Git Stars Git Stars

#apache-spark Repositorios

Descubre 44 repositorios activos de código abierto de GitHub etiquetados con #apache-spark, que acumulan 97,788 estrellas en total (una media de 2,222 estrellas por proyecto). El líder de este tema es mlflow/mlflow, con 28,920 estrellas.

44
Total de Repositorios
97,788
Total de estrellas
2,222
Promedio de Estrellas/Repo

44 repositorios en total

1
mlflow/mlflow

La plataforma de ingeniería de IA de código abierto para agentes, LLMs y modelos de ML. MLflow permite a equipos de todos los tamaños depurar, evaluar, monitorear y optimizar aplicaciones de IA de calidad de producción mientras controlan costos y gestionan el acceso a modelos y datos.

mlflow
⭐ 28,920 Python 👤 mlflow Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-06-05
2
treeverse/lakeFS

lakeFS - Control de versiones de datos para su lago de datos | Git para datos

treeverse
⭐ 5,590 Go 👤 treeverse Organization 🕐 Actualizado 2026-11-19 📅 Creado 2019-09-12
3
JerryLead/SparkInternals

Notas sobre el diseño e implementación de Apache Spark

JerryLead
⭐ 5,353 👤 JerryLead User 🕐 Actualizado 2024-04-02 📅 Creado 2014-08-08
4
microsoft/SynapseML

Biblioteca de Python de aprendizaje automático simple y distribuido que transfiere algoritmos de ML a Spark

microsoft
⭐ 5,257 Scala 👤 microsoft Organization 🕐 Actualizado 2026-11-18 📅 Creado 2017-06-05
5
databricks/learning-spark

Código de ejemplo del libro Learning Spark

databricks
⭐ 3,895 Java 👤 databricks Organization 🕐 Actualizado 2026-06-30 📅 Creado 2014-06-16
6
lakehq/sail

Sustituto drop-in de Apache Spark escrito en Rust, que unifica el procesamiento por lotes, el procesamiento en streaming y las cargas de trabajo de IA intensivas en cómputo.

lakehq
⭐ 3,504 Rust 👤 lakehq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-12-21
7
kubeflow/spark-operator

Operador de Kubernetes para gestionar el ciclo de vida de aplicaciones de Apache Spark en Kubernetes.

kubeflow
⭐ 3,162 Python 👤 kubeflow Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-01-03
8
intel/BigDL

BigDL: TensorFlow, Keras y PyTorch distribuidos en Apache Spark/Flink & Ray

intel
⭐ 2,699 Jupyter Notebook 👤 intel Organization 🕐 Actualizado 2026-06-12 📅 Creado 2017-05-05
9
dotnet/spark

.NET for Apache® Spark™ hace que Apache Spark™ sea fácilmente accesible para los desarrolladores de .NET.

dotnet
⭐ 2,096 C# 👤 dotnet Organization 🕐 Actualizado 2026-11-05 📅 Creado 2019-04-22
10
big-data-europe/docker-spark

Imagen Docker de Apache Spark

big-data-europe
⭐ 2,045 Shell 👤 big-data-europe Organization 🕐 Actualizado 2026-04-20 📅 Creado 2015-10-08
11
feathr-ai/feathr

Feathr – Una plataforma de ingeniería de datos e IA escalable y unificada para empresas

feathr-ai
⭐ 1,916 Scala 👤 feathr-ai Organization 🕐 Actualizado 2024-04-04 📅 Creado 2022-02-18
12
awesome-spark/awesome-spark

Una lista curada de increíbles paquetes y recursos de Apache Spark.

awesome-spark
⭐ 1,903 Shell 👤 awesome-spark Organization 🕐 Actualizado 2026-02-27 📅 Creado 2016-02-01
13
holdenk/spark-testing-base

Clases base para usar al escribir pruebas con Spark

holdenk
⭐ 1,555 Scala 👤 holdenk User 🕐 Actualizado 2026-10-31 📅 Creado 2015-01-30
14
japila-books/apache-spark-internals

Los internos de Apache Spark

japila-books
⭐ 1,553 👤 japila-books Organization 🕐 Actualizado 2026-10-10 📅 Creado 2015-08-31
15
aws-samples/aws-glue-samples

