Git Stars Git Stars

#hadoop Repositorios

Descubre 43 repositorios activos de código abierto de GitHub etiquetados con #hadoop, que acumulan 238,277 estrellas en total (una media de 5,541 estrellas por proyecto). El líder de este tema es donnemartin/data-science-ipython-notebooks, con 28,776 estrellas.

43
Total de Repositorios
238,277
Total de estrellas
5,541
Promedio de Estrellas/Repo

43 repositorios en total

1
donnemartin/data-science-ipython-notebooks

Notebooks de Python para ciencia de datos: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fundamentos de Python, AWS y varias líneas de comandos.

donnemartin
⭐ 28,776 Python 👤 donnemartin User 🕐 Actualizado 2024-03-20 📅 Creado 2015-01-23
2
spotify/luigi

Luigi es un módulo de Python que te ayuda a construir pipelines complejos de trabajos por lotes. Maneja la resolución de dependencias, la gestión del flujo de trabajo, la visualización, etc. También viene con soporte integrado para Hadoop.

spotify
⭐ 18,793 Python 👤 spotify Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-09-20
3
APIJSON/APIJSON

🏆 ORM en tiempo real, sin código, potente y seguro 🚀 proporciona APIs y Docs sin codificar por Backend, y el Frontend (Cliente) puede personalizar los JSON de respuesta 🏆 ORM de tiempo real, sin código, completamente funcional y altamente seguro 🚀 Las interfaces de Backend y la documentación son sin código, mientras que el Frontend (Cliente) puede personalizar los datos y la estructura del JSON devuelto.

APIJSON
⭐ 18,395 Java 👤 APIJSON Organization 🕐 Actualizado 2026-11-15 📅 Creado 2016-11-21
4
heibaiying/BigData-Notes

Guía de introducción a Big Data :star:

heibaiying
⭐ 16,818 Java 👤 heibaiying User 🕐 Actualizado 2024-01-05 📅 Creado 2019-03-10
5
prestodb/presto

El sitio oficial de Presto, el motor de consultas SQL distribuido para big data

prestodb
⭐ 16,777 Java 👤 prestodb Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-08-09
6
apache/hadoop

Apache Hadoop

apache
⭐ 15,719 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2014-08-28
7
deeplearning4j/deeplearning4j

Suite de herramientas para desplegar y entrenar modelos de aprendizaje profundo utilizando la JVM. Los aspectos más destacados incluyen la importación de modelos para Keras, TensorFlow y ONNX/PyTorch, una biblioteca C++ modular y diminuta para ejecutar código matemático y una biblioteca matemática Java sobre la biblioteca C++ principal. También incluye SameDiff: una biblioteca similar a PyTorch/TensorFlow para ejecutar aprendizaje profundo...

deeplearning4j
⭐ 14,283 Java 👤 deeplearning4j Organization 🕐 Actualizado 2026-10-05 📅 Creado 2013-11-27
8
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
9
HariSekhon/DevOps-Bash-tools

1200+ Scripts Bash de DevOps - AWS, GCP, Kubernetes, Docker, CI/CD, APIs, SQL, PostgreSQL, MySQL, Hive, Impala, Kafka, Hadoop, Jenkins, GitHub, GitLab, BitBucket, Azure DevOps, TeamCity, Spotify, MP3, LDAP, Linting de código/compilación, gestión de paquetes para Linux, Mac, Python, Perl, Ruby, NodeJS, Golang, Archivos de punto avanzados: .bashrc, .vimrc, .gitconfig, .screenrc, tmux..

HariSekhon
⭐ 8,439 Shell 👤 HariSekhon User 🕐 Actualizado 2026-11-18 📅 Creado 2016-01-17
10
linkedin/school-of-sre

En LinkedIn, estamos utilizando este plan de estudios para incorporar a nuestros talentos de nivel inicial en el rol de SRE.

linkedin
⭐ 8,154 HTML 👤 linkedin Organization 🕐 Actualizado 2025-12-25 📅 Creado 2020-10-26
11
h2oai/h2o-3

H2O es una Plataforma de Machine Learning de Código Abierto, Distribuida, Rápida y Escalable: Deep Learning, Gradient Boosting (GBM) y XGBoost, Random Forest, Generalized Linear Modeling (GLM con Elastic Net), K-Means, PCA, Generalized Additive Models (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.

h2oai
⭐ 7,527 Jupyter Notebook 👤 h2oai Organization 🕐 Actualizado 2026-11-11 📅 Creado 2014-03-03
12
Alluxio/alluxio

Alluxio, orquestación de datos para analítica y aprendizaje automático en la nube

Alluxio
⭐ 7,264 Java 👤 Alluxio Organization 🕐 Actualizado 2026-09-01 📅 Creado 2012-12-21
13
apache/hive

Apache Hive

apache
⭐ 6,038 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2009-05-21
14
apache/calcite

Apache Calcite

apache
⭐ 5,216 Java 👤 apache Organization 🕐 Actualizado 2026-11-19 📅 Creado 2014-06-25
15
apache/ignite

Apache Ignite

apache
⭐ 5,090 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2015-02-19
16
apache/nutch

Apache Nutch es un rastreador web extensible y escalable

apache
⭐ 3,311 Java 👤 apache Organization 🕐 Actualizado 2026-11-17 📅 Creado 2009-05-21
17
WeBankFinTech/DataSphereStudio

DataSphereStudio es un portal todo en uno para el desarrollo y gestión de aplicaciones de datos, que cubre escenarios como intercambio de datos, desensibilización/limpieza, análisis/minería, medición de calidad, visualización y programación de tareas.

