#pipeline Repositories
Entdecke 82 aktive Open-Source-GitHub-Repositories, die mit #pipeline getaggt sind und insgesamt 355,781 Sterne gesammelt haben (durchschnittlich 4,338 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist kestra-io/kestra mit 30,303 Sternen.
Insgesamt 82 Repositories
Orchestrieren Sie alles, überall. Die Open-Source-Steuerungsebene für Workflows rund um Daten, Infrastruktur, Geschäftsprozesse und KI-Agenten. Deklaratives YAML, ereignisgesteuert, für jede Sprache geeignet, mit Git versioniert und auf Millionen von Ausführungen skalierbar.
Prefect ist ein Workflow-Orchestrierungs-Framework zum Erstellen robuster Datenpipelines in Python.
Ein reaktives Notebook für Python — Führe reproduzierbare Experimente durch, frage mit SQL ab, führe es als Skript aus, stelle es als App bereit und versioniere es mit Git. Gespeichert als reines Python. Alles in einem modernen, KI-nativen Editor.
Open-Source-Datenbewegung für ELT-Pipelines und KI-Agenten — von APIs, Datenbanken und Dateien zu Data Warehouses, Data Lakes und KI-Anwendungen. Sowohl self-hosted als auch Cloud.
Verwandelt Daten und KI-Algorithmen im Handumdrehen in produktionsreife Webanwendungen.
PRQL ist eine moderne Sprache für die Datentransformation – ein einfacher, leistungsstarker SQL-Ersatz mit Pipelines.
httpx ist ein schnelles und vielseitiges HTTP-Toolkit, das die Ausführung mehrerer Suchen mit der retryablehttp-Bibliothek ermöglicht.
Installieren Sie Jenkins, konfigurieren Sie Docker als Slave, richten Sie CI/CD ein und stellen Sie Anwendungen auf k8s mithilfe von Argo CD im GitOps-Stil bereit.
🧙 Erstellen, ausführen und verwalten Sie Datenpipelines für die Datenintegration und -transformation.
Die umfassendste Roadmap für die Spieleentwicklung (Game Development Map). Hilft Spieleentwicklern, Zeit bei bekannten Problemen zu sparen und sich mehr auf kreativere Aufgaben zu konzentrieren.
cube studio Open-Source Cloud-Native One-Stop Machine Learning/Deep Learning/Large Model AI Platform, MLOps Algorithmus-Link Ganzprozess, Rechenleistung-Leihplattform, Notebook Online-Entwicklung, Drag-and-Drop-Aufgabenfluss-Pipeline-Orchestrierung, Multi-Machine-Multi-GPU-verteiltes Training, Hyperparameter-Suche, Inferenzdienst VGPU-Virtualisierung, Edge Computing, Annotationsplattform-Automatisierte-Annotation, Large Model SFT Fine-Tuning/Reward Model/Reinforcement Learning Training von Deepseek usw., Multi-Machine-Inferenz von Large Models wie vLLM/Ollama/MindSpore, Private Knowledge Base, AI Model Marketplace, Unterstützung für heimische CPU/GPU/NPU Ascend-Ökosystem, Unterstützung für RDMA, Unterstützung für verteilte Frameworks wie PyTorch/TF/MXNet/DeepSpeed/Paddle/ColossalAI/Horovod/Ray/Volcano
Jenkins X bietet automatisierte CI+CD für Kubernetes mit Preview-Umgebungen bei Pull Requests unter Verwendung von Cloud Native-Pipelines von Tekton
Eine Richtlinie zum Aufbau praktischer Deep-Learning-Systeme auf Produktionsniveau für den Einsatz in realen Anwendungen.
Towhee ist ein Framework, das sich der einfachen und schnellen Verarbeitung von neuronalen Datenpipelines widmet.
Blender-Add-ons, die den Game-Development-Workflow zwischen Blender und Unreal verbessern.
QuantMind ist ein Open-Source-Framework zur agentennativen Wissensextraktion und -abfrage für die quantitative Finanzwirtschaft.
SaaS Boilerplate – Open Source und kostenloser SaaS-Stack, mit dem Sie schneller SaaS-Produkte in React, Django und AWS erstellen können. Konzentrieren Sie sich auf wesentliche Geschäftslogik statt auf das Kodieren wiederholbarer Funktionen!
