#stream-processing Repositories
Entdecke 97 aktive Open-Source-GitHub-Repositories, die mit #stream-processing getaggt sind und insgesamt 414,395 Sterne gesammelt haben (durchschnittlich 4,272 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist pathwaycom/pathway mit 61,976 Sternen.
Insgesamt 97 Repositories
Python ETL-Framework für Stream-Verarbeitung, Echtzeitanalysen, LLM-Pipelines und RAG.
Plattformübergreifende, anpassbare ML-Lösungen für Live- und Streaming-Medien.
Flink Lernblog. http://www.54tianzhisheng.cn/ Enthält Inhalte zu Flink Einleitung, Konzepte, Prinzipien, Praxis, Performance-Tuning, Quellcode-Analyse usw. Beinhaltet Lernfälle zu Flink Connector, Metrics, Library, DataStream API, Table API & SQL usw., sowie das Teilen großer Projektfälle für Flink-Anwendungen (PVUV, Log-Speicherung, Echtzeit-Entdopplung von Milliarden von Daten, Monitoring-Alarme). Willkommen, alle meine Spalte „Big Data Real-Time Computing Engine Flink Praxis und Performance-Optimierung“ zu unterstützen.
Eine kuratierte Liste von großartigen Big-Data-Frameworks, Ressourcen und anderen großartigen Dingen.
Redpanda ist eine Streaming-Datenplattform für Entwickler. Kafka API-kompatibel. 10x schneller. Kein ZooKeeper. Kein JVM!
Eine kuratierte Liste von großartigen Ressourcen für Systemdesign (auch bekannt als verteilte Systeme).
Event-Streaming-Plattform für agentisches KI. Kontinuierlich Events in Echtzeit in großem Maßstab aufnehmen, transformieren und bereitstellen.
Schneller und leichter Prozessor für Protokolle, Metriken und Traces für Linux, BSD, OSX und Windows
Hazelcast ist eine einheitliche Echtzeit-Datenplattform, die Stream-Verarbeitung mit einem schnellen Datenspeicher kombiniert und Kunden ermöglicht, sofort auf Daten im Fluss zu reagieren, um Echtzeit-Einblicke zu gewinnen.
Die Live-Daten-Schicht für Apps und KI-Agenten. Erstelle blitzschnelle Ausblicke auf dein Geschäft, nur mit SQL.
Nachrichten-Push-Plattform🔥 sendet Benachrichtigungen wie [E-Mail][SMS][WeChat Offizielle Accounts][WeChat Mini Programme][Enterprise WeChat][DingTalk].
Asynchrones Python-Framework für ereignisgesteuerte Dienste. Ein schlanker Client für Kafka, RabbitMQ, NATS, Redis und MQTT mit vollem Zugriff auf native Broker-Funktionen sowie sofort einsatzbereiter AsyncAPI-Dokumentation, In-Memory-Tests und Observability.
🦀 Event-Stream-Verarbeitung für Entwickler, um Daten in Bewegung zu sammeln und zu transformieren, um reaktionsschnelle datenintensive Anwendungen zu ermöglichen.
Danfo.js ist eine Open-Source-JavaScript-Bibliothek, die hochleistungsfähige, intuitive und einfach zu bedienende Datenstrukturen für die Manipulation und Verarbeitung strukturierter Daten bietet.
Unvollständige Redis-Client- und Server-Implementierung mit Tokio - nur zu Lernzwecken
Ein schnelles, einfaches und kostengünstiges Werkzeug zur Replikation von Daten von Postgres in Data Warehouses, Warteschlangen und Speicher
eine kuratierte Liste großartiger Streaming-Frameworks, Anwendungen usw.
Kubernetes-native Plattform zum Ausführen von massiv parallelen Daten-/Streaming-Jobs
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.
jOOλ - Die fehlenden Teile in Java 8 jOOλ verbessert die JDK-Bibliotheken in Bereichen, in denen der Fokus der Expertengruppe anderswo lag. Es fügt Tuple-Unterstützung, Funktionsunterstützung und eine Menge zusätzlicher Funktionalität rund um sequentielle Streams hinzu. Die Hauptanstrengungen des JDK 8 (Standardmethoden, Lambdas und die Stream-API) konzentrierten sich auf die Aufrechterhaltung der Abwärtskompatibilität und die Implementierung einer funktionalen API für Parallelität.
🦭 Verteiltes Log-Streaming-Engine, das nach den ersten Prinzipien entwickelt wurde.
Eine Python-Stream-Verarbeitungs-Engine, die nach dem Vorbild von Yahoo! Pipes modelliert ist
Die minimalistische, aber leistungsstarke, modulare, funktionale reaktive Programmierbibliothek in JavaScript.
Häufig gestellte Fragen
Welches ist das beliebteste #stream-processing-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#stream-processing-Projekt auf GitHub ist pathwaycom/pathway mit 61,976 Sternen. Python ETL-Framework für Stream-Verarbeitung, Echtzeitanalysen, LLM-Pipelines und RAG.
Welche Programmiersprachen werden in #stream-processing-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #stream-processing-Projekten auf GitHub sind Rust, Python, Java, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #stream-processing-Repositories berechnet?
Wir verfolgen 97 aktive Open-Source-Repositories, die mit #stream-processing getaggt sind (500+ Sterne), mit insgesamt 414,395 Sternen und durchschnittlich 4,272 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.