Ejemplos de código de AWS Glue

aws-samples
⭐ 1,538 Python 👤 aws-samples Organization 🕐 Actualizado 2026-11-16 📅 Creado 2017-05-21
16
sryza/aas

Código que acompaña a Advanced Analytics with Spark de O'Reilly Media

sryza
⭐ 1,531 Scala 👤 sryza User 🕐 Actualizado 2024-09-25 📅 Creado 2014-11-08
17
locationtech/geomesa

GeoMesa es un conjunto de herramientas para trabajar con grandes datos geoespaciales de forma distribuida.

locationtech
⭐ 1,499 Scala 👤 locationtech Organization 🕐 Actualizado 2026-11-20 📅 Creado 2013-09-30
19
databricks/LearningSparkV2

Este es el repositorio de GitHub para Learning Spark: Lightning-Fast Data Analytics [2nd Edition]

databricks
⭐ 1,396 Scala 👤 databricks Organization 🕐 Actualizado 2025-01-28 📅 Creado 2019-02-10
20
spark-examples/pyspark-examples

Ejemplos de PySpark RDD, DataFrame y Dataset en lenguaje Python

spark-examples
⭐ 1,371 Python 👤 spark-examples Organization 🕐 Actualizado 2025-12-07 📅 Creado 2019-11-26
21
graphframes/graphframes

GraphFrames es un paquete para Apache Spark que proporciona grafos basados en DataFrame.

graphframes
⭐ 1,213 Scala 👤 graphframes Organization 🕐 Actualizado 2026-11-12 📅 Creado 2016-01-20
22
youngwookim/awesome-hadoop

Una lista curada de recursos increíblemente geniales de Hadoop y del ecosistema Hadoop

youngwookim
⭐ 1,113 👤 youngwookim User 🕐 Actualizado 2024-05-07 📅 Creado 2014-07-08
23
JohnSnowLabs/spark-nlp-workshop

Ejemplos públicos ejecutables de uso de NLP de John Snow Labs para Apache Spark.

JohnSnowLabs
⭐ 1,089 Jupyter Notebook 👤 JohnSnowLabs Organization 🕐 Actualizado 2026-11-17 📅 Creado 2018-08-20
24
mahmoudparsian/data-algorithms-book

Libro de algoritmos de datos: MapReduce, Spark, Java y Scala

mahmoudparsian
⭐ 1,083 Java 👤 mahmoudparsian User 🕐 Actualizado 2024-10-14 📅 Creado 2014-08-06
26
sparklyr/sparklyr

Interfaz de R para Apache Spark

sparklyr
⭐ 970 R 👤 sparklyr Organization 🕐 Actualizado 2026-11-09 📅 Creado 2016-05-20
27
dbpedia/extraction-framework

El software utilizado para extraer datos estructurados de Wikipedia

dbpedia
⭐ 950 Scala 👤 dbpedia Organization 🕐 Actualizado 2026-11-13 📅 Creado 2013-02-07
28
microsoft/Mobius

Enlaces de lenguaje y extensiones para C# y F# en Apache Spark

microsoft
⭐ 948 C# 👤 microsoft Organization 🕐 Actualizado 2025-12-11 📅 Creado 2015-10-27
29
aloneguid/parquet-dotnet

Implementación de Apache Parquet totalmente gestionada

aloneguid
⭐ 912 C# 👤 aloneguid User 🕐 Actualizado 2026-10-26 📅 Creado 2019-12-12
30
pyspark-ai/pyspark-ai

SDK en inglés para Apache Spark

pyspark-ai
⭐ 879 Python 👤 pyspark-ai Organization 🕐 Actualizado 2026-10-27 📅 Creado 2023-04-27
31
LucaCanali/sparkMeasure

Este repositorio contiene el código de desarrollo de sparkMeasure, una biblioteca de análisis de rendimiento y resolución de problemas de Apache Spark. Simplifica la recopilación, agregación y exportación de métricas de tareas/etapas de Spark, y está diseñado para un uso práctico por parte de desarrolladores e ingenieros de datos en flujos de trabajo de análisis interactivo, pruebas y monitoreo de producción.

