评估 · 实验 · MLOps
共 24 个仓库 · 近 4 个月有推送 · Go
开源监控系统与时序数据库，采集指标、配置告警规则并绘图展示，适合搭建从基础设施到 GPU 集群的可观测性平台。
用 YAML 文件定义多容器应用，一条命令就能把整套服务编排起来跑，省去逐个 docker run 的麻烦。
CNCF 出品的分布式追踪平台，采集服务调用链路并做可视化分析，帮你在微服务和 LLM 应用里定位延迟与故障根因。
开源向量数据库，同时存储对象和向量，把向量检索和结构化过滤结合起来，具备云原生数据库的容错与扩展能力。
给 Prometheus 加上跨集群高可用和长期存储能力，把多个 Prometheus 实例的数据聚合成全局可查询的指标视图。
持续性能分析平台，能定位到具体代码行，帮你排查 CPU、内存等性能瓶颈，适合生产环境做可观测性监控。
开源可观测性与 APM 平台，整合指标、日志、链路追踪、持续剖析和 SLO 告警，借助 AI 自动定位故障根因。
在 Kubernetes 上编排 ML 流水线、智能体和实时推理的类型安全分布式引擎，用纯 Python 的 async/await 写工作流，也支持 Rust、Go 和 TS。
OpenTelemetry 的可观测性数据收集器，统一接收、处理和导出指标、日志、链路等遥测数据，帮你在不同后端之间解耦采集与上报。
在 Kubernetes 上统一部署生成式与预测式 AI 模型的推理平台，支持多框架、可扩展的分布式推理服务。
面向 AI Agent 全生命周期的优化平台，覆盖开发调试、效果评估到线上监控，帮团队把 Agent 从能跑打磨到稳定可用。
Grafana Mimir 是 Prometheus 的横向可扩展、高可用、多租户长期存储方案，解决大规模指标数据的持久化与查询问题。
基于 Git 原生的特性开关管理方案，把开关配置纳入版本控制，方便团队在持续交付中安全地灰度发布和回滚。
基于 OpenTelemetry 的开源 APM，用 ClickHouse 存储 traces、metrics 和 logs，可自托管做应用性能监控与分布式追踪。
Datadog 官方监控代理，用 Go 编写，统一采集指标、日志、APM 链路追踪和 OpenTelemetry 数据，帮你在生产环境搭建可观测性。
基于 OpenTelemetry Collector 的可编程遥测数据管道，用声明式配置把指标、日志和链路统一采集、处理并转发到 Grafana、Prometheus、Loki 等后端。
Kiali 是 Istio 服务网格的可观测性控制台，用拓扑图展示服务间流量、健康状态和配置，帮运维快速定位网格里的异常。
CNCF 沙箱孵化的可观测性可视化平台，用一套仪表盘统一展示 Prometheus、Tempo、Loki、Pyroscope 等数据源的监控指标与追踪信息。
用声明式配置为人类和 AI Agent 构建可复现的开发环境，基于 Docker 和 BuildKit 打包依赖，解决环境不一致、难以复现的问题。
基于 eBPF 自动采集 Web 应用和网络指标，无需改代码就能拿到可观测数据，适合快速接入监控和链路追踪。
把 NVIDIA GPU 的硬件遥测数据导出成 Prometheus 指标，方便监控显卡温度、功耗、显存和利用率等运行状态。
在终端里实时查看 Apple Silicon Mac 的 CPU、GPU、内存和功耗占用，类似 top 但针对 M 系列芯片优化，适合跑本地模型时盯资源。
Meesho 开源的端到端机器学习基础设施栈，提供在线特征存储等组件，支撑印度规模下的实时与批量 ML 工作负载。
在 Kubernetes 集群里自动发现 GPU 节点故障并执行修复，减少加速计算任务因硬件异常中断。