#etl Repositorios
Descubre 105 repositorios activos de código abierto de GitHub etiquetados con #etl, que acumulan 408,616 estrellas en total (una media de 3,891 estrellas por proyecto). El líder de este tema es pathwaycom/pathway, con 61,976 estrellas.
105 repositorios en total
Framework ETL de Python para procesamiento de streams, análisis en tiempo real, pipelines de LLM y RAG.
Apache Airflow - Una plataforma para crear de manera programática, programar y monitorear flujos de trabajo
Orqueste todo, en todas partes. El plano de control de código abierto para flujos de trabajo de datos, infraestructura, procesos empresariales y agentes de IA. Declarativo con YAML, basado en eventos, compatible con cualquier lenguaje, con control de versiones en Git y escalable a millones de ejecuciones.
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.
Una plataforma de orquestación para el desarrollo, producción y observación de activos de datos.
Motor incremental para agentes de horizonte largo 🌟 ¡Pon una estrella si te gusta!
🧙 Cree, ejecute y administre pipelines de datos para integrar y transformar datos.
Zero-ETL, posibilidades infinitas. API de consulta en vivo, código y más con SQL. No se requiere base de 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.
Motor de datos de alto rendimiento para cargas de trabajo de IA y multimodales. Procese imágenes, audio, video y datos estructurados a cualquier escala.
Alternativa a Segment enfocada en Privacidad y Seguridad, en Golang y React
pandas en AWS - Integración fácil con Athena, Glue, Redshift, Timestream, Neptune, OpenSearch, QuickSight, Chime, CloudWatchLogs, DynamoDB, EMR, SecretManager, PostgreSQL, MySQL, SQLServer y S3 (Parquet, CSV, JSON y EXCEL).
Una lista curada con recursos sobre interfaces de usuario basadas en nodos
Framework de transformación de datos escalable y eficiente: retrocompatible con dbt.
Una herramienta rápida, sencilla y rentable para replicar datos de Postgres a almacenes de datos, colas y almacenamiento
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.
Scripts de Python para trabajos ETL (extracción, transformación y carga) para bloques de Ethereum, transacciones, tokens ERC20/ERC721, transferencias, recibos, registros, contratos, transacciones internas. Los datos están disponibles en Google BigQuery https://goo.gl/oY5BCQ
Apache Hamilton ayuda a los científicos e ingenieros de datos a definir flujos de datos probables, modulares y autodocumentados, que codifican el linaje/seguimiento y los metadatos. Se ejecuta y escala en cualquier lugar donde lo haga python.
Instill Core es una herramienta de infraestructura de IA full-stack para la orquestación de datos, modelos y pipelines, diseñada para optimizar todos los aspectos de la creación de aplicaciones versátiles centradas en la IA.
El motor SQL de streaming unificado más rápido en un único binario de C++. ⚡ Latencia de milisegundos. Rendimiento de más de 100 GB/s. Calcula continuamente contexto con estado a partir de flujos, registros, métricas, eventos y CDC.
Lista activamente curada de herramientas BI geniales. ¡Bienvenidos PRs!
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.
El mejor lugar para aprender ingeniería de datos. Construido y mantenido por la comunidad de ingeniería de datos.
Extracción de datos no estructurados, rápida y eficiente. Escrito en Rust con enlaces para muchos idiomas.
Dozer es una herramienta de movimiento de datos en tiempo real que aprovecha CDC de varias fuentes y mueve datos a varios destinos.
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.
La plataforma abierta de inteligencia documental para constructores y hackers - DMS para el mundo agéntico
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.
Preguntas frecuentes
¿Cuál es el repositorio de #etl más popular en GitHub?
El proyecto de código abierto de #etl mejor posicionado en GitHub es pathwaycom/pathway, con 61,976 estrellas. Framework ETL de Python para procesamiento de streams, análisis en tiempo real, pipelines de LLM y RAG.
¿Qué lenguajes de programación se utilizan más en los repositorios de #etl?
Entre los proyectos de #etl mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Java, Go, Rust.
¿Cómo se calcula la clasificación de los repositorios de #etl?
Seguimos 105 repositorios activos de código abierto etiquetados con #etl (500+ estrellas), que suman un total de 408,616 estrellas, con una media de 3,891 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.