Git Stars Git Stars

#big-data Repositorios

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

133 repositorios en total

51
kafbat/kafka-ui

Interfaz Web de Código Abierto para la gestión de clústeres Apache Kafka

kafbat
⭐ 2,852 TypeScript 👤 kafbat Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-01-22
52
man-group/ArcticDB

ArcticDB es una base de datos DataFrame sin servidor de alto rendimiento construida para el ecosistema de Data Science de Python.

man-group
⭐ 2,655 C++ 👤 man-group Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-11-11
53
quarylabs/quary

BI de código abierto para ingenieros

quarylabs
⭐ 2,390 Rust 👤 quarylabs Organization 🕐 Actualizado 2026-11-16 📅 Creado 2024-02-20
54
ytsaurus/ytsaurus

YTsaurus es una plataforma de big data de código abierto escalable y tolerante a fallos.

ytsaurus
⭐ 2,325 C++ 👤 ytsaurus Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-12-05
55
apache/ambari

Apache Ambari simplifica el aprovisionamiento, la gestión y el monitoreo de clústeres de Apache Hadoop.

apache
⭐ 2,311 Java 👤 apache Organization 🕐 Actualizado 2026-11-18 📅 Creado 2011-09-23
56
apache/fluss

Apache Flink es un almacenamiento de flujo construido para análisis en tiempo real.

apache
⭐ 2,250 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-10-31
57
PavelGrigoryevDS/awesome-data-analysis

🚀 Más de 500 recursos seleccionados para Análisis de Datos y Ciencia de Datos: Python, SQL, Estadística, ML, IA, Visualización, Hojas de trucos, Mapas de ruta, Preparación para entrevistas. Para principiantes y expertos.

PavelGrigoryevDS
⭐ 2,224 👤 PavelGrigoryevDS User 🕐 Actualizado 2026-11-01 📅 Creado 2025-07-30
58
apache/datafusion-ballista

Apache DataFusion Ballista Distributed Query Engine

apache
⭐ 2,179 Rust 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-05-19
59
apache/drill

Apache Drill es una capa de consulta MPP distribuida para datos auto-descriptivos

apache
⭐ 2,026 Java 👤 apache Organization 🕐 Actualizado 2026-11-12 📅 Creado 2012-09-05
60
apache/bookkeeper

Apache BookKeeper - un servicio de almacenamiento escalable, tolerante a fallos y de baja latencia optimizado para cargas de trabajo de solo anexos

apache
⭐ 2,019 Java 👤 apache Organization 🕐 Actualizado 2026-11-02 📅 Creado 2011-04-06
61
fluid-cloudnative/fluid

Abstracción y aceleración de datos fluida y elástica para aplicaciones BigData/IA en la nube. (Proyecto bajo CNCF)

fluid-cloudnative
⭐ 2,000 Go 👤 fluid-cloudnative Organization 🕐 Actualizado 2026-11-20 📅 Creado 2020-07-11
62
microsoft/GlobalMLBuildingFootprints

Huellas de edificios mundiales derivadas de imágenes satelitales

microsoft
⭐ 1,993 Python 👤 microsoft Organization 🕐 Actualizado 2026-11-18 📅 Creado 2022-04-22
63
elastic/elasticsearch-hadoop

:elephant: Búsqueda y análisis en tiempo real de Elasticsearch integrados de forma nativa con Hadoop

elastic
⭐ 1,966 Java 👤 elastic Organization 🕐 Actualizado 2026-11-21 📅 Creado 2013-03-11
64
apache/kudu

Espejo de Apache Kudu

apache
⭐ 1,919 C++ 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2016-01-29
65
TurboWay/big_screen

Visualización de datos en pantalla grande

TurboWay
⭐ 1,884 HTML 👤 TurboWay User 🕐 Actualizado 2026-01-22 📅 Creado 2020-09-28
66
dask/dask-tutorial

Tutorial de Dask

dask
⭐ 1,862 Jupyter Notebook 👤 dask Organization 🕐 Actualizado 2025-11-04 📅 Creado 2015-07-16
67
apache/auron

Apache Auron es un acelerador para motores de big data que aprovecha la ejecución vectorizada nativa para acelerar el procesamiento de consultas.

