Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet propose des tutoriels et des outils pour simuler et tester des systèmes de messagerie et de traitement de données. Il permet d'évaluer les performances de serveurs de messagerie, d'analyser les temps de réponse et de gérer des flux de données en temps réel. Les utilisateurs peuvent également surveiller des capteurs et configurer des environnements de test pour des architectures distribuées.
- Ce projet fournit un cadre d'évaluation pour mesurer la performance de modèles de vision par ordinateur dédiés à la reconnaissance d'actions en temps réel dans des vidéos. Il permet d'analyser et de comparer différentes approches d'évaluation, notamment pour des tâches d'action detection précoce au niveau des instances. Les métriques proposées incluent des mesures de précision, de rappel et de F1, ainsi que des évaluations basées sur des intervalles temporels. Le code est conçu pour supporter des évaluations multi-folds et générer des visualisations des résultats.
- Ce projet propose une collection de benchmarks reproductibles pour évaluer et comparer les performances de différentes bibliothèques de CRDT (Conflict-free Replicated Data Types). Il simule des scénarios de synchronisation de données entre plusieurs clients, mesurant des métriques comme le temps d'exécution, la taille des mises à jour, la consommation mémoire et la taille des documents encodés. Les résultats permettent d'identifier les solutions les plus efficaces pour des applications collaboratives en temps réel.
- Ce projet développe un simulateur pour drones aériens permettant de tester et valider des algorithmes de contrôle d'orientation et de position. Il offre un environnement virtuel pour évaluer les performances de systèmes de vol autonome avant leur déploiement sur des drones réels. Les utilisateurs peuvent configurer des scénarios de test et analyser les données de vol en temps réel.
- PyJoules est un outil open source permettant de mesurer et d'analyser la consommation énergétique des applications Python en temps réel. Il évalue l'énergie consommée par différents composants matériels comme le processeur, la mémoire RAM, le GPU intégré ou les cartes graphiques Nvidia. Destiné aux développeurs et chercheurs, il aide à identifier les parties énergivores du code pour optimiser les performances et réduire l'empreinte écologique des logiciels.
- Ce projet permet d'évaluer et comparer les performances de différents outils de déploiement et de gestion de serveurs (comme Ansible, Aeolus ou Concerto) à travers des expériences synthétiques et des cas d'usage réels. Il génère des métriques précises sur les temps d'exécution, les dépendances et les configurations, afin d'aider les administrateurs système à choisir les solutions les plus adaptées à leurs besoins.
- Ce projet est un micro-blog simulant un réseau social où les utilisateurs peuvent publier des messages et interagir entre eux. Il permet de générer des comptes utilisateurs, de publier des messages en temps réel, et de suivre les relations entre utilisateurs. Le système inclut également des fonctionnalités de benchmarking pour évaluer les performances de la base de données PostgreSQL sous charge, en simulant un nombre variable d'utilisateurs actifs.
- Notoriété 4 %Ce projet permet de simuler des charges sur une application via JMeter et de collecter les métriques générées dans Elasticsearch. Les résultats sont ensuite visualisés dans Kibana sous forme de tableaux de bord dédiés. Il inclut également un exemple d'application monitorée via APM pour évaluer les performances en temps réel. L'outil aide les équipes à identifier les goulots d'étranglement et à optimiser leur infrastructure.
- Ce projet expérimental vise à étudier et optimiser la consommation énergétique des systèmes embarqués en analysant les temps de réveil des microcontrôleurs. Il permet de mesurer les performances de différents benchmarks en conditions réelles, en surveillant les cycles de veille, d'exécution et de checkpointing. Les données collectées aident à évaluer l'efficacité des stratégies de gestion de l'énergie et à améliorer l'autonomie des dispositifs.
- Ce projet fournit des exemples concrets d'implémentation de traitements de flux de données en temps réel avec Apache Flink. Il inclut des benchmarks pour évaluer les performances de consommateurs Kafka, en exploitant des pools de traitement par lots et des mécanismes de mémoire partagée comme Plasma. Les exemples illustrent des architectures multi-threadées pour optimiser le traitement des données en continu, notamment dans des environnements nécessitant une haute performance et une faible latence.
28 initiatives
10