Git Stars Git Stars

#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
Total de Repositorios
86,628
Total de estrellas
5,414
Promedio de Estrellas/Repo

16 repositorios en total

1
sinaptik-ai/pandas-ai

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.

sinaptik-ai
⭐ 23,905 Python 👤 sinaptik-ai Organization 🕐 Actualizado 2025-10-28 📅 Creado 2023-04-22
2
trinodb/trino

Repositorio oficial de Trino, el motor de consulta SQL distribuido para big data, anteriormente conocido como PrestoSQL (https://trino.io)

trinodb
⭐ 13,532 Java 👤 trinodb Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-01-19
3
StarRocks/starrocks

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.

StarRocks
⭐ 12,278 Java 👤 StarRocks Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-09-04
4
activeloopai/deeplake

Deeplake es una AI Data Runtime para Agents. Proporciona Postgres sin servidor con un datalake multimodal, permitiendo recuperación y entrenamiento escalables.

activeloopai
⭐ 9,273 C++ 👤 activeloopai Organization 🕐 Actualizado 2026-05-21 📅 Creado 2019-08-09
5
apache/hudi

Upserts, eliminaciones y procesamiento incremental en Big Data.

apache
⭐ 6,387 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-12-14
6
treeverse/lakeFS

lakeFS - Control de versiones de datos para su lago de datos | Git para datos

treeverse
⭐ 5,590 Go 👤 treeverse Organization 🕐 Actualizado 2026-11-19 📅 Creado 2019-09-12
7
DataLinkDC/dinky

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.

DataLinkDC
⭐ 3,777 Java 👤 DataLinkDC Organization 🕐 Actualizado 2026-11-17 📅 Creado 2021-06-09
8
apache/gravitino

El catálogo de datos abiertos más potente del mundo para construir un lago de metadatos federado y geo-distribuido de alto rendimiento.

apache
⭐ 3,404 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-04-23
9
nisshi-io/solace-nisshi

Agente compatible con Apache Kafka® con S3, PostgreSQL, SQLite, Apache Iceberg y Delta Lake

nisshi-io
⭐ 1,935 Rust 👤 nisshi-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-08-21
10
leo-project/leofs

El Sistema de Almacenamiento LeoFS

leo-project
⭐ 1,595 Erlang 👤 leo-project Organization 🕐 Actualizado 2026-01-05 📅 Creado 2012-06-06
11
zinggAI/zingg

Resolución de entidades, resolución de identidades, gestión de datos maestros y deduplicación a gran escala basadas en IA para personas y agentes

zinggAI
⭐ 1,275 Java 👤 zinggAI Organization 🕐 Actualizado 2026-11-03 📅 Creado 2021-08-25
12
ClickHouse/ClickBench

ClickBench: un benchmark para bases de datos analíticas

ClickHouse
⭐ 1,171 Shell 👤 ClickHouse Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-07-11
13
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
14
Datavault-UK/automate-dv

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)

Datavault-UK
⭐ 599 👤 Datavault-UK Organization 🕐 Actualizado 2026-02-05 📅 Creado 2019-09-27
15
pracdata/awesome-open-source-data-engineering

Lista curada de herramientas de código abierto utilizadas en plataformas de análisis y ecosistema de ingeniería de datos

pracdata
⭐ 564 👤 pracdata Organization 🕐 Actualizado 2025-03-12 📅 Creado 2024-02-22
16
leesf/hudi-resources

Resumen de materiales relacionados con Apache Hudi

leesf
⭐ 554 👤 leesf User 🕐 Actualizado 2026-03-31 📅 Creado 2019-12-11

Preguntas frecuentes

1

¿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.

2

¿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.

3

¿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.