apache
⭐ 1,849 Rust 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2021-06-28
68
kiwenlau/hadoop-cluster-docker

Ejecutar clúster de Hadoop dentro de contenedores Docker

kiwenlau
⭐ 1,827 Shell 👤 kiwenlau User 🕐 Actualizado 2024-07-01 📅 Creado 2015-05-21
69
Netflix/genie

Servicio de Orquestación de Big Data Distribuido

Netflix
⭐ 1,766 Java 👤 Netflix Organization 🕐 Actualizado 2026-11-21 📅 Creado 2013-06-20
70
matanolabs/matano

Lago de datos de seguridad de código abierto para la caza de amenazas, detección y respuesta, y análisis de ciberseguridad a escala de petabytes en AWS

matanolabs
⭐ 1,675 Rust 👤 matanolabs Organization 🕐 Actualizado 2025-01-08 📅 Creado 2022-07-03
71
jadianes/spark-py-notebooks

Tutoriales de Apache Spark & Python (pySpark) para el Análisis de Big Data y Machine Learning como cuadernos IPython / Jupyter

jadianes
⭐ 1,667 Jupyter Notebook 👤 jadianes User 🕐 Actualizado 2024-03-16 📅 Creado 2015-05-06
72
tonbo-io/tonbo

Tonbo es una base de datos embebida para entornos de ejecución sin servidor y de borde.

tonbo-io
⭐ 1,639 Rust 👤 tonbo-io Organization 🕐 Actualizado 2026-07-18 📅 Creado 2024-07-15
73
kantord/just-dashboard

:bar_chart: :clipboard: Tableros utilizando archivos YAML o JSON

kantord
⭐ 1,587 TypeScript 👤 kantord User 🕐 Actualizado 2026-02-21 📅 Creado 2018-01-18
74
dremio/dremio-oss

Dremio - el eslabón perdido en los datos modernos

dremio
⭐ 1,495 Java 👤 dremio Organization 🕐 Actualizado 2025-09-26 📅 Creado 2017-07-17
75
apache/carbondata

Solución de almacén de datos de alto rendimiento

apache
⭐ 1,452 Scala 👤 apache Organization 🕐 Actualizado 2026-10-02 📅 Creado 2016-06-28
76
apache/cloudberry

Una base de datos MPP (Massively Parallel Processing) de código abierto avanzada y madura. Alternativa de código abierto a Greenplum Database.

apache
⭐ 1,448 C 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-05-24
77
Tencent/TBase

TBase es una base de datos distribuida HTAP de nivel empresarial. A través de un solo clúster de base de datos, proporciona a los usuarios servicios de base de datos distribuidos altamente consistentes y servicios de almacén de datos de alto rendimiento, formando un conjunto de soluciones integradas de nivel empresarial.

Tencent
⭐ 1,436 C 👤 Tencent Organization 🕐 Actualizado 2025-07-07 📅 Creado 2019-11-07
78
xitongsys/parquet-go

Biblioteca pura de Golang para leer/escribir archivos Parquet

xitongsys
⭐ 1,432 Go 👤 xitongsys User 🕐 Actualizado 2026-05-08 📅 Creado 2017-09-02
79
mtth/avsc

Avro para JavaScript :zap:

mtth
⭐ 1,389 JavaScript 👤 mtth User 🕐 Actualizado 2026-02-22 📅 Creado 2015-09-12
80
uxlfoundation/scikit-learn-intelex

La extensión para Scikit-learn es una forma fluida de acelerar su aplicación de Scikit-learn.

uxlfoundation
⭐ 1,357 Python 👤 uxlfoundation Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-08-07
81
apache/ozone

Sistema de almacenamiento distribuido escalable y confiable optimizado para cargas de trabajo de análisis de datos y almacenamiento de objetos.

apache
⭐ 1,335 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-10-02
82
mahmoudparsian/pyspark-tutorial

PySpark-Tutorial proporciona algoritmos básicos usando PySpark

mahmoudparsian
⭐ 1,276 Jupyter Notebook 👤 mahmoudparsian User 🕐 Actualizado 2025-05-26 📅 Creado 2015-03-12
83
mukunku/ParquetViewer