WeBankFinTech
⭐ 3,275 Java 👤 WeBankFinTech Organization 🕐 Actualizado 2025-11-04 📅 Creado 2019-11-24
18
MoRan1607/BigDataGuide

Aprendizaje de Big Data, Aprender Big Data desde cero, Incluye videos de aprendizaje y materiales de entrevista para cada etapa del aprendizaje de Big Data

MoRan1607
⭐ 3,259 👤 MoRan1607 User 🕐 Actualizado 2026-01-20 📅 Creado 2019-11-30
19
RayXBuilds/Movie_Recommend

Proyecto histórico de aprendizaje: recomendaciones de películas con Spark, web scraping, aplicación web y backend. El desarrollo continuo de la nueva versión está en cinematch-recommender.

RayXBuilds
⭐ 3,007 Java 👤 RayXBuilds User 🕐 Actualizado 2026-10-21 📅 Creado 2018-04-18
20
geekyouth/SZT-bigdata

Sistema de análisis de flujo de pasajeros Big Data del metro de Shenzhen🚇🚄🌟

geekyouth
⭐ 2,469 Scala 👤 geekyouth User 🕐 Actualizado 2026-05-12 📅 Creado 2020-04-13
21
apache/kyuubi

Apache Kyuubi es un gateway distribuido y multi-tenant para proporcionar SQL sin servidor en almacenes de datos y lakehouses.

apache
⭐ 2,379 Scala 👤 apache Organization 🕐 Actualizado 2026-11-19 📅 Creado 2017-12-18
22
big-data-europe/docker-hadoop

Imagen de Docker de Apache Hadoop

big-data-europe
⭐ 2,312 Shell 👤 big-data-europe Organization 🕐 Actualizado 2024-02-01 📅 Creado 2016-03-09
23
h2oai/h2o-2

Por favor, visite https://github.com/h2oai/h2o-3 para la última versión de H2O

h2oai
⭐ 2,307 Java 👤 h2oai Organization 🕐 Actualizado 2024-10-24 📅 Creado 2013-02-06
24
cdarlint/winutils

binarios winutils.exe, hadoop.dll y hdfs.dll para hadoop en windows

cdarlint
⭐ 2,205 Shell 👤 cdarlint User 🕐 Actualizado 2024-05-16 📅 Creado 2019-01-04
25
apache/drill

Apache Drill es una capa de consulta MPP distribuida para datos auto-descriptivos

apache
⭐ 2,026 Java 👤 apache Organization 🕐 Actualizado 2026-11-12 📅 Creado 2012-09-05
26
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
27
collabH/bigdata-growth

El repositorio de conocimiento de Big Data involucra modelado de data warehouse, computación en tiempo real, Big Data, plataforma de datos centralizada, diseño de sistemas, Java, algoritmos, etc.

collabH
⭐ 1,838 Python 👤 collabH User 🕐 Actualizado 2026-04-18 📅 Creado 2020-06-10
28
OBenner/data-engineering-interview-questions

Más de 2000 preguntas de entrevista para ingenieros de datos.

OBenner
⭐ 1,815 Python 👤 OBenner User 🕐 Actualizado 2026-01-13 📅 Creado 2021-08-08
29
Qihoo360/hbox

IA en Hadoop

Qihoo360
⭐ 1,729 Java 👤 Qihoo360 Organization 🕐 Actualizado 2025-07-01 📅 Creado 2017-12-01
30
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
31
apache/carbondata

Solución de almacén de datos de alto rendimiento

apache
⭐ 1,452 Scala 👤 apache Organization 🕐 Actualizado 2026-10-02 📅 Creado 2016-06-28
32
HariSekhon/Dockerfiles

50+ imágenes públicas de DockerHub para Docker & Kubernetes - DevOps, CI/CD, GitHub Actions, CircleCI, Jenkins, TeamCity, Alpine, CentOS, Debian, Fedora, Ubuntu, Hadoop, Kafka, ZooKeeper, HBase, Cassandra, Solr, SolrCloud, Presto, Apache Drill, Nifi, Spark, Consul, Riak

HariSekhon
⭐ 1,382 Shell 👤 HariSekhon User 🕐 Actualizado 2026-02-03 📅 Creado 2016-01-17
33
apache/ozone

Sistema de almacenamiento distribuido escalable y confiable optimizado para cargas de trabajo de análisis de datos y almacenamiento de objetos.

apache
⭐ 1,335 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-10-02
34
DTStack/Taier

