heavydb

HeavyDB, anteriormente conhecido como MapD Core ou OmniSciDB, é um banco de dados relacional SQL em memória e orientado a colunas, projetado desde o início para rodar em GPUs. Este repositório contém o próprio motor do banco de dados, além de ferramentas de build e documentação para desenvolvedores. O que o projeto oferece: - Um banco de dados relacional SQL com modelo de armazenamento colunar em memória. - Execução orientada a GPU como objetivo central de design, com builds para GPU exigindo driver NVIDIA compatível e toolkit CUDA. - Scripts de build e ferramentas de dependências voltados para Ubuntu 22.04 e Rocky Linux 8.x, instalando dependências em /usr/local/mapd-deps e gerando um script de ambiente que deve ser carregado antes de configurar o banco de dados. - Suporte a arquivos de dependências pré-compilados (estáticos em ambas as plataformas, compartilhados adicionalmente no Ubuntu), bem como à compilação de arquivos de dependências a partir do código-fonte. - Links de documentação para instalação, configuração, notas de versão e um guia rápido de dependências. Desenvolvimento e contribuição: - Licenciado sob Apache License 2.0; pacotes de terceiros são cobertos por licenças separadas documentadas no repositório. - Instruções de contribuição são fornecidas em CONTRIBUTING.md. - A orientação de estilo de código referencia as C++ Core Guidelines, com configurações de clang-format (estilo baseado no Chromium) e clang-tidy na raiz do repositório; um alvo do make executa o clang-tidy. - Espera-se que os arquivos de código-fonte contenham cabeçalhos de licença SPDX, gerenciados por um hook de pre-commit e aplicados no CI para arquivos adicionados ou modificados; código de terceiros vendido é isento. - A compilação a partir do código-fonte é documentada como produtora da plataforma HeavyAI mais ampla, incluindo Immerse, WebServer, DSOs GEOS e HeavyDB, em uma imagem Docker utilizável. Segurança e suporte: - Vulnerabilidades de segurança não devem ser relatadas por meio de issues públicas no GitHub; canais de relato privados são descritos em SECURITY.md. - Perguntas e feedback da comunidade são direcionados às Discussões do GitHub da HeavyAI, com mantenedores revisando issues e pull requests em regime de melhor esforço, sem prazos de resposta garantidos. Esta visão geral reflete apenas o que o README do repositório declara; não faz afirmações sobre desempenho, benchmarks ou comparações com outros sistemas.