Open-Source-Projekte durchsuchen
11 Projekte gefunden für "remote procedure call"
gRPC
Apache-2.0Hochperformantes Open-Source-RPC-Framework, mit dem Dienste gegenseitig Funktionen über Sprachen und Netzwerke hinweg direkt aufrufen können.
- API
Apache APISIX
Apache-2.0Dynamisches, hochperformantes API-Gateway auf Basis von NGINX und etcd, das Hot-Reload-fähige Plugins, Canary-Releases und KI-Traffic-Routing zu den klassischen Gateway-Funktionen hinzufügt.
- API
Coder
AGPL-3.0Selbst gehostete Plattform zum Bereitstellen von Cloud-Entwicklungsumgebungen auf eigener Infrastruktur, die jedem Entwickler einen konsistenten, wegwerfbaren Remote-Workspace gibt.
- Entwicklertools
Dapr
Apache-2.0Portable Laufzeitumgebung, die Microservices Bausteine bereitstellt – State Management, Pub/Sub-Messaging, Service-Aufrufe und Workflows – über eine Sidecar-API in beliebiger Sprache.
- Backend
Istio
Apache-2.0Der führende Service Mesh für Kubernetes, der Microservices Traffic-Management, Sicherheit und Observability hinzufügt, ohne Anwendungscode zu ändern.
- DevOps
Jaeger
Apache-2.0CNCF-Plattform für verteiltes Tracing zur Visualisierung von Anfrageflüssen über Microservices hinweg, die genau zeigt, welcher Dienst oder Aufruf für Latenz oder Fehler verantwortlich ist.
- Monitoring
Kong
Apache-2.0Cloud-natives API-Gateway, das Routing, Load Balancing, Authentifizierung und Traffic-Management für Microservices, APIs und LLM-/MCP-Traffic übernimmt.
- API
Okteto
Apache-2.0Entwicklungstool, mit dem du lokal coden kannst, während deine Anwendung direkt in einem entfernten Kubernetes-Cluster läuft und debuggt wird.
- Entwicklertools
Quarkus
Apache-2.0Kubernetes-natives Java-Framework für schnelle Startzeiten und geringen Speicherbedarf, zugeschnitten auf Container und Serverless.
- Backend
Unleash
AGPL-3.0Open-Source-Plattform für Feature-Management, um Funktionen schrittweise auszurollen, Experimente durchzuführen und Releases zu steuern, ohne Code neu zu deployen.
- DevOps
Instructor
MITBibliothek, um zuverlässige, strukturierte Datenausgaben von LLMs mittels Function-Calling-APIs und Pydantic-Modellen zur Validierung zu erhalten.
- KI & Machine Learning