗

    RxGo est une bibliothèque de programmation réactive fonctionnelle et une implémentation de ReactiveX pour le langage Go. Elle sert de boîte à outils de traitement de flux asynchrone conçue pour coordonner les programmes basés sur les événements et les flux de données en utilisant le pattern observable. La bibliothèque permet la construction de pipelines de traitement asynchrones qui transforment, filtrent et combinent des séquences d'événements. Elle se distingue par l'utilisation d'opérateurs fonctionnels pour composer ces pipelines et fournit des mécanismes pour gérer l'exécution concurrente. La boîte à outils couvre un large éventail de capacités d'orchestration de flux, incluant l'agrégation de données, la combinaison de flux multiples et la conversion de flux en structures de données statiques. Elle inclut un support intégré pour la récupération d'erreurs, le contrôle de contre-pression (backpressure) pour réguler les vitesses de production de données, et le pooling de travailleurs pour paralléliser le traitement sur les cœurs CPU.

    The library selects specific items from a stream based on predicates, time-based debouncing, or index positions.

    Goasyncasynchronousconcurrency
    Voir sur GitHub↗5,091
  • reactivex/rxpyAvatar de ReactiveX

    ReactiveX/RxPY

    5,014Voir sur GitHub↗

    RxPY est une bibliothèque de programmation réactive fonctionnelle et une bibliothèque d'observables ReactiveX pour Python. Elle sert de processeur de flux asynchrone et de framework de coordination piloté par les événements, utilisé pour construire des pipelines de données qui réagissent aux changements d'état ou aux flux d'événements au fil du temps. La bibliothèque fournit une boîte à outils pour composer des programmes asynchrones et basés sur les événements en utilisant des séquences observables et des opérateurs. Elle se distingue par l'utilisation de planificateurs configurables pour gérer la concurrence, le timing et les cycles de vie des abonnements. Le projet couvre un large éventail de capacités de traitement de flux, y compris l'agrégation, le filtrage et la combinaison de données. Il fournit des mécanismes pour la diffusion d'événements, la mise en tampon de séquences et la gestion des erreurs, ainsi que des outils pour coordonner les flux observables avec des boucles d'événements asynchrones. Les tests et l'assurance qualité sont pris en charge par la simulation de temps virtuel, la modélisation par diagrammes de billes et la vérification des émissions.

    Filters items from event streams based on predicates, indices, or timing criteria.

    Python
    Voir sur GitHub↗5,014
  • effector/effectorAvatar de effector

    effector/effector

    4,837Voir sur GitHub↗

    Effector is a reactive state management library designed for building complex, event-driven applications. It functions as a data flow engine that models application logic as a directed acyclic graph, ensuring that state updates propagate automatically through interconnected nodes. By utilizing atomic state updates and declarative unit composition, the library maintains data consistency and provides a predictable execution model for managing application state. The project distinguishes itself through its framework-agnostic architecture, which decouples business logic from user interface implem

    Filters data streams by applying conditional logic to event triggers before they reach target effects.

    TypeScriptbusiness-logiceffectorevent-driven
    Voir sur GitHub↗4,837
  • riemann/riemannAvatar de riemann

    riemann/riemann

    4,266Voir sur GitHub↗

    Riemann est un moteur d'analyse en temps réel et un processeur de flux d'événements basé sur Clojure. Il fonctionne comme un pipeline de télémétrie réseau et un routeur d'événements extensible qui ingère, transforme et achemine les données d'événements provenant de systèmes distribués. Le système utilise un langage dédié (DSL) pour calculer des métriques et des modèles statistiques sur des flux continus, permettant l'analyse des tendances réseau et l'alerte en temps réel. Il prend en charge le chargement dynamique de plugins depuis le classpath et permet de recharger la configuration à chaud sans interrompre les flux d'événements actifs. Ses capacités incluent l'agrégation centralisée de télémétrie, le marquage de métadonnées d'événements et l'indexation d'événements avec état. Le système gère la répartition des flux d'événements par fractionnement, traitement par lots et filtrage, tout en assurant un transport réseau sécurisé via chiffrement et authentification.

    Transforms event streams using complex operations including linear prediction, rate calculation, and event coalescing.

    Clojure
    Voir sur GitHub↗4,266
  1. Home
  2. Data & Databases
  3. Event-Based Stream Processing
  4. Event Stream Filtering

Explorer les sous-tags

  • Stream TransformationsOperations that modify event data through rate calculation, linear prediction, and event coalescing. **Distinct from Event Stream Filtering:** Distinct from Event Stream Filtering: covers active data transformation and computation rather than just selecting events based on predicates.