Git Stars Git Stars

#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
Total de Repositorios
259,956
Total de estrellas
4,560
Promedio de Estrellas/Repo

57 repositorios en total

1
apache/airflow

Apache Airflow - Una plataforma para crear de manera programática, programar y monitorear flujos de trabajo

apache
⭐ 47,583 Python 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2015-04-13
2
alibaba/canal

Componente de suscripción incremental y consumo de binlog de MySQL de Alibaba

alibaba
⭐ 29,747 Java 👤 alibaba Organization 🕐 Actualizado 2026-07-30 📅 Creado 2013-01-13
3
airbytehq/airbyte

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.

airbytehq
⭐ 22,426 Python 👤 airbytehq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-07-27
4
Avaiga/taipy

Convierte datos y algoritmos de IA en aplicaciones web listas para producción en muy poco tiempo.

Avaiga
⭐ 19,458 Python 👤 Avaiga Organization 🕐 Actualizado 2026-08-10 📅 Creado 2022-02-18
5
dagster-io/dagster

Una plataforma de orquestación para el desarrollo, producción y observación de activos de datos.

dagster-io
⭐ 16,453 Python 👤 dagster-io Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-04-30
6
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
7
mage-ai/mage-ai

🧙 Cree, ejecute y administre pipelines de datos para integrar y transformar datos.

mage-ai
⭐ 8,850 Python 👤 mage-ai Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-05-16
8
pentaho/pentaho-kettle

Pentaho Data Integration (ETL) también conocido como Kettle

pentaho
⭐ 8,419 Java 👤 pentaho Organization 🕐 Actualizado 2026-11-21 📅 Creado 2013-10-08
9
cloudquery/cloudquery

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.

cloudquery
⭐ 6,561 Go 👤 cloudquery Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-11-18
10
apache/flink-cdc

Flink CDC es una herramienta de integración de datos en streaming

apache
⭐ 6,495 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2020-07-27
11
apache/hudi

Upserts, eliminaciones y procesamiento incremental en Big Data.

apache
⭐ 6,387 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-12-14
12
WeiYe-Jing/datax-web

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.

WeiYe-Jing
⭐ 5,958 Java 👤 WeiYe-Jing User 🕐 Actualizado 2024-06-02 📅 Creado 2019-11-19
13
fluvio-community/fluvio

🦀 Procesamiento de flujos de eventos para desarrolladores para recopilar y transformar datos en movimiento y potenciar aplicaciones intensivas en datos responsivas.

fluvio-community
⭐ 5,270 Rust 👤 fluvio-community Organization 🕐 Actualizado 2026-11-05 📅 Creado 2019-08-31
14
jitsucom/jitsu

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

jitsucom
⭐ 5,138 TypeScript 👤 jitsucom Organization 🕐 Actualizado 2026-11-20 📅 Creado 2020-08-04
15
clidey/whodb

Donde el acceso a datos se encuentra con la inteligencia operativa

clidey
⭐ 5,065 Go 👤 clidey Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-06-11
16
rudderlabs/rudder-server

Alternativa a Segment enfocada en Privacidad y Seguridad, en Golang y React

rudderlabs
⭐ 4,520 Go 👤 rudderlabs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-07-19
17
DTStack/chunjun

Un marco de integración de datos

DTStack
⭐ 4,107 Java 👤 DTStack Organization 🕐 Actualizado 2026-10-09 📅 Creado 2018-04-03
18
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
19
seandavi/awesome-single-cell

Lista curada por la comunidad de paquetes de software y recursos de datos para single-cell, incluyendo RNA-seq, ATAC-seq, etc.

seandavi
⭐ 3,893 👤 seandavi User 🕐 Actualizado 2026-11-15 📅 Creado 2016-06-29
20
apache/devlake

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.

apache
⭐ 3,204 Go 👤 apache Organization 🕐 Actualizado 2026-11-19 📅 Creado 2021-07-08
⭐ 3,001 Go 👤 google Organization 🕐 Actualizado 2026-11-04 📅 Creado 2022-11-24
22
HelixDB/helix-foundry

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.

HelixDB
⭐ 2,177 Go 👤 HelixDB Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-10-07
23
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
24
slothflowlabs/duckle

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.

slothflowlabs
⭐ 1,558 Rust 👤 slothflowlabs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-05-21
25
apache/hop

Plataforma de orquestación Hop

apache
⭐ 1,544 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-09-24
26
soluckysummer/n8n_workflows

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.

soluckysummer
⭐ 1,515 👤 soluckysummer User 🕐 Actualizado 2026-01-28 📅 Creado 2025-05-30
27
wgzhao/Addax

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.

wgzhao
⭐ 1,455 Java 👤 wgzhao User 🕐 Actualizado 2026-11-20 📅 Creado 2019-07-17
28
weifuwan/seatunnel-web

Haciendo Apache SeaTunnel más fácil de usar.

weifuwan
⭐ 1,406 TypeScript 👤 weifuwan User 🕐 Actualizado 2026-07-16 📅 Creado 2026-02-10
29
DropbaseHQ/dropbase

Dropbase ayuda a los desarrolladores a crear y prototipar aplicaciones web más rápido con IA. Dropbase es local-first y autoalojado.