LucaCanali
⭐ 831 Scala 👤 LucaCanali User 🕐 Actualizado 2026-10-16 📅 Creado 2017-03-16
32
awslabs/python-deequ

API de Python para Deequ

awslabs
⭐ 826 Jupyter Notebook 👤 awslabs Organization 🕐 Actualizado 2026-10-24 📅 Creado 2020-11-09
33
databricks/tensorframes

[DEPRECADO] Envoltorio de Tensorflow para DataFrames en Apache Spark

databricks
⭐ 745 Scala 👤 databricks Organization 🕐 Actualizado 2024-07-30 📅 Creado 2016-03-04
34
databricks/devrel

Este repositorio contiene los cuadernos y presentaciones que utilizamos para nuestras charlas técnicas de Databricks "

databricks
⭐ 734 HTML 👤 databricks Organization 🕐 Actualizado 2025-01-06 📅 Creado 2020-04-03
35
muaimingjun/bigData

Biblioteca de proyectos de competición de big data

muaimingjun
⭐ 734 Python 👤 muaimingjun User 🕐 Actualizado 2025-05-07 📅 Creado 2019-10-14
36
awslabs/aws-glue-libs

Las bibliotecas de AWS Glue son adiciones y mejoras a Spark para operaciones ETL.

awslabs
⭐ 701 Python 👤 awslabs Organization 🕐 Actualizado 2026-10-30 📅 Creado 2017-08-11
37
mrpowers-io/quinn

Métodos de PySpark para mejorar la productividad del desarrollador 📣 👯 🎉

mrpowers-io
⭐ 691 Python 👤 mrpowers-io Organization 🕐 Actualizado 2026-10-25 📅 Creado 2017-09-15
38
databricks/reference-apps

Aplicaciones de referencia de Spark

databricks
⭐ 652 Scala 👤 databricks Organization 🕐 Actualizado 2024-10-03 📅 Creado 2014-08-19
39
nchammas/flintrock

Una herramienta de línea de comandos para lanzar clústeres de Apache Spark.

nchammas
⭐ 651 Python 👤 nchammas User 🕐 Actualizado 2024-12-13 📅 Creado 2015-06-04
40
infoslack/awesome-kafka

Una lista sobre Apache Kafka

infoslack
⭐ 595 👤 infoslack User 🕐 Actualizado 2026-05-05 📅 Creado 2016-04-29
41
openscoring/openscoring

Servicio web REST para la puntuación en tiempo real verdadera (<1 ms) de modelos de Scikit-Learn, R y Apache Spark

openscoring
⭐ 587 Java 👤 openscoring Organization 🕐 Actualizado 2026-02-02 📅 Creado 2013-04-02
42
spark-examples/spark-scala-examples

Este proyecto proporciona ejemplos de Apache Spark SQL, RDD, DataFrame y Dataset en lenguaje Scala.

spark-examples
⭐ 567 Scala 👤 spark-examples Organization 🕐 Actualizado 2024-03-20 📅 Creado 2019-11-26
43
cas-bigdatalab/piflow

πflow es un motor de flujo de big data con soporte para Spark

cas-bigdatalab
⭐ 541 Python 👤 cas-bigdatalab Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-05-03
44
LearningJournal/Spark-Programming-In-Python

Apache Spark 3 - Programación con Spark en Python para principiantes

LearningJournal
⭐ 510 Python 👤 LearningJournal User 🕐 Actualizado 2024-07-25 📅 Creado 2020-05-31

Preguntas frecuentes

1

¿Cuál es el repositorio de #apache-spark más popular en GitHub?

El proyecto de código abierto de #apache-spark mejor posicionado en GitHub es mlflow/mlflow, con 28,920 estrellas. La plataforma de ingeniería de IA de código abierto para agentes, LLMs y modelos de ML. MLflow permite a equipos de todos los tamaños depurar, evaluar, monitorear y optimizar aplicaciones de IA de calidad de producción mientras controlan costos y gestionan el acceso a modelos y datos.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #apache-spark?

Entre los proyectos de #apache-spark mejor posicionados en GitHub, los lenguajes de programación más comunes son Scala, Python, Java, Jupyter Notebook.

3

¿Cómo se calcula la clasificación de los repositorios de #apache-spark?

Seguimos 44 repositorios activos de código abierto etiquetados con #apache-spark (500+ estrellas), que suman un total de 97,788 estrellas, con una media de 2,222 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.