Git Stars Git Stars

#big-data Repositorios

Descubre 133 repositorios activos de código abierto de GitHub etiquetados con #big-data, que acumulan 683,600 estrellas en total (una media de 5,139 estrellas por proyecto). El líder de este tema es binhnguyennus/awesome-scalability, con 75,924 estrellas.

133
Total de Repositorios
683,600
Total de estrellas
5,139
Promedio de Estrellas/Repo

133 repositorios en total

1
binhnguyennus/awesome-scalability

Los Patrones de Sistemas a Gran Escala Escalable, Confiable y de Alto Rendimiento

binhnguyennus
⭐ 75,924 👤 binhnguyennus User 🕐 Actualizado 2026-01-04 📅 Creado 2017-12-27
2
ClickHouse/ClickHouse

ClickHouse® es un sistema de gestión de bases de datos analíticas en tiempo real

ClickHouse
⭐ 51,051 C++ 👤 ClickHouse Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-06-02
3
apache/spark

Apache Spark – Un motor de análisis unificado para el procesamiento de datos a gran escala

apache
⭐ 44,593 Scala 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2014-02-25
4
donnemartin/data-science-ipython-notebooks

Notebooks de Python para ciencia de datos: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fundamentos de Python, AWS y varias líneas de comandos.

donnemartin
⭐ 28,776 Python 👤 donnemartin User 🕐 Actualizado 2024-03-20 📅 Creado 2015-01-23
5
apache/flink

Apache Flink

apache
⭐ 26,487 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2014-06-07
6
thingsboard/thingsboard

Plataforma IoT todo en uno: gestión de dispositivos, recopilación, procesamiento y visualización de datos.

thingsboard
⭐ 22,701 Java 👤 thingsboard Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-12-01
7
amark/gun

Un protocolo de ciberseguridad de código abierto para sincronizar datos gráficos descentralizados.

amark
⭐ 19,166 JavaScript 👤 amark User 🕐 Actualizado 2026-11-20 📅 Creado 2014-07-31
8
heibaiying/BigData-Notes

Guía de introducción a Big Data :star:

heibaiying
⭐ 16,818 Java 👤 heibaiying User 🕐 Actualizado 2024-01-05 📅 Creado 2019-03-10
9
prestodb/presto

El sitio oficial de Presto, el motor de consultas SQL distribuido para big data

prestodb
⭐ 16,777 Java 👤 prestodb Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-08-09
10
andkret/Cookbook

El Libro de Recetas de Ingeniería de Datos

andkret
⭐ 15,594 Python 👤 andkret User 🕐 Actualizado 2026-10-16 📅 Creado 2019-03-10
11
trinodb/trino

Repositorio oficial de Trino, el motor de consulta SQL distribuido para big data, anteriormente conocido como PrestoSQL (https://trino.io)

trinodb
⭐ 13,532 Java 👤 trinodb Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-01-19
12
vesoft-inc/nebula

Una base de datos de grafos distribuida, rápida y de código abierto con escalabilidad horizontal y alta disponibilidad

vesoft-inc
⭐ 12,474 C++ 👤 vesoft-inc Organization 🕐 Actualizado 2026-09-08 📅 Creado 2018-08-28
13
StarRocks/starrocks

El motor de consulta abierto más rápido del mundo para análisis en menos de un segundo, tanto dentro como fuera del data lakehouse. Con la flexibilidad de admitir casi cualquier escenario, StarRocks ofrece un rendimiento de primer nivel para análisis multidimensionales, análisis en tiempo real y consultas ad hoc. Un proyecto de la Linux Foundation.

StarRocks
⭐ 12,278 Java 👤 StarRocks Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-09-04
14
quickwit-oss/quickwit

Motor de búsqueda OSS nativo de la nube para observabilidad

quickwit-oss
⭐ 11,810 Rust 👤 quickwit-oss Organization 🕐 Actualizado 2026-11-20 📅 Creado 2021-04-13
15
provectus/kafka-ui

Interfaz web de código abierto para la gestión de Apache Kafka

provectus
⭐ 11,754 Java 👤 provectus Organization 🕐 Actualizado 2024-07-26 📅 Creado 2019-11-26
16
cython/cython

El compilador de Python a C más utilizado

cython
⭐ 10,898 Cython 👤 cython Organization 🕐 Actualizado 2026-11-19 📅 Creado 2010-11-21
17
apache/datafusion

