Ce projet vise à analyser l'impact du framework AMP développé par Google sur la visibilité des résultats de recherche et sur les performances des pages web. Il contient des scripts de benchmark de référencement et de performance, ainsi que des notebooks permettant de comparer le rang d'apparition de résultats et les différences de performance.

Ce projet automatise le benchmarking des performances des environnements HPC basés sur Guix, notamment pour les clusters comme Plafrim. Il exécute des tests de bande passante MPI entre nœuds, compare différentes configurations (MPI, réseaux) et stocke les résultats dans une base de données. Les données sont ensuite analysées pour détecter des régressions et visualisées sous forme de graphiques. L'objectif est d'optimiser les performances des infrastructures de calcul haute performance.

Projet académique visant à créer un outil de benchmark pour évaluer l'efficacité des systèmes de détection d'attaques par déni de service (DDoS). Il permet de simuler des attaques réseau variées, de capturer le trafic généré, et d'analyser les performances de différents algorithmes de détection. Les résultats sont comparés via des métriques comme le taux de détection, la précision et le taux de faux positifs.

Ce projet permet de mesurer, analyser et comparer les performances d'applications ou de fonctions logicielles au fil du temps. Il offre des outils pour exécuter des tests de performance, sauvegarder les résultats, surveiller des métriques clés (temps d'exécution, valeurs numériques, etc.) et détecter automatiquement les régressions. Les données collectées peuvent être visualisées sous forme de graphiques ou de tableaux pour faciliter l'interprétation des résultats.

Io-benchmarks est un projet visant à mesurer et évaluer les performances des opérations d'entrées/sorties de différentes solutions de stockage. Il permet d'analyser le débit de données et de comparer les résultats obtenus pour chaque solution testée.

Helio Benchmarks est une plateforme dédiée à l'évaluation et à la comparaison des performances des composants matériels informatiques. Elle permet aux utilisateurs de tester et d'analyser des configurations matérielles variées, offrant ainsi des données objectives pour optimiser leurs choix d'achat ou de configuration. Les résultats sont présentés de manière claire et structurée pour faciliter l'interprétation.

Ce projet propose un benchmark dédié à l'évaluation des performances de différentes implémentations de l'équation de réaction Gray-Scott utilisant le framework SYCL. Il permet de comparer des méthodes de gestion mémoire (buffers, malloc_shared, malloc_device) et d'analyser l'impact des architectures matérielles (CPU, iGPU, dGPU) sur les temps de calcul et la précision des résultats. Les données collectées aident à optimiser les performances des applications scientifiques intensives.

Ce projet propose une suite de benchmarks pour évaluer et comparer des outils de déduction automatique et de résolution de règles logiques. Il permet d'analyser les performances de solveurs comme InteGraal et OWLAPI dans des contextes de logique de règles, en fournissant des configurations standardisées et des fichiers de test reproductibles. Les résultats aident les chercheurs et développeurs à identifier les forces et faiblesses des différentes approches.

MINOTAuR est un projet de recherche dédié à la conception et à l'évaluation de processeurs RISC-V avancés. Il propose des architectures matérielles optimisées pour des applications embarquées et haute performance. Le projet inclut des outils de simulation, des benchmarks standardisés et des méthodes d'analyse des performances. Les processeurs développés sont comparés à des références existantes pour valider leur efficacité. Les résultats sont utilisés pour publier des travaux académiques et améliorer les architectures futures.

P4a est un projet d'analyse et de benchmarking dédié à l'évaluation des performances de différentes structures de données en Java. Il permet de comparer des implémentations comme ArrayList, LinkedList et Vector en mesurant leur temps d'exécution et leur consommation mémoire pour des opérations courantes (ajout, recherche, suppression). Les résultats aident à choisir la structure la plus adaptée selon les contraintes d'une application, notamment pour des environnements comme les applications mobiles où l'optimisation des ressources est cruciale.