Le projet Turbo décodeur au-delà du Gbps sur multi-cœurs CPU est conçu pour optimiser les performances de décodage de données à des débits supérieurs au Gbps. Il exploite la puissance de traitement parallèle des processeurs multi-cœurs pour améliorer la vitesse et réduire la latence de décodage. Le décodeur prend en charge le décodage simultané de plusieurs flux de données, offrant une solution flexible et efficace pour les applications exigeantes en matière de traitement de données haute vitesse.

Ce projet est une unité d'enseignement (UE) proposée par l'Université Lyon 1 dans le cadre du Master 2 en Technologies de l'Information et du Web. Il couvre la gestion de grandes masses de données, les systèmes de gestion de bases de données (SGBD), le MapReduce avec Spark, et les flux de données avec Storm. Les étudiants y apprennent les techniques de tuning et d'optimisation des performances des SGBD ainsi que les concepts avancés du Big Data.

Ce projet développe des outils algorithmiques pour analyser et optimiser des politiques de cache dans les systèmes informatiques. Il permet de modéliser des flux de données complexes, d'évaluer des politiques de gestion mémoire et de simplifier des expressions booléennes pour améliorer les performances des systèmes. Les solutions proposées sont principalement destinées aux développeurs et chercheurs en informatique.

PhoenixDebug est une bibliothèque et un ensemble d'outils dédiés au débogage et à l'analyse de données pour les applications développées en C++. Il facilite la gestion des logs, l'inspection des fichiers texte et binaire, ainsi que la visualisation des flux de données pour identifier et résoudre les problèmes de développement. Utilisé principalement par des développeurs et des équipes techniques, il optimise le processus de diagnostic et améliore la qualité du code.

Bibliothèque ou service dédié à la manipulation et transformation de données via des fonctions d'ordre supérieur. Permet de composer des opérations complexes de manière déclarative et réutilisable. Facilite la gestion de flux de données asynchrones ou paresseux tout en optimisant les performances. Utilisé principalement par des développeurs pour structurer des traitements de données évolutifs et maintenables.

HiPeOffsetFinder est un outil conçu pour analyser les flux de données issus d'instruments astrophysiques, notamment ceux dédiés à la détection de rayons gamma. Il permet de calculer les décalages (offsets) des attributs dans les données brutes, facilitant ainsi la calibration et l'interprétation des signaux temporels. Utilisé dans le cadre de projets comme CTA (Cherenkov Telescope Array), il contribue à améliorer la précision des mesures et à optimiser le traitement des événements détectés.

Ce projet permet de superviser et d'automatiser la collecte, le traitement et l'analyse des données liées aux prélèvements d'eau. Il facilite la gestion des flux de travail pour les équipes techniques et environnementales, en assurant le respect des normes réglementaires et la traçabilité des mesures. Les données sont centralisées et analysées pour optimiser les ressources et garantir une gestion durable de l'eau.

DanteDpp est une solution logicielle dédiée à la gestion et à l'analyse de données issues de détecteurs, notamment pour des applications en physique nucléaire ou en imagerie médicale. Elle permet de configurer des paramètres d'acquisition, de traiter les signaux en temps réel, de générer des spectres et de stocker les données pour une analyse ultérieure. Le système gère également les régions d'intérêt (ROI) et les flux de données pour une acquisition optimisée.

FlowVR est une bibliothèque middleware permettant de faciliter le développement et l'exécution d'applications haute performance interactives nécessitant l'exploitation de la puissance de nœuds informatiques distribués en grappe ou en grid. FlowVR a été utilisé pour des applications de réalité virtuelle, de téléprésence, de modélisation 3D en temps réel, de visualisation in situ, de pilotage de simulations moléculaires parallèles, etc. FlowVR réutilise et étend le paradigme de flux de données couramment utilisé dans les environnements de visualisation scientifique. Une application est vue comme un ensemble éventuellement distribué de modules échangeant des données. Différentes assemblées de modules peuvent être spécifiées sans modification ou recompilation des modules. Le développeur d'applications n'a pas à se soucier des problématiques de réseau. C'est le rôle de FlowVR de gérer et d'optimiser les échanges de données entre modules. FlowVR supporte les modules parallèles, permettant d'exploiter des codes MPI existants par exemple. Cette fonctionnalité est couramment utilisée pour la visualisation in situ ou le pilotage de simulations parallèles.

Ce projet développe une bibliothèque logicielle dédiée à l'optimisation du stockage de flux de données sur des appareils mobiles. Il propose des solutions pour réduire l'espace mémoire et améliorer les performances des bases de données temporelles. Des applications exemples illustrent son utilisation dans des scénarios concrets comme l'enregistrement de données de capteurs ou la comparaison avec d'autres systèmes de stockage.