#datalake Repositorios
Descubre 16 repositorios activos de código abierto de GitHub etiquetados con #datalake, que acumulan 86,628 estrellas en total (una media de 5,414 estrellas por proyecto). El líder de este tema es sinaptik-ai/pandas-ai, con 23,905 estrellas.
16 repositorios en total
Chatea con tu base de datos o tu datalake (SQL, CSV, parquet). PandasAI hace que el análisis de datos sea conversacional utilizando LLMs y RAG.
Repositorio oficial de Trino, el motor de consulta SQL distribuido para big data, anteriormente conocido como PrestoSQL (https://trino.io)
El motor de consulta abierto más rápido del mundo para análisis en menos de un segundo, tanto dentro como fuera del data lakehouse. Con la flexibilidad de admitir casi cualquier escenario, StarRocks ofrece un rendimiento de primer nivel para análisis multidimensionales, análisis en tiempo real y consultas ad hoc. Un proyecto de la Linux Foundation.
Deeplake es una AI Data Runtime para Agents. Proporciona Postgres sin servidor con un datalake multimodal, permitiendo recuperación y entrenamiento escalables.
Dinky es una plataforma de desarrollo de datos en tiempo real basada en Apache Flink, que permite el desarrollo, la implementación y la operación ágil de datos.
El catálogo de datos abiertos más potente del mundo para construir un lago de metadatos federado y geo-distribuido de alto rendimiento.
Agente compatible con Apache Kafka® con S3, PostgreSQL, SQLite, Apache Iceberg y Delta Lake
Resolución de entidades, resolución de identidades, gestión de datos maestros y deduplicación a gran escala basadas en IA para personas y agentes
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?"
Un paquete dbt gratuito para crear y cargar Data Warehouses compatibles con Data Vault 2.0 (impulsado por dbt, una herramienta de ingeniería de datos de código abierto, marca registrada de dbt Labs)
Lista curada de herramientas de código abierto utilizadas en plataformas de análisis y ecosistema de ingeniería de datos
Preguntas frecuentes
¿Cuál es el repositorio de #datalake más popular en GitHub?
El proyecto de código abierto de #datalake mejor posicionado en GitHub es sinaptik-ai/pandas-ai, con 23,905 estrellas. Chatea con tu base de datos o tu datalake (SQL, CSV, parquet). PandasAI hace que el análisis de datos sea conversacional utilizando LLMs y RAG.
¿Qué lenguajes de programación se utilizan más en los repositorios de #datalake?
Entre los proyectos de #datalake mejor posicionados en GitHub, los lenguajes de programación más comunes son Java, Python, C++, Go.
¿Cómo se calcula la clasificación de los repositorios de #datalake?
Seguimos 16 repositorios activos de código abierto etiquetados con #datalake (500+ estrellas), que suman un total de 86,628 estrellas, con una media de 5,414 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.