DropbaseHQ
⭐ 1,275 Python 👤 DropbaseHQ Organization 🕐 Actualizado 2024-09-27 📅 Creado 2023-11-22
30
saidsurucu/yargi-mcp

Servidor MCP para bases de datos legales turcas

saidsurucu
⭐ 1,112 Python 👤 saidsurucu User 🕐 Actualizado 2026-09-06 📅 Creado 2025-05-21
31
heathersherry/Knowledge-Graph-Tutorials-and-Papers

Tutoriales y artículos perspicaces sobre grafos de conocimiento

heathersherry
⭐ 1,080 👤 heathersherry User 🕐 Actualizado 2026-11-16 📅 Creado 2019-03-10
32
bxx2004/FUNGA

Este es un proyecto de base de datos.

bxx2004
⭐ 1,020 Kotlin 👤 bxx2004 User 🕐 Actualizado 2026-01-04 📅 Creado 2025-01-11
33
estuary/flow

🌊 Sincronice continuamente los sistemas donde residen sus datos con los sistemas donde _desea_ que residan, gestionando sus flujos de datos con Estuary. 🌊

estuary
⭐ 995 Rust 👤 estuary Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-02-13
34
tradingeconomics/tradingeconomics

TRADING ECONOMICS - Ejemplos de código de API

tradingeconomics
⭐ 986 JavaScript 👤 tradingeconomics Organization 🕐 Actualizado 2026-10-30 📅 Creado 2015-03-31
35
qiantongtech/qData

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.

qiantongtech
⭐ 950 Java 👤 qiantongtech Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-05-17
36
owlcs/owlapi

Repositorio principal de OWL API

owlcs
⭐ 947 Java 👤 owlcs Organization 🕐 Actualizado 2026-11-02 📅 Creado 2013-02-17
37
apache/seatunnel-web

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).

apache
⭐ 888 Java 👤 apache Organization 🕐 Actualizado 2026-01-22 📅 Creado 2022-09-26
38
artie-labs/transfer

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.

artie-labs
⭐ 845 Go 👤 artie-labs Organization 🕐 Actualizado 2026-05-09 📅 Creado 2022-11-06
40
HKUSTDial/awesome-data-agents

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?"

HKUSTDial
⭐ 804 Python 👤 HKUSTDial Organization 🕐 Actualizado 2026-11-08 📅 Creado 2025-08-31
41
TAG-Research/TAG-Bench

TAG-Bench: Un benchmark para la generación aumentada por tablas (TAG)

TAG-Research
⭐ 766 Python 👤 TAG-Research Organization 🕐 Actualizado 2026-07-25 📅 Creado 2024-08-26
42
saeyslab/nichenetr

NicheNet: predecir enlaces activos de ligando-objetivo entre células interactuantes

saeyslab
⭐ 693 R 👤 saeyslab Organization 🕐 Actualizado 2026-11-05 📅 Creado 2018-02-05
43
tableau/webdataconnector

Trae los datos que te importan a Tableau

tableau
⭐ 688 HTML 👤 tableau Organization 🕐 Actualizado 2026-10-19 📅 Creado 2015-10-12
44
immunogenomics/harmony

Integración rápida, sensible y precisa de datos de célula única con Harmony

immunogenomics
⭐ 675 R 👤 immunogenomics Organization 🕐 Actualizado 2026-10-15 📅 Creado 2018-06-12
45
ConduitIO/conduit

Conduit transmite datos entre almacenes de datos. Reemplazo de Kafka Connect. No se requiere JVM.

ConduitIO
⭐ 617 Go 👤 ConduitIO Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-01-11
46
awslabs/aws-athena-query-federation

El SDK de Federación de Consultas de Amazon Athena le permite personalizar Amazon Athena con sus propias fuentes de datos y código.

awslabs
⭐ 615 Java 👤 awslabs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-10-15
47
avian2/unidecode

Transliteraciones ASCII de texto Unicode - Espejo de GitHub

avian2
⭐ 611 Python 👤 avian2 User 🕐 Actualizado 2026-01-05 📅 Creado 2014-12-19
48
neuralhydrology/neuralhydrology

Biblioteca de Python para entrenar redes neuronales con un fuerte enfoque en aplicaciones hidrológicas.

neuralhydrology
⭐ 595 Python 👤 neuralhydrology Organization 🕐 Actualizado 2026-11-10 📅 Creado 2020-09-30
49
tradingview/charting-library-tutorial

Este tutorial explica paso a paso cómo conectar tus datos a la Biblioteca de Gráficos

tradingview
⭐ 586 JavaScript 👤 tradingview Organization 🕐 Actualizado 2026-08-11 📅 Creado 2020-02-07
50
singer-io/singer-python

Escribe el formato Singer desde Python

singer-io
⭐ 585 Python 👤 singer-io Organization 🕐 Actualizado 2026-11-02 📅 Creado 2016-10-28

Preguntas frecuentes

1

¿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

2

¿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.

3

¿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.