#data-integration Repositorios
Descubre 57 repositorios activos de código abierto de GitHub etiquetados con #data-integration, que acumulan 259,956 estrellas en total (una media de 4,560 estrellas por proyecto). El líder de este tema es apache/airflow, con 47,583 estrellas.
57 repositorios en total
Apache Airflow - Una plataforma para crear de manera programática, programar y monitorear flujos de trabajo
Movimiento de datos de código abierto para pipelines ELT y agentes de IA — de APIs, bases de datos y archivos a almacenes, lagos y aplicaciones de IA. Tanto autoalojado como Cloud.
Convierte datos y algoritmos de IA en aplicaciones web listas para producción en muy poco tiempo.
Una plataforma de orquestación para el desarrollo, producción y observación de activos de datos.
SeaTunnel es una herramienta de integración de datos masivos, multimodal, de alto rendimiento y distribuida.
🧙 Cree, ejecute y administre pipelines de datos para integrar y transformar datos.
Pipelines de datos para la configuración en la nube y los datos de seguridad. Desarrolle soluciones de inventario de activos en la nube, CSPM, FinOps y gestión de vulnerabilidades. Extracción de datos de AWS, Azure, GCP y más de 70 fuentes cloud y SaaS.
Página de visualización integrada de DataX: seleccione una fuente de datos para generar tareas de sincronización de datos con un solo clic. Soporta fuentes de datos como RDBMS, Hive, HBase, ClickHouse, MongoDB, etc. Creación masiva de tareas de sincronización de datos RDBMS, integración con sistemas de programación de código abierto, soporte para procesamiento distribuido, sincronización incremental de datos, visualización en tiempo real de registros de ejecución, monitoreo de recursos del ejecutor, KILL de procesos en ejecución, encriptación de información de fuentes de datos, etc.
🦀 Procesamiento de flujos de eventos para desarrolladores para recopilar y transformar datos en movimiento y potenciar aplicaciones intensivas en datos responsivas.
Jitsu es una alternativa de código abierto a Segment. Motor de ingesta de datos totalmente programable para equipos de datos modernos. Configure un pipeline de datos en tiempo real en minutos, no en días
Alternativa a Segment enfocada en Privacidad y Seguridad, en Golang y React
ingestr es una herramienta CLI para copiar datos entre cualquier base de datos con un solo comando sin problemas.
Lista curada por la comunidad de paquetes de software y recursos de datos para single-cell, incluyendo RNA-seq, ATAC-seq, etc.
Apache DevLake es una plataforma de datos de desarrollo de código abierto para ingerir, analizar y visualizar los datos fragmentados de las herramientas DevOps, extrayendo información para la excelencia en ingeniería, la experiencia del desarrollador y el crecimiento de la comunidad.
Conecta los datos de tu empresa, deja que un agente elabore una ontología a partir de ellos y cárgala en HelixDB como un único grafo que podrás explorar y consultar. Disponible en foundry.helix-db.com o ejecútalo en tu propio equipo.
:elephant: Búsqueda y análisis en tiempo real de Elasticsearch integrados de forma nativa con Hadoop
ETL/ELT de código abierto que puedes implementar en tus propios servidores o en la nube. Basado en DuckDB: pipelines visuales sin código o de bajo código, o SQL; 446 componentes, dbt, CDC, calidad de datos, ETL inverso, linaje y MCP para agentes de IA. Sin nube del proveedor ni facturación por fila.
Este repositorio almacena las configuraciones de flujo de trabajo de N8N compartidas en mi canal de YouTube. Los usuarios pueden descargar directamente los archivos JSON e importarlos en N8N para su uso.
Sucesor de Alibaba DataX con mantenimiento activo: una herramienta ETL de código abierto, rápida y versátil, compatible con más de 30 fuentes de datos RDBMS y NoSQL.
Dropbase ayuda a los desarrolladores a crear y prototipar aplicaciones web más rápido con IA. Dropbase es local-first y autoalojado.
Tutoriales y artículos perspicaces sobre grafos de conocimiento
🌊 Sincronice continuamente los sistemas donde residen sus datos con los sistemas donde _desea_ que residan, gestionando sus flujos de datos con Estuary. 🌊
qData es una plataforma de datos de código abierto, ligera, completa en funciones y nativa de IA. Abarca la integración, el desarrollo, el modelado y la gobernanza de datos, así como los activos y los servicios de API, con implementación autogestionada, escalado flexible y uso comercial.
SeaTunnel es una plataforma de integración de datos distribuida y de alto rendimiento para la sincronización y transformación de datos masivos (offline y en tiempo real).
Plataforma de replicación de bases de datos que aprovecha la captura de datos de cambios. Transmite datos de producción de bases de datos a tu almacén de datos (Snowflake, BigQuery, Redshift, Databricks) en tiempo real.
Lista de artículos continuamente actualizada sobre avances en Data Agents. Repositorio compañero de nuestro artículo "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"
NicheNet: predecir enlaces activos de ligando-objetivo entre células interactuantes
Integración rápida, sensible y precisa de datos de célula única con Harmony
Conduit transmite datos entre almacenes de datos. Reemplazo de Kafka Connect. No se requiere JVM.
El SDK de Federación de Consultas de Amazon Athena le permite personalizar Amazon Athena con sus propias fuentes de datos y código.
Biblioteca de Python para entrenar redes neuronales con un fuerte enfoque en aplicaciones hidrológicas.
Este tutorial explica paso a paso cómo conectar tus datos a la Biblioteca de Gráficos
Preguntas frecuentes
¿Cuál es el repositorio de #data-integration más popular en GitHub?
El proyecto de código abierto de #data-integration mejor posicionado en GitHub es apache/airflow, con 47,583 estrellas. Apache Airflow - Una plataforma para crear de manera programática, programar y monitorear flujos de trabajo
¿Qué lenguajes de programación se utilizan más en los repositorios de #data-integration?
Entre los proyectos de #data-integration mejor posicionados en GitHub, los lenguajes de programación más comunes son Java, Python, Go, Rust.
¿Cómo se calcula la clasificación de los repositorios de #data-integration?
Seguimos 57 repositorios activos de código abierto etiquetados con #data-integration (500+ estrellas), que suman un total de 259,956 estrellas, con una media de 4,560 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.