#bigdata Repositories
Entdecke 51 aktive Open-Source-GitHub-Repositories, die mit #bigdata getaggt sind und insgesamt 261,861 Sterne gesammelt haben (durchschnittlich 5,134 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist DataExpert-io/data-engineer-handbook mit 45,237 Sternen.
Insgesamt 51 Repositories
Dies ist ein Repository mit Links zu allem, was Sie jemals über Data Engineering lernen möchten
RustFS ist ein leistungsstarkes, quelloffenes und S3-kompatibles Objektspeichersystem, das Migration und Koexistenz mit anderen S3-kompatiblen Plattformen wie MinIO und Ceph unterstützt.
High-Performance, skalierbare Zeitreihendatenbank, die für Industrial IoT (IIoT)-Szenarien konzipiert ist
Data Intelligence mit Distributed SQL für Sharding, Skalierbarkeit und Sicherheit in allen Datenbanken stärken.
Eine kuratierte Liste von großartigen Big-Data-Frameworks, Ressourcen und anderen großartigen Dingen.
Data Agent Ready Warehouse: Eines für Analytics, Suche, KI, Python Sandbox. — von Grund auf neu gebaut. Einheitliche Architektur auf Ihrem S3.
Out-of-Core Hybrid-Apache-Arrow/NumPy-DataFrame für Python, ML, Visualisierung und Exploration großer tabellarischer Daten mit einer Milliarde Zeilen pro Sekunde 🚀
100+ Sätze von Big-Data-Visualisierungs-Cool-Large-Screen-Html5-Vorlagen; Enthaltene Branchen: Community, Eigentumsverwaltung, Regierung, Transport, Finanzinstitute usw. Die neuesten, umfangreichsten, vollständigsten, coolsten und auffälligsten Big-Data-Visualisierungsvorlagen im gesamten Netzwerk. Aktualisierung folgt.
🔨 Generieren Sie mit JSON strukturierte SQL-Anweisungen, basierend auf Vue3 + TypeScript + Vite + Ant Design + MonacoEditor, das Projekt ist einfach (starke Logik, leichte Seiten), gut zum Üben geeignet~
Big Data-Lernen, Big Data von Grund auf lernen, enthält Lernvideos und Bewerbungsmaterialien für jede Phase des Big Data-Lernens
GridDB ist eine Open-Source-Datenbank der nächsten Generation, die Time-Series-IoT und Big Data schnell und einfach macht.
Aix-DB, basierend auf dem LangChain/LangGraph-Framework und kombiniert mit der MCP Skills Multi-Agenten-Kollaborationsarchitektur, ermöglicht die End-to-End-Umwandlung von natürlicher Sprache in Dateninsights.
Basierend auf dem Open-Source-Flink erweitert es sein Echtzeit-SQL; implementiert hauptsächlich den Join zwischen Streams und Dimensions-Tabellen und unterstützt die gesamte Syntax des nativen Flink SQL
Byzer (ehemals MLSQL): Eine Low-Code-Open-Source-Programmiersprache für Datenpipelines, Analysen und KI.
Das Big-Data-Wissensrepository umfasst Data-Warehouse-Modellierung, Echtzeitberechnung, Big Data, Daten-Mittelplattform, Systemdesign, Java, Algorithmen usw.
Apache Spark & Python (pySpark) Tutorials für Big Data Analysis und Machine Learning als IPython / Jupyter Notebooks
:truck: Agile Data Preparation Workflows leicht gemacht mit Pandas, Dask, cuDF, Dask-cuDF, Vaex und PySpark
Die erste Open-Source-Plattform für Datenentdeckung und Observability. Wir erleichtern den Data Practitioners das Leben, damit Sie sich auf Ihr Geschäft konzentrieren können.
Apache Celeborn ist ein elastischer und leistungsstarker Dienst für Shuffle- und Spill-Daten.
Apache Livy ist eine Open-Source-REST-Schnittstelle zur Interaktion mit Apache Spark von überall aus.
GUI-basierter Python-Code-Generator für Data Science, Erweiterung für Jupyter Lab, Jupyter Notebook und Google Colab.
