Awesome GitHub RepositoriesDistributed Database Clusters

Milvus is a specialized vector database engine designed for the indexing, management, and high-speed similarity retrieval of high-dimensional vector embeddings. It functions as a similarity search engine capable of identifying nearest neighbors within large-scale vector spaces, supporting the storage and retrieval of billions of data points while maintaining consistent performance. The system utilizes a distributed architecture that decouples storage, query, and coordination into independent services, allowing for horizontal scaling across clusters. It employs a global indexing mechanism that

This project is a feature-rich Go client library designed for interacting with Redis. It serves as a comprehensive interface for managing remote data stores, enabling developers to execute standard database commands, handle complex data structures, and perform asynchronous operations within Go applications. The library distinguishes itself through its support for advanced Redis capabilities, including connection pooling, pipelining, and transactional integrity. It provides specialized primitives for managing distributed clusters, including automated topology updates and request routing to sha

Dgraph is a distributed graph database designed to store and query highly connected data. It organizes information as nodes and edges to represent complex relationships between entities, providing a platform for managing and analyzing deeply linked datasets. The system functions as a horizontally scalable cluster that partitions data across multiple nodes to maintain performance and availability as information volume increases. It utilizes a specialized query language built for low-latency navigation of interconnected data points, allowing for the execution of complex queries across large-sca

TigerBeetle is a distributed financial accounting database designed for high-volume transaction processing. It functions as a specialized transaction engine that enforces strict double-entry bookkeeping invariants, ensuring that every debit and credit is balanced and accounted for with absolute consistency. By utilizing a consensus-based replication model, the system provides high availability and data durability across geographically distributed clusters, making it suitable for mission-critical financial infrastructure. The system distinguishes itself through a performance-oriented architect

Codis is a distributed proxy system designed for scaling Redis clusters. It provides a sharding proxy that distributes data across multiple instances and a cluster manager to oversee the environment. The system enables horizontal scaling through dynamic resharding, which allows data slots to be migrated between servers without interrupting operations. It supports multi-key atomic operations using hash tags to ensure related keys are routed to the same server. The platform includes a graphical cluster management dashboard for monitoring and administration. It implements high availability prox

The AWS Cloud Development Kit is an infrastructure-as-code framework that enables developers to define and provision cloud resources using familiar programming languages. By utilizing construct-based synthesis, it translates high-level, object-oriented code into declarative templates, allowing for the automated management of complex cloud environments through a centralized, code-driven control plane. The framework distinguishes itself through its ability to model infrastructure as a dependency-aware resource graph, ensuring that components are provisioned and updated in the correct order. It

YugabyteDB is a distributed SQL database and relational data store designed for horizontal scalability and high availability across multiple nodes or regions. It functions as a cloud-native system that ensures continuous availability and supports PostgreSQL compatible query languages and drivers. The system includes specialized capabilities as a vector database for AI, utilizing high-dimensional indexing to perform similarity searches. It is engineered as a multi-region cloud database that synchronizes data across different geographic locations to maintain global availability. The project co

Patroni is a high availability manager and cluster orchestrator for PostgreSQL. It functions as an automatic failover controller and replication manager that ensures continuous database availability by automating leader election and promoting standby nodes during failures. The system maintains a consistent cluster state by acting as a distributed consensus coordinator. It synchronizes configuration and manages leader elections through integration with distributed configuration stores such as etcd, ZooKeeper, or Consul. Its broader capabilities include managing both synchronous and asynchrono

pgloader is a command-line tool that automates the migration of data and schema from various source databases and file formats into PostgreSQL. It combines schema discovery, parallel data pipelines, and type casting into a single, declarative workflow, using PostgreSQL's COPY protocol for high-throughput bulk loading. The tool distinguishes itself by compiling a dedicated command language into concurrent reader-writer pipelines that handle schema introspection, data transformation, and error-resilient batch processing. It supports migrating entire databases from MySQL, MS SQL, SQLite, and Pos

PikiwiDB este o bază de date NoSQL distribuită și un magazin cheie-valoare bazat pe disc, care servește drept server de protocol compatibil cu Redis. Este conceput pentru a gestiona seturi de date mai mari decât memoria disponibilă a sistemului, utilizând un motor de persistență care stochează setul complet de date pe disc. Sistemul folosește un model de stocare pe niveluri (tiered storage), cache-uind datele „fierbinți” accesate frecvent în memorie, în timp ce menține volumul principal pe disc. Asigură disponibilitatea ridicată printr-o arhitectură de stocare a datelor replicată, folosind log-uri binare asincrone pentru a sincroniza datele între nodurile primare și secundare. Proiectul suportă scalarea bazelor de date distribuite prin sharding-ul datelor bazat pe cluster și organizează datele în grupuri pentru a extinde stratul de stocare. Capabilitățile sale operaționale includ monitorizarea performanței sistemului pentru urmărirea utilizării resurselor și suport pentru deployment-ul containerizat.

