#parquet Repositories
Entdecke 45 aktive Open-Source-GitHub-Repositories, die mit #parquet getaggt sind und insgesamt 105,539 Sterne gesammelt haben (durchschnittlich 2,345 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist questdb/questdb mit 17,543 Sternen.
Insgesamt 45 Repositories
Apache Arrow ist das universelle Spaltenformat und die mehrsprachige Toolbox für schnellen Datenaustausch und In-Memory-Analytics
Hochleistungs-Daten-Engine für KI und multimodale Workloads. Verarbeiten Sie Bilder, Audio, Video und strukturierte Daten in beliebigem Umfang.
Drop-in-Ersatz für Apache Spark, geschrieben in Rust, der Batch-Verarbeitung, Stream-Verarbeitung und rechenintensive KI-Workloads vereint.
Erstellen Sie vollwertige APIs für sich langsam ändernde Datensätze, ohne eine einzige Zeile Code zu schreiben.
Parseable ist eine Open-Source-Plattform für einheitliche Infrastruktur-Observability, die in Rust auf einer Data-Lake-Architektur basiert. Sie verfolgt Logs, Metriken, Traces und Ereignisse über Anwendungen, Agenten und Systeme hinweg und senkt die Speicherkosten durch spaltenbasierte Telemetrie-Komprimierung um bis zu 90 %.
Archivieren Sie ein Leben voller E-Mails und Chats. Offline-Suche, Analysen und KI-Abfragen über Ihren gesamten Nachrichtenverlauf. Angetrieben von SQLite und DuckDB.
OLake Go: Open-Source-Replikation aus Datenbanken, Kafka und S3 nach Apache Iceberg und Parquet. Quellen: Postgres, MySQL, MongoDB, Oracle, MSSQL, DB2, Kafka, S3. Früher datazip-inc/olake. Die Tabellenwartung befindet sich in datazip-inc/olake-fusion.
Apache Kafka®-kompatibler Broker mit S3, PostgreSQL, SQLite, Apache Iceberg und Delta Lake
Die Petastorm-Bibliothek ermöglicht das Training und die Evaluierung von Deep-Learning-Modellen auf einzelnen Rechnern oder verteilt aus Datensätzen im Apache Parquet-Format. Sie unterstützt ML-Frameworks wie Tensorflow, Pytorch und PySpark und kann aus reinem Python-Code verwendet werden.
Eine SQL-Schnittstelle für über 60 Tools (z. B. GitHub, Notion, Airtable). Verbinden Sie sich über MCP mit jedem beliebigen LLM.
Cryo ist der einfachste Weg, Blockchain-Daten nach Parquet, CSV, JSON oder Python-DataFrames zu extrahieren
Quilt ist eine wissenschaftliche Datenmanagement-Plattform auf AWS, die Teams und KI dabei unterstützt, Daten zu finden, zu vertrauen und wiederzuverwenden – durch tief versionierte, kontextreiche Datenpakete.
Einfache Windows-Desktop-Anwendung zum Anzeigen und Abfragen von Apache-Parquet-Dateien
Open-Source-Datenplattform für den lokalen Einsatz am chinesischen Aktienmarkt (A-Aktien): Aktienkurse aus Shanghai und Shenzhen sowie A-Aktien- und Finanzdaten für quantitative Forschung, Handel und Backtesting. Enthält Finanz- und Futures-Daten, Kapitalflüsse, Bekanntmachungen, Indizes, Branchen- und Makrodaten. 86 täglich aktualisierte Datensätze, inklusive angepasster Kurse und historischer Index- und Branchenzusammensetzungen, Datenherkunft auf Zeilenebene, PIT und nativer MCP-Unterstützung. Keine Registrierung und kein Token erforderlich; selbst gehostet. Open-Source-Datenplattform zum chinesischen Aktienmarkt für quantitative Forschung, Backtesting und KI-Agenten.
ADAM ist eine Genomanalyseplattform mit spezialisierten Dateiformaten, die mit Apache Avro, Apache Spark und Apache Parquet erstellt wurden. Apache 2 lizenziert.
