distributed-inference

用 WebRTC 和 Redis Streams 搭建跨语言分布式推理管道

这是一个用 Go 语言编写的演示项目,旨在展示如何在深度学习/机器学习领域设计跨语言、分布式的推理管道。它利用 WebRTC 和 Redis Streams 作为核心组件,WebRTC 负责低延迟的数据传输,Redis Streams 则用于构建可靠的消息队列和事件流,从而将不同语言编写的模型服务或数据处理模块连接起来,形成一个可扩展的分布式推理系统。项目解决了传统单体推理服务难以跨语言协作和水平扩展的问题,提供了一种模块化、松耦合的架构参考。核心能力包括:基于 WebRTC 的实时数据传输、基于 Redis Streams 的管道编排、跨语言服务集成示例。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 86
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类基础设施
开发团队adalkiran
所属国家
官网地址
定价模式free
价格说明开源项目,Apache-2.0许可证,可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Go
技术栈/模型cross-language,deep-learning,distributed,distributed-systems,go,golang,machine-learning,ml,mlops,onnx,onnxruntime,pion,python,redis,redis-streams,video-processing,video-processing-pipeline,webrtc,yolo,yolox
GitHub 星标★ 86
30天Star增速
HF 下载量
上线时间2022-07-29 00:00:00
最近更新2026-07-31 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数0

使用教程

核心亮点

  • WebRTC 提供低延迟传输,适合实时推理场景
  • Redis Streams 天然支持消息持久化和消费者组,管道可靠
  • 跨语言设计,可集成 Python、C++ 等模型服务

不足之处

  • 文档/社区待观察
  • 示例性质,生产级特性(如容错、监控)未覆盖

适用场景

  • 跨语言模型服务编排与推理
  • 实时视频/音频流上的 AI 推理
  • 需要低延迟、可扩展的分布式 ML 管道设计参考

替代项目

Kubeflow Pipelines、Ray Serve、NVIDIA Triton Inference Server

项目介绍

distributed-inference 是基础设施领域的开源项目,由 adalkiran 开发,2022 年首次发布。

它收录于基础设施分类,该分类目前共有 1,130 个项目,GitHub 星标数为 86。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-07-31。Apache-2.0许可证,可免费使用和部署。

它主要面向的使用场景是:跨语言模型服务编排与推理。同类可对比的替代方案包括 Kubeflow Pipelines、Ray Serve、NVIDIA Triton Inference Server。

上一篇:mlstacks

下一篇:quokka

同类项目推荐

freebuff-proxy 开源

聚合多账号,一键接入 OpenAI 兼容 API,轻松管理会话。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
microduck 开源

用 Rust 造一只会走路的桌面小鸭,快速上手双足机器人。

A Tiny biped duck robot

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm,简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
ollama 开源

一条命令本地跑起大模型,免费、私密、不卡顿

Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···

★ 181484 2026-08-09