Ce projet permet de surveiller et détecter les problèmes dans les systèmes informatiques, en particulier dans les clusters Kubernetes. Il utilise des chartes Helm pour faciliter le déploiement et la configuration des composants nécessaires à la détection des anomalies et des pannes. Les données collectées sont ensuite analysées pour fournir des diagnostics précis et des recommandations d'actions correctives.

Le projet cluster-monitor permet de surveiller l'état d'un cluster de calcul en temps réel. Il fournit une visualisation de l'utilisation des ressources et des alertes en cas de défaillance ou de sous-utilisation des ressources. Cela permet aux administrateurs de cluster de détecter rapidement les problèmes et de prendre les mesures nécessaires pour y remédier.

Le projet cluster-monitor-2 est une solution de surveillance et d'analyse de l'état de fonctionnement de grappes informatiques. Il permet de détecter rapidement les anomalies de performance et d'alerter les équipes en charge de leur maintenance. Grâce à une interface de visualisation claire et intuitive, il facilite la compréhension de l'état de santé des grappes et permet de prendre des décisions éclairées pour en améliorer les performances.

S1Tiling est un outil développé par le CNES et CESBIO pour générer des séries temporelles d'images SAR Sentinel-1 ortho-rectifiées et calibrées sur la grille Sentinel-2. Il bénéficie de l'Orfeo Tool Box pour l'ortho-rectification SAR et peut être utilisé sur différentes plateformes, des grands clusters de calcul aux ordinateurs portables. Il est actuellement utilisé pour la détection de la déforestation en Amazonie, le suivi des cultures de riz en Asie du Sud-Est et le suivi des stocks d'eau en Inde.

Le projet grafana-eidastats-k8s permet la surveillance et le monitoring de clusters Kubernetes, avec une visualisation détaillée des métriques système et des performances des applications déployées. Il aide à détecter les anomalies et optimiser les ressources, assurant une meilleure gestion et fiabilité des environnements conteneurisés.

CiGri est un middleware léger conçu pour fonctionner sur un ensemble de clusters OAR afin de gérer efficacement de grands ensembles de tâches multi-paramétriques (également appelées bag-of-tasks). Il gère l'envoi automatique de tâches avec une description JSON et un fichier de paramètres facultatif. Il prend en charge l'affinité utilisateur/cluster, la gestion intelligente des événements, les règles d'admission, le mode test, la gestion adaptative de la charge de la file d'attente, la soumission de tâches d'ensemble OAR, la détection de la charge du cluster, une API RESTful pour les communications avec OAR et une API RESTful fournie pour les applications clientes.

Le projet communautes-libres-graph est une application web permettant de visualiser et d'analyser des réseaux sociaux complexes. Il offre la possibilité de détecter des communautés et de les mettre en évidence grâce à des algorithmes de détection de clusters.

Un projet ELK (Elasticsearch, Logstash, Kibana) utilisant Docker pour déployer et gérer les services. Il permet l'analyse, la surveillance et la détection d'anomalies dans les logs serveur et la performance applicative.

This project uses the Louvain community detection algorithm to group together news events and Twitter events that deal with the same subjects. This can help users to quickly identify related stories and events, and to understand the broader context in which they are taking place.

Ce pipeline d'analyse utilise Snakemake pour le traitement de données RNAseq et la détection de gènes différentiellement exprimés. Il prend en charge les données paired-end provenant d'un séquenceur Illumina HiSeq et utilise des outils tels que prinseq, cutadapt, STAR, HTSeq, DESeq2 et ClusterProfiler.