5 repository-uri
Official client libraries implemented in multiple programming languages to provide a consistent interface to a data store.
Distinguishing note: None of the candidates cover the provision of specialized, multi-language database client SDKs.
Explore 5 awesome GitHub repositories matching data & databases · Multi-Language Client Libraries. Refine with filters or upvote what's useful.
FoundationDB is an ACID-compliant distributed transactional key-value store. It functions as a scalable database engine that ensures strict serializability and data consistency across a cluster of servers using a shared-nothing architecture. The system is distinguished by its multi-region replication capabilities, allowing data to be synchronized across different datacenters for high availability and disaster recovery. It utilizes optimistic concurrency control to manage distributed transactions and employs a majority-based coordination system to maintain cluster state. The platform provides
Provides specialized client libraries across various programming languages to connect applications to the data store.
This project is a collection of learning resources and instructional guides for implementing asynchronous messaging patterns using RabbitMQ. It provides a series of tutorials and runnable code examples focused on the Advanced Message Queuing Protocol to help users decouple services via a message broker. The resources cover practical implementation patterns including request-reply, pub-sub, and stream processing. These guides demonstrate how to use official client libraries to balance worker loads, route messages across multiple consumers in a distributed system, and deploy high availability b
Provides official client libraries for multiple programming languages to interact with the message broker.
Hazelcast is a distributed data platform that combines an in-memory data grid with a stream processing engine to support real-time analytics and event-driven applications. It functions as a partitioned, distributed key-value store that replicates data across cluster nodes to provide low-latency access and high availability. The platform also serves as a distributed SQL query engine, allowing users to execute standard SQL statements against both in-memory datasets and external data sources. What distinguishes Hazelcast is its use of a distributed consensus subsystem to maintain strongly consis
Provides standardized interfaces and binary protocols that allow external applications to interact with the cluster using various programming languages.
ReactiveSearch este o suită de framework-uri declarative și toolkit-uri UI concepute pentru construirea de interfețe de căutare bazate pe Lucene, vectori și fațete. Oferă o colecție de componente React și Vue pre-construite care conectează frontend-urile web la indicii de căutare, facilitând crearea de bare de căutare interactive, liste de rezultate și sisteme complexe de filtrare. Proiectul se distinge printr-o interfață de căutare vectorială și capabilități de similaritate semantică, inclusiv generarea de răspunsuri în limbaj natural bazată pe AI cu citări ale surselor. Utilizează un model de componente reactive unde filtrele și stările de căutare sunt sincronizate printr-un manager partajat, permițând selecțiilor dintr-o componentă să actualizeze opțiunile disponibile în altele și să serializeze starea curentă în șiruri de interogare URL pentru deep-linking. Platforma acoperă o gamă largă de capabilități, inclusiv navigarea cu fațete cu filtre de interval numeric și selecție unică, maparea datelor geografice și un kit de vizualizare a datelor interactiv pentru randarea graficelor și diagramelor. De asemenea, include instrumente pentru reglarea relevanței căutării, sortarea rezultatelor, paginare și abilitatea de a exporta seturile de rezultate ca documente CSV sau JSON. Conectivitatea backend este gestionată printr-un strat de abstractizare bazat pe furnizor și un sistem declarativ de mapare a interogărilor care separă logica de business de interfața utilizator.
Provides dedicated client libraries in multiple programming languages to retrieve and manage data from search APIs.
Serving este un framework de înaltă performanță conceput pentru deployment-ul și scalarea modelelor de machine learning ca servicii de producție. Funcționează ca un motor de inferență distribuit care permite execuția fluxurilor de lucru complexe de procesare a datelor prin înlănțuirea mai multor modele în grafuri aciclice direcționate. Platforma se distinge prin capacitatea sa de a gestiona întregul ciclu de viață al modelului de producție, permițând versionarea hot-swappable care actualizează serviciile fără downtime. Suportă scalarea orizontală prin sharding-ul distribuit al modelelor și optimizează regăsirea datelor multidimensionale prin structuri specializate de căutare a parametrilor rari (sparse). Sistemul oferă o suită cuprinzătoare de capabilități pentru mediile de producție, inclusiv execuția inferenței accelerată hardware, interfețe RPC (remote procedure call) multi-limbaj și monitorizarea integrată a serviciilor. De asemenea, încorporează funcții de securitate, cum ar fi autentificarea cererilor și canale de comunicare criptate pentru a proteja deployment-urile modelelor.
Provides native client libraries across multiple programming languages to simplify interaction with deployed models.