Taier es una plataforma de desarrollo de big data para la presentación, programación, operación y mantenimiento, y visualización de información de indicadores

DTStack
⭐ 1,285 Java 👤 DTStack Organization 🕐 Actualizado 2026-11-05 📅 Creado 2021-03-02
35
HariSekhon/Nagios-Plugins

450+ AWS, Hadoop, Nube, Kafka, Docker, Elasticsearch, RabbitMQ, Redis, HBase, Solr, Cassandra, ZooKeeper, HDFS, Yarn, Hive, Presto, Drill, Impala, Consul, Spark, Jenkins, Travis CI, Git, MySQL, Linux, DNS, Whois, Certificados SSL, Actualizaciones de seguridad de Yum, Kubernetes, Cloudera etc...

HariSekhon
⭐ 1,155 Python 👤 HariSekhon User 🕐 Actualizado 2026-02-03 📅 Creado 2012-12-30
36
realguoshuai/hadoop_study

Actualización regular de la documentación de componentes de big data comúnmente utilizados en el ecosistema Hadoop. Prioridades sucesivas: Flink, Solr, Sparksql, ES, Scala, Kafka, Hbase/phoenix, Redis, Kerberos (el proyecto incluye mapa mental de Hadoop, notas de Evernote, demo simple de versión Scala, clases de herramientas comunes, código de entrenamiento desensibilizado, ¡actualización continua!!!)

realguoshuai
⭐ 916 Java 👤 realguoshuai User 🕐 Actualizado 2026-03-09 📅 Creado 2017-12-15
37
HariSekhon/DevOps-Python-tools

80+ Herramientas CLI de DevOps y Datos - AWS, GCP, Funciones en la Nube Python GCF, Anonimizador de Registros, Spark, Hadoop, HBase, Hive, Impala, Linux, Docker, Convertidores y Validadores de Datos Spark (Avro/Parquet/JSON/CSV/INI/XML/YAML), Travis CI, AWS CloudFormation, Elasticsearch, Solr etc.

HariSekhon
⭐ 824 Python 👤 HariSekhon User 🕐 Actualizado 2026-02-03 📅 Creado 2015-10-27
38
HuQi2018/BiSheServer

Este sistema es mi proyecto de fin de grado, titulado "Diseño e implementación de un sistema de recomendación basado en perfiles de usuario". Principalmente utiliza Django como marco base, adoptando el modelo MTV, con MongoDB, MySQL y Redis como bases de datos. Los datos de películas extraídos de la plataforma Douban se utilizan como fuente de datos principal. Las etiquetas de usuario se desarrollan principalmente basándose en la información básica del usuario y en registros de comportamiento de uso. El sistema de recomendación utiliza componentes de big data como Hadoop y Spark para el análisis y procesamiento. El sistema de gestión utiliza el sistema de gestión integrado de Django, embellecido con SimpleUI.

HuQi2018
⭐ 743 Python 👤 HuQi2018 User 🕐 Actualizado 2026-06-02 📅 Creado 2021-03-28
39
WeBankFinTech/WeDataSphere

WeDataSphere es una suite de plataformas de big data de grado financiero, todo en uno.

WeBankFinTech
⭐ 676 👤 WeBankFinTech Organization 🕐 Actualizado 2024-03-14 📅 Creado 2019-07-23
40
AbsaOSS/spline

Solución de Seguimiento y Visualización del Linaje de Datos

AbsaOSS
⭐ 669 Scala 👤 AbsaOSS Organization 🕐 Actualizado 2026-11-04 📅 Creado 2017-05-30
41
linkedin/venice

Venice, Plataforma de Datos Derivados para Cargas de Trabajo a Escala Planetaria.

linkedin
⭐ 622 Java 👤 linkedin Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-03-18
42
ittqqzz/ECommerceRecommendSystem

Sistema de recomendación en tiempo real de productos de big data de comercio electrónico, Vue + TypeScript + ElementUI + Spring + Spark

ittqqzz
⭐ 528 Java 👤 ittqqzz User 🕐 Actualizado 2026-02-13 📅 Creado 2019-10-28
43
apache/tez

Apache Tez

apache
⭐ 523 Java 👤 apache Organization 🕐 Actualizado 2026-11-10 📅 Creado 2013-04-08

Preguntas frecuentes

1

¿Cuál es el repositorio de #hadoop más popular en GitHub?

El proyecto de código abierto de #hadoop mejor posicionado en GitHub es donnemartin/data-science-ipython-notebooks, con 28,776 estrellas. Notebooks de Python para ciencia de datos: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fundamentos de Python, AWS y varias líneas de comandos.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #hadoop?

Entre los proyectos de #hadoop mejor posicionados en GitHub, los lenguajes de programación más comunes son Java, Python, Shell, Scala.

3

¿Cómo se calcula la clasificación de los repositorios de #hadoop?

Seguimos 43 repositorios activos de código abierto etiquetados con #hadoop (500+ estrellas), que suman un total de 238,277 estrellas, con una media de 5,541 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.