Motor de consultas SQL Apache DataFusion

apache
⭐ 9,631 Rust 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-04-17
18
catboost/catboost

Una biblioteca de Gradient Boosting en Árboles de Decisión rápida, escalable y de alto rendimiento, utilizada para ranking, clasificación, regresión y otras tareas de aprendizaje automático para Python, R, Java, C++. Soporta cómputo en CPU y GPU.

catboost
⭐ 9,210 C++ 👤 catboost Organization 🕐 Actualizado 2026-11-20 📅 Creado 2017-07-18
19
delta-io/delta

Un marco de almacenamiento de código abierto que permite construir una arquitectura Lakehouse con motores de cómputo que incluyen Spark, PrestoDB, Flink, Trino y Hive, y APIs

delta-io
⭐ 9,083 Scala 👤 delta-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-04-22
20
apache/beam

Apache Beam es un modelo de programación unificado para el procesamiento de datos en lotes y en streaming.

apache
⭐ 8,723 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-02-02
21
arkime/arkime

Arkime es un sistema de código abierto, a gran escala, de captura completa de paquetes, indexación y base de datos.

arkime
⭐ 7,583 C 👤 arkime Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-07-06
22
h2oai/h2o-3

H2O es una Plataforma de Machine Learning de Código Abierto, Distribuida, Rápida y Escalable: Deep Learning, Gradient Boosting (GBM) y XGBoost, Random Forest, Generalized Linear Modeling (GLM con Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.

h2oai
⭐ 7,527 Jupyter Notebook 👤 h2oai Organization 🕐 Actualizado 2026-11-11 📅 Creado 2014-03-03
23
feast-dev/feast

El almacén de características de código abierto para IA/ML

feast-dev
⭐ 7,362 Python 👤 feast-dev Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-12-10
24
vespa-engine/vespa

La plataforma de búsqueda por IA

vespa-engine
⭐ 7,190 Java 👤 vespa-engine Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-06-03
25
apache/couchdb

Base de datos de sincronización multi-primaria sin interrupciones con una API HTTP/JSON intuitiva, diseñada para la fiabilidad

apache
⭐ 7,013 Erlang 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2009-05-21
26
apache/zeppelin

Cuaderno basado en web que permite análisis de datos interactivos impulsados por datos y documentos colaborativos con SQL, Scala y más.

apache
⭐ 6,670 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2015-03-25
27
hazelcast/hazelcast

Hazelcast es una plataforma unificada de datos en tiempo real que combina el procesamiento de flujos con un almacén de datos rápido, permitiendo a los clientes actuar instantáneamente sobre los datos en movimiento para obtener insights en tiempo real.

hazelcast
⭐ 6,636 Java 👤 hazelcast Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-03-21
28
apache/iotdb

Apache IoTDB

apache
⭐ 6,437 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-11-24
29
pachyderm/pachyderm

Canalizaciones centradas en datos y control de versiones de datos

pachyderm
⭐ 6,295 Go 👤 pachyderm Organization 🕐 Actualizado 2025-02-03 📅 Creado 2014-09-04
30
vcaesar/riot

Motor de búsqueda de texto/vectores en Go, de código abierto, distribuido, sencillo y rápido y eficiente

vcaesar
⭐ 6,068 Go 👤 vcaesar User 🕐 Actualizado 2026-11-20 📅 Creado 2017-06-21
31
apache/hive

Apache Hive

apache
⭐ 6,038 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2009-05-21
32
Eventual-Inc/Daft

Motor de datos de alto rendimiento para cargas de trabajo de IA y multimodales. Procese imágenes, audio, video y datos estructurados a cualquier escala.

Eventual-Inc
⭐ 5,858 Rust 👤 Eventual-Inc Organization 🕐 Actualizado 2026-11-09 📅 Creado 2022-04-25
33
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
34
apache/calcite

Apache Calcite

apache
⭐ 5,216 Java 👤 apache Organization 🕐 Actualizado 2026-11-19 📅 Creado 2014-06-25
35
apache/ignite

Apache Ignite

apache
⭐ 5,090 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2015-02-19
36
tschellenbach/Stream-Framework

Stream Framework es una biblioteca de Python que le permite crear muros de noticias, flujos de actividad y sistemas de notificación utilizando Cassandra y/o Redis. Los autores de Stream-Framework también ofrecen un servicio en la nube para la tecnología de feeds:

tschellenbach
⭐ 4,739 Python 👤 tschellenbach User 🕐 Actualizado 2025-12-04 📅 Creado 2012-08-08
37
tangbc/vue-virtual-scroll-list

