Git Stars Git Stars

#data-ingestion Repositorios

Descubre 33 repositorios activos de código abierto de GitHub etiquetados con #data-ingestion, que acumulan 66,183 estrellas en total (una media de 2,005 estrellas por proyecto). El líder de este tema es apache/seatunnel, con 9,821 estrellas.

33
Total de Repositorios
66,183
Total de estrellas
2,005
Promedio de Estrellas/Repo

33 repositorios en total

1
apache/seatunnel

SeaTunnel es una herramienta de integración de datos masivos, multimodal, de alto rendimiento y distribuida.

apache
⭐ 9,821 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2017-08-05
2
weaviate/Verba

Chatbot de Generación Aumentada por Recuperación (RAG) impulsado por Weaviate

weaviate
⭐ 7,716 Python 👤 weaviate Organization 🕐 Actualizado 2026-05-11 📅 Creado 2023-07-28
3
DataTalksClub/llm-zoomcamp

LLM Zoomcamp: un curso en línea gratuito sobre aplicaciones reales de los LLM. En 10 semanas aprenderás a crear un sistema de IA que responda preguntas sobre tu base de conocimientos. Regístrate aquí 👇🏼

DataTalksClub
⭐ 7,715 Jupyter Notebook 👤 DataTalksClub Organization 🕐 Actualizado 2026-11-16 📅 Creado 2024-03-26
4
bruin-data/ingestr

ingestr es una herramienta CLI para copiar datos entre cualquier base de datos con un solo comando sin problemas.

bruin-data
⭐ 4,049 Go 👤 bruin-data Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-02-12
5
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
6
elixir-broadway/broadway

Ingestión y procesamiento de datos concurrentes y de múltiples etapas con Elixir

elixir-broadway
⭐ 2,694 Elixir 👤 elixir-broadway Organization 🕐 Actualizado 2026-11-06 📅 Creado 2018-11-05
8
datazip-inc/olake-go

OLake Go: replicación de código abierto desde bases de datos, Kafka y S3 a Apache Iceberg y Parquet. Fuentes: Postgres, MySQL, MongoDB, Oracle, MSSQL, DB2, Kafka, S3. Anteriormente datazip-inc/olake. El mantenimiento de tablas se encuentra en datazip-inc/olake-fusion.

datazip-inc
⭐ 2,166 Go 👤 datazip-inc Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-10-15
9
pravega/pravega

Pravega - Streaming como un nuevo primitivo de almacenamiento definido por software

pravega
⭐ 2,003 Java 👤 pravega Organization 🕐 Actualizado 2025-03-02 📅 Creado 2016-07-11
10
bruin-data/bruin

Cree canalizaciones de datos con SQL y Python, ingiera datos de diferentes fuentes, agregue verificaciones de calidad y cree flujos de extremo a extremo.

bruin-data
⭐ 1,816 Go 👤 bruin-data Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-08-03
11
fossasia/eventyay-bitpay

Integración Bitpay para eventyay

fossasia
⭐ 1,520 Python 👤 fossasia Organization 🕐 Actualizado 2026-09-29 📅 Creado 2016-07-29
12
mafintosh/csv-parser

Analizador CSV en streaming inspirado en binary-csv que tiene como objetivo ser más rápido que todos los demás

mafintosh
⭐ 1,503 JavaScript 👤 mafintosh User 🕐 Actualizado 2026-05-07 📅 Creado 2014-05-16
13
ideal-postcodes/postcodes.io

API de códigos postales y geolocalización del Reino Unido, que ofrece datos abiertos

ideal-postcodes
⭐ 1,419 HTML 👤 ideal-postcodes Organization 🕐 Actualizado 2026-11-19 📅 Creado 2014-01-17
14
mps-youtube/pafy

Biblioteca de Python para descargar contenido de YouTube y recuperar metadatos

mps-youtube
⭐ 1,403 Python 👤 mps-youtube Organization 🕐 Actualizado 2024-04-29 📅 Creado 2013-06-24
16
scrapinghub/frontera

Una frontera escalable para rastreadores web

scrapinghub
⭐ 1,329 Python 👤 scrapinghub Organization 🕐 Actualizado 2025-06-06 📅 Creado 2014-11-22
⭐ 1,274 👤 a16z-infra Organization 🕐 Actualizado 2024-07-26 📅 Creado 2023-07-27
18
influxdata/influxdb-java

Cliente Java para InfluxDB

influxdata
⭐ 1,195 Java 👤 influxdata Organization 🕐 Actualizado 2026-03-01 📅 Creado 2014-04-30
19
iam-veeramalla/shell-scripting-projects

