#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 repositorios en total
SeaTunnel es una herramienta de integración de datos masivos, multimodal, de alto rendimiento y distribuida.
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 👇🏼
ingestr es una herramienta CLI para copiar datos entre cualquier base de datos con un solo comando sin problemas.
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.
Ingestión y procesamiento de datos concurrentes y de múltiples etapas con Elixir
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.
Pravega - Streaming como un nuevo primitivo de almacenamiento definido por software
Cree canalizaciones de datos con SQL y Python, ingiera datos de diferentes fuentes, agregue verificaciones de calidad y cree flujos de extremo a extremo.
Analizador CSV en streaming inspirado en binary-csv que tiene como objetivo ser más rápido que todos los demás
API de códigos postales y geolocalización del Reino Unido, que ofrece datos abiertos
Proyectos de scripting de shell. El objetivo es simular proyectos reales tanto como sea posible.
Un guardador de recetas colaborativo, planificador de comidas y organizador de listas de compras en forma de PWA.
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.
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
Cargador de base de datos Amazon Redshift implementado en AWS Lambda
Acceda a sus tareas de Taskwarrior desde cualquier navegador en cualquier lugar
Una utilidad basada en Python puro para extraer texto e imágenes de archivos docx.
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.
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.
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.
Preguntas frecuentes
¿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.
¿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.
¿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.