ETL-Framework für .NET (Parser / Writer für CSV-, Flat-, Xml-, JSON-, Key-Value-, Parquet-, Yaml-, Avro-formatierte Dateien)
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.
Offene, SQL-native Zeitreihendatenbank für Telemetriedaten, die Sie langfristig speichern möchten. Erfasst über 38 Millionen Datensätze pro Sekunde und verarbeitet Abfragen mit über 25 Millionen Zeilen pro Sekunde. Kompatibel mit InfluxDB Line Protocol und Telegraf. Offenes Parquet auf Ihrem Speicher. Eine einzelne Binärdatei. Native Unterstützung für S3/Azure. Für isolierte Netzwerke geeignet. AGPL-3.0.
Kopieren von/zu Parquet in S3, Azure Blob Storage, Google Cloud Storage, http(s)-Speichern, lokalen Dateien oder Standard-Eingabe/Ausgabe-Streams aus PostgreSQL heraus
Graph Data Science: eine Abstraktionsschicht in Python zum Erstellen von Wissensgraphen, integriert mit beliebten Graphbibliotheken – über Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow usw.
Rust-basierte WebAssembly-Bindungen zum Lesen und Schreiben von Apache Parquet-Daten
Die vollständig quelloffene DuckDB-Workbench, die in Ihrem Browser läuft. SQL-Editor, Notebooks, Diagramme, KI-Assistent. Keine Installation, keine Anmeldung, kein Backend — Ihre Daten verlassen niemals den Tab.
Browserbasierte Datenanalyse und BI mit DuckDB-WASM. Datenschutz an erster Stelle: Ihre Daten bleiben lokal; kein Server erforderlich.
Monte-Carlo-Simulation der NBA-Saison unter Verwendung von dbt, duckdb und evidence.dev
Vereinheitlichte MySQL-, Postgres- & FlightSQL-Server, angetrieben von DuckDB.
select * from logs; Tailpipe ist ein Open-Source-SIEM für sofortige Log-Einblicke, angetrieben von DuckDB. Analysieren Sie Millionen von Ereignissen in Sekundenschnelle direkt von Ihrem Terminal aus.
Ein schneller Betrachter für CSV/Parquet-Dateien und Datenbanken wie DuckDB, SQLite, PostgreSQL, MySQL, Clickhouse usw., basierend auf Tauri.
Data Preview 🈸 Erweiterung zum Importieren 📤 Anzeigen 🔎 Schneiden 🔪 Würfeln 🎲 Erstellen von Diagrammen 📊 & Exportieren 📥 großer JSON-Array/Konfiguration, YAML, Apache Arrow, Avro, Parquet & Excel-Datendateien
Eine experimentelle eingebettete SQL-Engine in C++20. Fragen Sie Parquet-, CSV-, JSON-, Arrow-, Avro-, SQLite- und Excel-Dateien direkt mit SQL im Prozess ab. Frühes Entwicklungsstadium.
reth-indexer liest direkt aus der reth-Datenbank und indiziert die Daten in traditionelle und alternative Datenbanken / Datenspeicher (postgres, GCP bigquery usw.), die alle mit einer einfachen Konfigurationsdatei und ohne zusätzliche Einrichtung dekodiert werden, und stellt außerdem eine API zur Verfügung, die bereit ist, die Daten abzufragen.
Häufig gestellte Fragen
Welches ist das beliebteste #parquet-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#parquet-Projekt auf GitHub ist questdb/questdb mit 17,543 Sternen. QuestDB ist eine hochleistungsfähige, quelloffene Zeitreihendatenbank
Welche Programmiersprachen werden in #parquet-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #parquet-Projekten auf GitHub sind Rust, Go, Python, C++ die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #parquet-Repositories berechnet?
Wir verfolgen 45 aktive Open-Source-Repositories, die mit #parquet getaggt sind (500+ Sterne), mit insgesamt 105,539 Sternen und durchschnittlich 2,345 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.