Proyectos de scripting de shell. El objetivo es simular proyectos reales tanto como sea posible.

iam-veeramalla
⭐ 1,155 Shell 👤 iam-veeramalla User 🕐 Actualizado 2024-08-17 📅 Creado 2023-04-14
20
elastic/ecs

Esquema Común de Elastic

elastic
⭐ 1,125 Python 👤 elastic Organization 🕐 Actualizado 2026-11-18 📅 Creado 2018-05-24
21
julianpoy/RecipeSage

Un guardador de recetas colaborativo, planificador de comidas y organizador de listas de compras en forma de PWA.

julianpoy
⭐ 1,009 TypeScript 👤 julianpoy User 🕐 Actualizado 2026-11-20 📅 Creado 2019-01-07
23
uniVocity/univocity-parsers

uniVocity-parsers es un conjunto de analizadores extremadamente rápidos y confiables para Java. Proporciona una interfaz coherente para manejar diferentes formatos de archivo y un marco sólido para el desarrollo de nuevos analizadores.

uniVocity
⭐ 931 Java 👤 uniVocity Organization 🕐 Actualizado 2024-08-17 📅 Creado 2014-07-12
25
sdan/vlite

la base de datos vectorial más rápida hecha en numpy

sdan
⭐ 763 Python 👤 sdan User 🕐 Actualizado 2026-09-22 📅 Creado 2023-06-26
26
CrunchyData/pg_parquet

Copiar a/desde Parquet en S3, Azure Blob Storage, Google Cloud Storage, almacenamientos http(s), archivos locales o flujo de entrada/salida estándar desde PostgreSQL

CrunchyData
⭐ 696 Rust 👤 CrunchyData Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-09-04
27
awslabs/aws-lambda-redshift-loader

Cargador de base de datos Amazon Redshift implementado en AWS Lambda

awslabs
⭐ 596 JavaScript 👤 awslabs Organization 🕐 Actualizado 2024-07-16 📅 Creado 2015-03-05
28
coddingtonbear/inthe.am

Acceda a sus tareas de Taskwarrior desde cualquier navegador en cualquier lugar

coddingtonbear
⭐ 593 Python 👤 coddingtonbear User 🕐 Actualizado 2024-01-03 📅 Creado 2013-12-30
29
ankushshah89/python-docx2txt

Una utilidad basada en Python puro para extraer texto e imágenes de archivos docx.

ankushshah89
⭐ 584 Python 👤 ankushshah89 User 🕐 Actualizado 2025-03-24 📅 Creado 2015-10-28
30
Datomic/codeq

Crea bases de datos Datomic a partir de repositorios de Git

Datomic
⭐ 556 Clojure 👤 Datomic Organization 🕐 Actualizado 2026-06-18 📅 Creado 2012-09-28
31
kevinlawler/kerf1

Kerf (Kerf1) es una base de datos de ticks columnar y lenguaje de series temporales para Linux/OSX/BSD/iOS/Android. Está escrito en C y habla nativamente JSON y SQL. Kerf se puede usar para plataformas de trading, feedhandlers, redes de baja latencia, análisis de alto volumen de datos en tiempo real e históricos, procesamiento de logs, y más.

kevinlawler
⭐ 548 C 👤 kevinlawler User 🕐 Actualizado 2024-09-03 📅 Creado 2015-04-08
32
unbody-io/unbody

El Supabase de la era IA. Un backend modular de código abierto para construir software nativo de IA — diseñado para el conocimiento, no para datos estáticos.

unbody-io
⭐ 525 TypeScript 👤 unbody-io Organization 🕐 Actualizado 2026-04-14 📅 Creado 2025-04-02
33
joshstevens19/reth-indexer

reth-indexer lee directamente desde la base de datos reth e indexa los datos en bases de datos y almacenes de datos tradicionales y alternativos (postgres, GCP bigquery, etc.), todo decodificado con un simple archivo de configuración y sin configuración adicional, además de exponer una API lista para consultar los datos.

joshstevens19
⭐ 506 Rust 👤 joshstevens19 User 🕐 Actualizado 2024-01-11 📅 Creado 2023-07-04

Preguntas frecuentes

1

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

El proyecto de código abierto de #data-ingestion mejor posicionado en GitHub es apache/seatunnel, con 9,821 estrellas. SeaTunnel es una herramienta de integración de datos masivos, multimodal, de alto rendimiento y distribuida.

2

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

Entre los proyectos de #data-ingestion mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Java, Go, TypeScript.

3

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

Seguimos 33 repositorios activos de código abierto etiquetados con #data-ingestion (500+ estrellas), que suman un total de 66,183 estrellas, con una media de 2,005 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.