Awesome GitHub RepositoriesObservable Data Modeling

MobX is a reactive state management library and fine-grained reactivity engine. It provides an observable data store that automatically triggers updates in the user interface when data structures change, functioning as a transparent functional reactive store to maintain a consistent source of truth. The system utilizes a dependency-graph mapping and proxy-based object observation to track data dependencies. This ensures that only the specific components dependent on changed data are updated, which reduces unnecessary re-renders and optimizes frontend performance. The library supports decoupl

The Reactive Extensions for JavaScript

Knockout is a client-side UI library and JavaScript framework used to create responsive web interfaces. It functions as a declarative data binding library and an observable data model system that decouples business logic from the document object model. The project implements the Model-View-ViewModel pattern to separate application logic from the user interface. It synchronizes data models with visual views by linking internal JavaScript properties to HTML elements, allowing the interface to update automatically when underlying data changes. The framework provides capabilities for dynamic fro

GreptimeDB is a distributed, open-source time-series database built for unified observability. It stores and queries metrics, logs, and traces together in a single columnar engine, supporting both SQL and PromQL for analysis. The database is designed as a Kubernetes-native operator with a decoupled compute and storage architecture, enabling horizontal scaling and multi-region deployment. What distinguishes GreptimeDB is its role as a multi-protocol ingestion gateway, accepting data through OpenTelemetry, Prometheus Remote Write, InfluxDB, Loki, Elasticsearch, Kafka, and MQTT protocols without

Ce dépôt contient les spécifications pour un standard de données d'observabilité et un framework d'instrumentation de télémétrie. Il définit des protocoles unifiés pour la manière dont les données de télémétrie sont instrumentées, propagées et formatées afin d'assurer l'interopérabilité à travers les systèmes distribués. La spécification fournit une approche neutre vis-à-vis des fournisseurs pour l'observabilité, permettant aux données de télémétrie d'être exportées vers divers backends sans verrouillage chez un seul fournisseur ou nécessitant des changements dans le code source de l'application. Il établit un protocole cohérent pour capturer les flux de requêtes à travers les limites de service afin de corréler l'activité et d'analyser les performances du système. Le framework couvre une large surface de capacités de surveillance, incluant la collecte de métriques système, l'agrégation de logs d'application et la capture de traces distribuées. Il définit des méthodes pour l'instrumentation automatique et manuelle et spécifie les mécanismes pour la propagation de contexte et le routage des signaux de télémétrie à travers les pipelines de données.

DeepFlow est une plateforme d'observabilité eBPF qui fournit une suite pour le profilage continu, le traçage distribué, la cartographie des dépendances de services et le stockage de télémétrie unifié. Il fonctionne comme un système de surveillance qui collecte des métriques, des traces et des profils sans nécessiter d'instrumentation manuelle de l'application ou de modifications du code source. La plateforme se distingue par l'utilisation de l'analyse de paquets consciente des protocoles pour reconstruire les chaînes de requêtes et la cartographie automatisée des dépendances de services pour visualiser les interactions entre les applications et l'infrastructure. Elle utilise un magasin de données de télémétrie conçu pour l'optimisation des signaux à haute cardinalité, permettant aux utilisateurs d'interroger des données unifiées via des interfaces SQL et PromQL. Le système couvre un large éventail de domaines d'observabilité, incluant le profilage des performances des applications avec des flame graphs on-CPU et off-CPU, la collecte des performances réseau et la surveillance de l'infrastructure cloud. Il intègre la collecte de télémétrie au niveau du noyau pour rassembler des métriques système et des métadonnées de couche application à travers les services et les threads.