⚡️ Un componente Vue que soporta listas de grandes cantidades de datos con alto rendimiento de renderizado y eficiencia.

tangbc
⭐ 4,544 JavaScript 👤 tangbc User 🕐 Actualizado 2024-05-08 📅 Creado 2017-03-17
38
rom1504/img2dataset

Convierta fácilmente grandes conjuntos de URL de imágenes en un conjunto de datos de imágenes. Puede descargar, cambiar el tamaño y empaquetar 100 millones de URL en 20 horas en una sola máquina.

rom1504
⭐ 4,458 Python 👤 rom1504 User 🕐 Actualizado 2025-10-19 📅 Creado 2021-08-11
39
crate/crate

CrateDB es una base de datos SQL distribuida y escalable para almacenar y analizar grandes cantidades de datos en casi tiempo real, incluso con consultas complejas. Es compatible con PostgreSQL y está basada en Lucene.

crate
⭐ 4,456 Java 👤 crate Organization 🕐 Actualizado 2026-11-20 📅 Creado 2013-04-10
40
alibaba/fastjson2

🚄 FASTJSON2 es una biblioteca JSON de Java con un rendimiento excelente.

alibaba
⭐ 4,433 Java 👤 alibaba Organization 🕐 Actualizado 2026-11-15 📅 Creado 2022-04-17
41
Moataz-Elmesmary/Data-Science-Roadmap

Hoja de ruta de ciencia de datos de la A a la Z

Moataz-Elmesmary
⭐ 4,429 👤 Moataz-Elmesmary User 🕐 Actualizado 2025-12-06 📅 Creado 2022-04-17
42
Rdatatable/data.table

El paquete data.table de R extiende data.frame:

Rdatatable
⭐ 3,930 R 👤 Rdatatable Organization 🕐 Actualizado 2026-11-20 📅 Creado 2014-06-07
43
alibaba/GraphScope

🔨 🍇 💻 🚀 GraphScope: Un sistema integral de computación de grafos a gran escala de Alibaba | Sistema integral de computación de grafos

alibaba
⭐ 3,564 C++ 👤 alibaba Organization 🕐 Actualizado 2026-09-23 📅 Creado 2020-10-28
44
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
45
apache/datafusion-sqlparser-rs

Analizador léxico y analizador sintáctico SQL extensible para Rust

apache
⭐ 3,483 Rust 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-02-06
⭐ 3,476 HTML 👤 NLPIR-team Organization 🕐 Actualizado 2026-07-30 📅 Creado 2015-05-04
47
apache/paimon

Apache Paimon es un formato de lago que permite construir una Arquitectura de Data Lake en Tiempo Real con Flink y Spark tanto para operaciones de streaming como batch.

apache
⭐ 3,454 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-01-12
48
databricks/koalas

Koalas: API de pandas en Apache Spark

databricks
⭐ 3,368 Python 👤 databricks Organization 🕐 Actualizado 2024-03-20 📅 Creado 2019-01-03
49
apache/hugegraph

Una base de datos de grafos que soporta más de 100 mil millones de datos, alto rendimiento y escalabilidad (Incluye Motor OLTP & REST-API & Backends)

apache
⭐ 3,211 Java 👤 apache Organization 🕐 Actualizado 2026-11-19 📅 Creado 2018-07-18
50
TuiQiao/CBoard

Una plataforma de informes BI abiertos y paneles BI de autoservicio fácil de usar.

TuiQiao
⭐ 3,099 JavaScript 👤 TuiQiao Organization 🕐 Actualizado 2026-11-16 📅 Creado 2016-09-21

Preguntas frecuentes

1

¿Cuál es el repositorio de #big-data más popular en GitHub?

El proyecto de código abierto de #big-data mejor posicionado en GitHub es binhnguyennus/awesome-scalability, con 75,924 estrellas. Los Patrones de Sistemas a Gran Escala Escalable, Confiable y de Alto Rendimiento

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #big-data?

Entre los proyectos de #big-data mejor posicionados en GitHub, los lenguajes de programación más comunes son Java, Python, Rust, C++.

3

¿Cómo se calcula la clasificación de los repositorios de #big-data?

Seguimos 133 repositorios activos de código abierto etiquetados con #big-data (500+ estrellas), que suman un total de 683,600 estrellas, con una media de 5,139 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.