Kubernetes-native Plattform zum Ausführen von massiv parallelen Daten-/Streaming-Jobs
CubeStudio ist eine Open-Source-Cloud-native All-in-One-Plattform für maschinelles Lernen/Deep Learning/Großmodell-KI/MaaS/MLOps/KI-Plattform/Trainings- und Inferenzplattform, die den gesamten Algorithmus-Pipeline, Multi-Tenancy, Rechenleistungsvermietungsplattform, Token-Relay, Drag-and-Drop-Aufgabenfluss-Pipeline-Orchestrierung, Multi-Maschine-Multi-Karte verteiltes Training, Hyperparametersuche, Inferenzdienste, VGPU-Virtualisierung, Cloud-Edge-Gerät-Kooperation, Edge Computing, automatisierte Annotationsplattform, SFT-Feintuning/Belohnungsmodell/Verstärkungslernen-Training für große Modelle wie DeepSeek, Multi-Maschine-Inferenz für große Modelle mit vLLM/Ollama/MindIE, private Wissensdatenbank-LLMOps-Agenten, KI-Modellmarkt, Unterstützung für nationale heterogene Rechenleistungsplanung (Ascend, Cambricon, Hygon, Moore Threads, Muxi usw.), Unterstützung für IB/RoCE/RDMA und Xinchuang-Unterstützung umfasst.
HuixiangDou: Bewältigung von Gruppenchat-Szenarien mit LLM-basierter technischer Unterstützung
Python-Bibliothek zur Erstellung von Datenpipelines mit funktionaler Kettenprogrammierung
Instill Core ist ein Full-Stack-KI-Infrastrukturwerkzeug für Daten-, Modell- und Pipeline-Orchestrierung, das entwickelt wurde, um jeden Aspekt der Erstellung vielseitiger KI-first-Anwendungen zu optimieren.
Ein gängiger C++ & Python DAG-Framework. Ein plattformübergreifendes, paralleles Berechnungsframework auf Basis von Datenflusssystemen, das in awesome-cpp aufgeführt ist und keine Abhängigkeiten von Drittanbietern hat. Willkommen bei Sternen & Gabeln & Austausch
Die schnellste einheitliche Streaming-SQL-Engine in einer einzigen C++-Binärdatei. ⚡ Millisekunden-Latenz. Über 100 GB/s Durchsatz. Berechnet kontinuierlich zustandsbehafteten Kontext aus Streams, Logs, Metriken, Ereignissen und CDC.
RNA-Sequenzierungs-Analyse-Pipeline mit STAR, RSEM, HISAT2 oder Salmon mit Gen-/Isoform-Zählungen und umfassender Qualitätskontrolle.
Ein auf R fokussiertes Pipeline-Toolkit für Reproduzierbarkeit und High-Performance-Computing
Hochperformante, modulare, speichersichere und produktionsreife Inferenz, Aufnahme und Indizierung in Rust 🦀
Eine Micro-Library aus Stream-Komponenten zum Aufbau benutzerdefinierter JSON- und JSONC-Verarbeitungspipelines mit minimalem Speicherbedarf – analysieren, filtern und transformieren Sie JSON, das weit größer als der verfügbare Arbeitsspeicher ist, mit einer SAX-inspirierten Token-API auf Node.js oder Web Streams.
Ein plattformübergreifendes Kommandozeilen-Tool zur parallelen Ausführung von Jobs
Häufig gestellte Fragen
Welches ist das beliebteste #pipeline-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#pipeline-Projekt auf GitHub ist kestra-io/kestra mit 30,303 Sternen. Orchestrieren Sie alles, überall. Die Open-Source-Steuerungsebene für Workflows rund um Daten, Infrastruktur, Geschäftsprozesse und KI-Agenten. Deklaratives YAML, ereignisgesteuert, für jede Sprache geeignet, mit Git versioniert und auf Millionen von Ausführungen skalierbar.
Welche Programmiersprachen werden in #pipeline-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #pipeline-Projekten auf GitHub sind Python, Go, TypeScript, Rust die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #pipeline-Repositories berechnet?
Wir verfolgen 82 aktive Open-Source-Repositories, die mit #pipeline getaggt sind (500+ Sterne), mit insgesamt 355,781 Sternen und durchschnittlich 4,338 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.