#hadoop Repositories
Entdecke 43 aktive Open-Source-GitHub-Repositories, die mit #hadoop getaggt sind und insgesamt 238,277 Sterne gesammelt haben (durchschnittlich 5,541 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist donnemartin/data-science-ipython-notebooks mit 28,776 Sternen.
Insgesamt 43 Repositories
Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
Luigi ist ein Python-Modul, das Ihnen hilft, komplexe Pipelines von Batch-Jobs zu erstellen. Es kümmert sich um Abhängigkeitsauflösung, Workflow-Management, Visualisierung usw. Es kommt auch mit integrierter Hadoop-Unterstützung.
🏆 Echtzeit‑No‑Code, leistungsstarkes und sicheres ORM 🚀 stellt APIs und Docs ohne Backend‑Codierung bereit, und das Frontend (Client) kann die Antwort‑JSONs anpassen 🏆 Echtzeit‑No‑Code, vollständig funktionsfähig, hochsicheres ORM‑Bibliothek 🚀 Backend‑APIs und Dokumentation sind ohne Code, während das Frontend (Client) die zurückgegebenen JSON‑Daten und deren Struktur anpassen kann.
Suite von Tools zum Bereitstellen und Trainieren von Deep-Learning-Modellen mit dem JVM. Zu den Highlights gehören der Modellimport für Keras, TensorFlow und ONNX/PyTorch, eine modulare und winzige C++-Bibliothek zur Ausführung von mathematischem Code und eine Java-basierte Mathematikbibliothek auf der Grundlage der Kern-C++-Bibliothek. Enthält auch SameDiff: Eine PyTorch/TensorFlow-ähnliche Bibliothek zum Ausführen von Deep-Learn...
Offizielles Repository von Trino, dem verteilten SQL-Abfrage-Engine für Big Data, ehemals bekannt als PrestoSQL (https://trino.io)
1200+ DevOps Bash-Skripte - AWS, GCP, Kubernetes, Docker, CI/CD, APIs, SQL, PostgreSQL, MySQL, Hive, Impala, Kafka, Hadoop, Jenkins, GitHub, GitLab, BitBucket, Azure DevOps, TeamCity, Spotify, MP3, LDAP, Code/Build-Linting, Paketverwaltung für Linux, Mac, Python, Perl, Ruby, NodeJS, Golang, Erweiterte Dotfiles: .bashrc, .vimrc, .gitconfig, .screenrc, tmux..
Bei LinkedIn verwenden wir diesen Lehrplan, um unsere Talente für Einsteiger in die Rolle des SRE einzuarbeiten.
H2O ist eine Open-Source-, verteilte, schnelle und skalierbare Machine-Learning-Plattform: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Generalized Linear Modeling (GLM mit Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML) usw.
DataSphereStudio ist ein One-Stop-Portal für die Entwicklung und Verwaltung von Datenanwendungen, das Szenarien wie Datenaustausch, Desensibilisierung/Reinigung, Analyse/Mining, Qualitätsmessung, Visualisierung und Task-Scheduling abdeckt.
Big Data-Lernen, Big Data von Grund auf lernen, enthält Lernvideos und Bewerbungsmaterialien für jede Phase des Big Data-Lernens
Früheres Lernprojekt: Filmempfehlungen mit Spark, Web Scraping, Webanwendung und Backend. Die neue Version wird unter cinematch-recommender weiterentwickelt.
Apache Kyuubi ist ein verteiltes und Multi-Tenant-Gateway, das serverloses SQL auf Data Warehouses und Lakehouses bereitstellt.
:elephant: Elasticsearch Echtzeitsuche und -analyse nativ in Hadoop integriert
Das Big-Data-Wissensrepository umfasst Data-Warehouse-Modellierung, Echtzeitberechnung, Big Data, Daten-Mittelplattform, Systemdesign, Java, Algorithmen usw.
Mehr als 2000+ Fragen zum Vorstellungsgespräch für Dateningenieure.