FATE is an open-source federated learning platform that enables multiple organizations to collaboratively train machine learning models without exposing raw data to any party. It provides a complete framework for private data collaboration, allowing participants to jointly compute on sensitive information while maintaining data privacy and security guarantees through secure multi-party computation protocols. The platform distinguishes itself through its comprehensive infrastructure management capabilities, supporting automated deployment of multi-party clusters using Ansible-driven provisioni

AliSQL is a fork of MySQL by Alibaba that extends the relational database management system with enhancements for high performance, scalability, and enterprise-grade availability. It retains the core MySQL identity as a SQL-based database for storing, organizing, and retrieving structured data, while adding optimizations for large-scale transactional and analytical workloads. The project differentiates itself through a set of Alibaba-specific improvements, including a columnar engine for accelerating analytical queries directly on MySQL tables, and a distributed, shared-nothing NDB Cluster en

KubeOperator este o platformă cuprinzătoare de gestionare a clusterelor Kubernetes, orchestrator de infrastructură și manager multi-cluster. Acesta funcționează ca o distribuție enterprise Kubernetes concepută pentru a automatiza implementarea, scalarea și gestionarea ciclului de viață al clusterelor de producție pe diverse platforme cloud și mașini fizice. Platforma se distinge prin capabilități specializate pentru medii air-gapped, inclusiv un motor de instalare offline care generează arhive software și gestionează registre private pentru implementări securizate, fără internet. De asemenea, oferă un dashboard centralizat pentru operațiuni de flotă, permițând importul clusterelor externe și orchestrarea infrastructurii în diferite regiuni geografice și zone de disponibilitate. Sistemul acoperă o suprafață operațională largă, inclusiv provizionarea automată a mașinilor virtuale, urmărirea inventarului hardware și gestionarea declarativă a ciclului de viață pentru patching și scalare. Încorporează servicii integrate de backup și recuperare, control al accesului bazat pe roluri cu sincronizare LDAP și monitorizare cuprinzătoare pentru sănătatea și metricile de performanță ale clusterului. Sarcinile administrative și operațiunile de cluster sunt executate printr-o interfață bazată pe web.

Autobase este o platformă de tip database-as-a-service self-hosted, concepută pentru a automatiza deployment-ul, scalarea și administrarea clusterelor PostgreSQL de înaltă disponibilitate. Funcționează ca un orchestrator de cluster care gestionează replicarea, failover-ul și upgrade-urile de versiune pe mai multe servere. Platforma se distinge prin abordarea bazată pe GitOps, utilizând controlul versiunilor și pipeline-urile CI/CD ca sursă unică de adevăr pentru a automatiza configurațiile și deployment-urile bazelor de date. Oferă atât o interfață de gestionare web, cât și un instrument de linie de comandă pentru provizionarea și monitorizarea clusterelor. Sistemul acoperă o gamă largă de capabilități operaționale, inclusiv provizionarea infrastructurii pe furnizori cloud și servere fizice, motoare automate de backup și recuperare pentru restaurarea stării și gestionarea traficului prin load balancing distribuit și service discovery bazat pe DNS. Include, de asemenea, instrumente pentru scalarea capacității clusterului și gestionarea extensiilor funcționale.

Autobase este o platformă de gestionare și un orchestrator de baze de date PostgreSQL, auto-găzduit, conceput pentru a oferi capabilități de tip database-as-a-service. Acesta automatizează întregul ciclu de viață al clusterelor PostgreSQL, de la provizionarea și implementarea inițială până la administrarea continuă și dezafectarea acestora. Sistemul se remarcă prin tratarea infrastructurii bazei de date ca fiind cod (infrastructure as code), permițând clusterelor să fie implementate și actualizate prin controlul versiunilor și conducte de integrare continuă (CI). Oferă atât o consolă web centralizată pentru gestionare vizuală, cât și interfețe programabile pentru automatizarea orchestrării infrastructurii. Platforma acoperă disponibilitatea ridicată prin utilizarea de load balancer-e și replici pentru distribuția traficului și scalarea resurselor. Capabilitățile sale operaționale includ backup-uri automate point-in-time, restaurarea stării, instalarea de module funcționale și executarea de upgrade-uri de versiuni majore și minore pe servere fizice, mașini virtuale și furnizori de cloud public.

Helix DB is a distributed graph database and knowledge graph platform that persists nodes and edges on object storage for durable and unlimited scaling. It operates as an ACID-compliant system, ensuring data consistency through serializable snapshot isolation during concurrent operations. The project distinguishes itself by combining a vector search engine and a property graph, utilizing hybrid vector and full-text search to locate entry points for graph traversals. It enables dynamic graph querying through a domain-specific language, allowing complex logic and recursive queries to be execute

Octelium is a zero-trust network access platform and identity-aware proxy designed to secure private HTTP, SSH, and SQL resources. It functions as a secure gateway that validates human and workload identities using OIDC, SAML, and FIDO2 passkeys before granting access to internal applications and SaaS APIs. The system is distinguished by its secretless access broker, which injects credentials—such as API keys, passwords, and AWS Sigv4 signatures—at the gateway level so users can access databases and cloud resources without managing secrets. It further specializes in AI gateway administration,