Das Lazy Squirrel Flink-Boot-Gerüst ermöglicht es Flink, das Spring-Ökosystem vollständig zu nutzen, sodass Entwickler verteilte Stream-Processing-Programme mit dem Java-WEB-Entwicklungsmodus entwickeln können. Lazy Squirrel macht den Übergang einfacher. Lazy Squirrel zielt darauf ab, Entwicklern zu ermöglichen, schnell Geschäftslogik zu schreiben und zu implementieren, mit geringeren Eintrittshürden (ohne die Theorie der verteilten Berechnung und die Details des Flink-Frameworks verstehen zu müssen). Um die Agilität der Entwicklung großer Projekte mit dem Lazy Squirrel-Gerüst weiter zu verbessern, integriert das Gerüst standardmäßig das Spring-Framework für die Bean-Verwaltung und integriert gleichzeitig häufig verwendete Frameworks aus den Bereichen Microservices und WEB-Entwicklung, um die Entwicklungsgeschwindigkeit weiter zu erhöhen. Zum Beispiel die Integration des Mybatis ORM-Frameworks, des Hibernate Validator Validierungsframeworks, des Spring Retry Retry-Frameworks usw. Einzelheiten finden Sie in den Gerüstmerkmalen unten.
DataWave ist ein Ingest/Query-Framework, das Apache Accumulo nutzt, um schnellen, sicheren Datenzugriff bereitzustellen.
Visualisierungs-Dashboard-Lösung, die eine visuelle Bearbeitungs-Engine bereitstellt, um Einzelpersonen oder Unternehmen dabei zu unterstützen, ihre eigenen benutzerdefinierten Visualisierungs-Dashboard-Anwendungen zu erstellen.
WeDataSphere ist eine financial-grade, one-stop Big-Data-Plattform-Suite.
Eingebettete transaktionale Datenbank für Blobs, Dokumente und Graphen – mit Kernel-Bypass für NVMe über io_uring und SPDK, GPU-Komprimierung sowie einer einheitlichen C-ABI für die eigenen Engines, RocksDB und LevelDB 🗄️
Datafaker ist ein Tool zur Generierung von Testdaten in großem Maßstab und Flusstestdaten. Datafaker erzeugt gefälschte Daten und fügt sie in verschiedene Datenquellen ein. Testdaten-Generierungstool
Das Open-Source-Wissenszentrum für Ihr Unternehmen. Marmot versteht die Bedeutung Ihrer Daten, regelt, wer sie nutzen darf, und führt jede Abfrage Ihrer Mitarbeitenden und Agenten aus – geprüft und protokolliert. Katalog, Datenherkunft, gesteuertes SQL und ein MCP-Server in einer einzigen Go-Binärdatei.
Hochleistungsfähiger verteilter S3-kompatibler Objektspeicher, der auf Geschwindigkeit ausgerichtet ist und als offene Alternative zu MinIO und RustFS konzipiert wurde.
TOMs ist ein vollständig Open-Source-, Hochleistungs-, systematischer, Plugin-orientierter und Szenario-agnostischer Allzweck-Entwicklungsrahmen.
Ein einfacher Spark-Standalone-Cluster für Zwecke Ihrer Testumgebung
Big Data Erfassung, Extraktionsplattform, zdh_web ist die visuelle Managementplattform für die zdh-Services, die Module wie Datenaufnahme, Scheduling, Berechtigungen, Genehmigungsworkflow, Private-Domain-Marketing usw. enthält
Häufig gestellte Fragen
Welches ist das beliebteste #bigdata-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#bigdata-Projekt auf GitHub ist DataExpert-io/data-engineer-handbook mit 45,237 Sternen. Dies ist ein Repository mit Links zu allem, was Sie jemals über Data Engineering lernen möchten
Welche Programmiersprachen werden in #bigdata-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #bigdata-Projekten auf GitHub sind Java, Go, Python, Scala die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #bigdata-Repositories berechnet?
Wir verfolgen 51 aktive Open-Source-Repositories, die mit #bigdata getaggt sind (500+ Sterne), mit insgesamt 261,861 Sternen und durchschnittlich 5,134 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.