Aplicación de escritorio simple para Windows para ver y consultar archivos Apache Parquet

mukunku
⭐ 1,258 C# 👤 mukunku User 🕐 Actualizado 2026-11-09 📅 Creado 2018-05-31
84
Azure/AzurePublicDataset

Microsoft Azure Traces

Azure
⭐ 1,231 Jupyter Notebook 👤 Azure Organization 🕐 Actualizado 2026-11-17 📅 Creado 2017-08-18
85
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
86
apache/amoro

Apache Amoro (incubating) es un sistema de gestión de Lakehouse construido sobre formatos abiertos de lago de datos.

apache
⭐ 1,207 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-07-14
87
apache/accumulo

Apache Accumulo

apache
⭐ 1,184 Java 👤 apache Organization 🕐 Actualizado 2026-11-19 📅 Creado 2011-10-06
88
ClickHouse/ClickBench

ClickBench: un benchmark para bases de datos analíticas

ClickHouse
⭐ 1,171 Shell 👤 ClickHouse Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-07-11
89
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
⭐ 1,076 Shell 👤 big-data-europe Organization 🕐 Actualizado 2024-06-02 📅 Creado 2016-05-20
91
metabrainz/listenbrainz-server

Servidor para el proyecto ListenBrainz, que incluye el código front-end (javascript/react) que sirve y todos los componentes de procesamiento de datos que utiliza LB.

metabrainz
⭐ 1,074 Python 👤 metabrainz Organization 🕐 Actualizado 2026-11-21 📅 Creado 2015-09-05
92
bigdatagenomics/adam

ADAM es una plataforma de análisis genómico con formatos de archivo especializados creados con Apache Avro, Apache Spark y Apache Parquet. Licenciado bajo Apache 2.

bigdatagenomics
⭐ 1,060 Scala 👤 bigdatagenomics Organization 🕐 Actualizado 2026-03-17 📅 Creado 2013-11-19
93
opendatadiscovery/awesome-data-catalogs

📙 Impresionantes catálogos de datos y plataformas de observabilidad.

opendatadiscovery
⭐ 1,059 👤 opendatadiscovery Organization 🕐 Actualizado 2025-08-14 📅 Creado 2021-07-14
94
apache/flink-kubernetes-operator

Apache Flink Kubernetes Operator

apache
⭐ 1,043 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-02-10
95
myscale/MyScaleDB

Una bifurcación de @ClickHouse que admite la búsqueda vectorial de alto rendimiento y la búsqueda de texto completo.

myscale
⭐ 1,032 C++ 👤 myscale Organization 🕐 Actualizado 2025-02-05 📅 Creado 2024-03-14
96
NVIDIA/cudf-spark

Complemento NVIDIA cuDF para Apache Spark: acelere Apache Spark con GPU

NVIDIA
⭐ 1,021 Scala 👤 NVIDIA Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-05-14
97
Tencent/TencentKona-8

Tencent Kona es una distribución gratuita y lista para producción del Open Java Development Kit (OpenJDK), con soporte a largo plazo (LTS) y actualizaciones trimestrales. Tencent Kona sirve como el JDK predeterminado internamente en Tencent Cloud para computación en la nube y otras aplicaciones Java.

Tencent
⭐ 1,003 Java 👤 Tencent Organization 🕐 Actualizado 2026-11-06 📅 Creado 2019-11-01
98
firmai/data-science-career

Recursos de Carrera para Ciencia de Datos, Aprendizaje Automático, Big Data y Análisis de Negocios Repositorio de Carrera

firmai
⭐ 993 👤 firmai User 🕐 Actualizado 2024-08-16 📅 Creado 2019-08-23
99
h2oai/sparkling-water

Sparkling Water proporciona funcionalidad H2O dentro del clúster Spark

h2oai
⭐ 982 Scala 👤 h2oai Organization 🕐 Actualizado 2025-11-05 📅 Creado 2014-10-13
100
delta-io/delta-sharing

Un protocolo abierto para compartir datos de forma segura

delta-io
⭐ 965 Scala 👤 delta-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-04-08