Aktiv gepflegter Nachfolger von Alibaba DataX – ein schnelles, vielseitiges Open-Source-ETL-Tool für mehr als 30 RDBMS- und NoSQL-Datenquellen.
50+ öffentliche DockerHub-Images für Docker & Kubernetes - DevOps, CI/CD, GitHub Actions, CircleCI, Jenkins, TeamCity, Alpine, CentOS, Debian, Fedora, Ubuntu, Hadoop, Kafka, ZooKeeper, HBase, Cassandra, Solr, SolrCloud, Presto, Apache Drill, Nifi, Spark, Consul, Riak
Skalierbares, zuverlässiges, verteiltes Speichersystem, das für Datenanalysen und Objektspeicher-Workloads optimiert ist.
Taier ist eine Big-Data-Entwicklungsplattform für Übermittlung, Planung, Betrieb und Wartung sowie Anzeige von Indikatorinformationen
450+ AWS, Hadoop, Cloud, Kafka, Docker, Elasticsearch, RabbitMQ, Redis, HBase, Solr, Cassandra, ZooKeeper, HDFS, Yarn, Hive, Presto, Drill, Impala, Consul, Spark, Jenkins, Travis CI, Git, MySQL, Linux, DNS, Whois, SSL-Zertifikate, Yum-Sicherheitsupdates, Kubernetes, Cloudera usw...
Regelmäßige Aktualisierung der Dokumentation gängiger Big-Data-Komponenten im Hadoop-Ökosystem. Schwerpunkte nacheinander: Flink, Solr, Sparksql, ES, Scala, Kafka, Hbase/phoenix, Redis, Kerberos (Projekt enthält Hadoop-Mindmap, Evernote-Notizen, einfaches Scala-Demo, gängige Tool-Klassen, desensibilisierten Trainingscode, kontinuierliche Updates!!!)
80+ DevOps- & Data-CLI-Tools - AWS, GCP, GCF Python Cloud Functions, Log Anonymizer, Spark, Hadoop, HBase, Hive, Impala, Linux, Docker, Spark Data Converter & Validator (Avro/Parquet/JSON/CSV/INI/XML/YAML), Travis CI, AWS CloudFormation, Elasticsearch, Solr usw.
Dieses System ist mein Abschlussprojekt mit dem Titel „Design und Implementierung eines Empfehlungssystems basierend auf Benutzerprofilen“. Es verwendet hauptsächlich Django als Basis-Framework im MTV-Modell, wobei MongoDB, MySQL und Redis als Datenbanken zum Einsatz kommen. Die Filmdaten, die von der Douban-Plattform gesammelt wurden, dienen als primäre Datenquelle. Benutzer-Tags werden hauptsächlich auf der Grundlage grundlegender Benutzerinformationen und Verhaltensinformationen wie Nutzungsvorgänge entwickelt. Als Empfehlungssystem werden Big-Data-Komponenten wie Hadoop und Spark für Analyse und Verarbeitung eingesetzt. Für das Managementsystem wird das integrierte Verwaltungssystem von Django verwendet, das mit SimpleUI verschönert wurde.
WeDataSphere ist eine financial-grade, one-stop Big-Data-Plattform-Suite.
E-Commerce Big Data Echtzeit-Produktempfehlungssystem, Vue + TypeScript + ElementUI + Spring + Spark
Häufig gestellte Fragen
Welches ist das beliebteste #hadoop-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#hadoop-Projekt auf GitHub ist donnemartin/data-science-ipython-notebooks mit 28,776 Sternen. Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
Welche Programmiersprachen werden in #hadoop-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #hadoop-Projekten auf GitHub sind Java, Python, Shell, Scala die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #hadoop-Repositories berechnet?
Wir verfolgen 43 aktive Open-Source-Repositories, die mit #hadoop getaggt sind (500+ Sterne), mit insgesamt 238,277 Sternen und durchschnittlich 5,541 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.