Ce projet permet de définir une matrice de tâches qui peuvent s'exécuter en parallèle, éventuellement sur différents exécuteurs (et systèmes d'exploitation) et qui peuvent partager le même script d'exécution. Cela est utile pour factoriser les définitions de tâches dans gitlab-ci.

Rust Parallel est un outil en ligne de commande permettant de gérer des tâches en parallèle, que ce soit sur une même machine ou sur plusieurs. Il offre la possibilité de contrôler l'ordre d'exécution des tâches et de distribuer ces dernières sur différentes machines.

Rust Parallel est un outil en ligne de commande permettant de gérer des tâches en parallèle, que ce soit sur une même machine ou sur plusieurs. Il offre la possibilité de contrôler l'ordre d'exécution des tâches et de distribuer ces dernières sur différentes machines.

Le projet job-processor est une application permettant de gérer et d'exécuter des tâches (jobs) de manière planifiée ou non. Il offre des fonctionnalités telles que la création et la gestion de tâches récurrentes via des expressions cron, l'exécution de jobs en série ou en parallèle, et le déclenchement de migrations de base de données.

StarPU est un système d'exécution pour les architectures multicœurs hétérogènes. Il permet d'optimiser l'exécution de codes parallèles en gérant l'hétérogénéité des architectures et en planifiant les tâches en temps réel. StarPU offre également des fonctionnalités de gestion de la mémoire distribuée.

StarPU est un système d'exécution pour les architectures informatiques hétérogènes. Il permet l'exécution de tâches parallèles sur différents types de processeurs (CPU, GPU, etc.) en optimisant l'utilisation des ressources et la gestion de la mémoire.

StarPU est un système d'exécution pour les architectures informatiques hétérogènes. Il permet l'exécution de tâches parallèles sur différents types de processeurs (CPU, GPU, etc.) en optimisant l'utilisation des ressources et la gestion de la mémoire.

Ce projet permet de gérer des files d'attente de calculs sur un supercalculateur en utilisant Slurm. Il offre la possibilité d'exécuter des tâches de traitement parallèle et d'optimiser les performances des calculs scientifiques.

Le projet memory-aware-scheduling a pour objectif d'optimiser l'utilisation de la mémoire vive dans le cadre de l'exécution d'applications parallèles. Il permet une planification mémoire efficace et contribue à la gestion de la consommation mémoire pour les tâches informatiques.

Outflow est un framework permettant de construire et d'exécuter des workflows de tâches. L'API est simple tout en offrant un contrôle complet sur la définition et l'exécution des workflows. Il prend en charge l'exécution parallélisée et distribuée, dispose d'une interface de ligne de commande centralisée pour les commandes de pipeline, d'un accès intégré à une base de données avec des modèles SQLAlchemy et des migrations Alembic, d'un enregistrement des exécutions et des exceptions pour la traçabilité, ainsi que des vérifications strictes de type et d'entrée/sortie pour un pipeline robuste.