7 dépôts
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 est un composant d'interface utilisateur réutilisable pour les applications Android qui fournit un tiroir de navigation coulissant. Il est conçu pour aider les développeurs à organiser les sections de l'application et les options utilisateur dans un panneau structuré et masqué qui maintient une interface propre pour la zone de contenu principale. Le composant se distingue par sa présentation visuelle, qui suit les directives Material Design pour garantir une expérience utilisateur cohérente et intuitive. Il dispose d'une hiérarchie de menu pilotée par les données qui permet un regroupement logique des éléments de navigation, et il intègre des animations de révélation circulaire fluides pour fournir des transitions visuelles polies lorsque le menu est ouvert ou fermé. En encapsulant une logique de mise en page et d'interaction complexe dans une seule classe modulaire, la bibliothèque simplifie l'implémentation de la navigation sur plusieurs écrans. Elle prend en charge les transitions pilotées par les événements, permettant aux développeurs de découpler les interactions de menu des mises à jour de contenu pour maintenir une architecture d'application propre et réactive.
Deploys compute and storage resources at the network edge to reduce user latency.
Cube Studio est une plateforme MLOps cloud-native et un orchestrateur d'IA basé sur Kubernetes, conçu pour l'ensemble du cycle de vie du machine learning. Il fournit un framework d'entraînement distribué pour le fine-tuning de modèles à grande échelle, un gestionnaire de ressources GPU pour la virtualisation matérielle, et un orchestrateur de pipelines ML qui utilise des graphes orientés acycliques visuels pour gérer les workflows de bout en bout. La plateforme se distingue par son serveur d'inférence LLM spécialisé, qui prend en charge la génération augmentée par récupération (RAG) et la construction de bases de connaissances privées. Elle dispose d'un système dédié au fine-tuning supervisé et à l'apprentissage par renforcement des grands modèles de langage, complété par des outils de recherche d'hyperparamètres visuels. Le système couvre un large éventail de capacités opérationnelles, incluant l'étiquetage de données multimodales, les pipelines de données distribués et la planification de charges de travail multi-cluster. Il fournit également des environnements de développement interactifs par navigateur, la gestion d'images de conteneurs et un registre de modèles pour le versioning et le déploiement d'API d'inférence scalables avec répartition de trafic. L'infrastructure inclut une surveillance de la santé des clusters intégrée et un contrôle d'accès basé sur les rôles (RBAC) avec intégration SSO.
Moves development and inference tasks to edge hardware to reduce bandwidth costs and central node load.
Ce dépôt est un site de documentation technique et une collection de guides et références pour l'implémentation de services de mise en réseau, de sécurité et d'infrastructure cloud. Il fonctionne comme un portail généré par site statique et une plateforme de contenu headless, séparant les fichiers sources de la couche de présentation pour permettre un rendu flexible. Le projet utilise une documentation basée sur le markdown stockée dans un dépôt Git versionné. Il fournit un contenu technique spécialisé, incluant une documentation de plateforme d'IA pour construire des agents et gérer l'inférence, un guide d'infrastructure cloud pour la configuration DNS et CDN, une référence d'edge computing pour le déploiement serverless, et une documentation de sécurité réseau pour le Zero Trust et la gestion de pare-feu.
Provides strategies for deploying serverless functions and applications at the network edge to reduce user latency.
Ce projet est un orchestrateur d'infrastructure serverless et un outil de déploiement conçu pour héberger des applications Next.js sur AWS. Il fonctionne comme un framework de déploiement pour le edge computing et un wrapper d'infrastructure-as-code qui automatise le provisionnement de fonctions AWS Lambda, de buckets S3 et de distributions CloudFront. Le système se distingue par la distribution du rendu côté serveur et des routes API sur des emplacements edge mondiaux afin de réduire la latence. Il s'intègre directement aux réseaux de diffusion de contenu (CDN) pour optimiser la livraison des assets statiques et des pages rendues, tout en fournissant une couche pour encapsuler les gestionnaires d'application pour une compatibilité avec les environnements serverless. La plateforme couvre de larges domaines de capacités, notamment la diffusion de contenu mondiale, l'infrastructure API serverless et la configuration automatisée des ressources. Elle gère le trafic via une logique de routage edge et la gestion de l'internationalisation, tout en supportant des stratégies de performance telles que la régénération statique incrémentale et l'optimisation d'images en edge. L'infrastructure est gérée via des configurations Terraform, offrant un contrôle sur les limites de mémoire, les durées de timeout et les attributions de permissions 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.