#parquet Repositorios
Descubre 45 repositorios activos de código abierto de GitHub etiquetados con #parquet, que acumulan 105,539 estrellas en total (una media de 2,345 estrellas por proyecto). El líder de este tema es questdb/questdb, con 17,543 estrellas.
45 repositorios en total
QuestDB es una base de datos de series temporales de código abierto y alto rendimiento
Apache Arrow es el formato columnar universal y la caja de herramientas multilingüe para el intercambio rápido de datos y análisis en memoria
Motor de datos de alto rendimiento para cargas de trabajo de IA y multimodales. Procese imágenes, audio, video y datos estructurados a cualquier escala.
Sustituto drop-in de Apache Spark escrito en Rust, que unifica el procesamiento por lotes, el procesamiento en streaming y las cargas de trabajo de IA intensivas en cómputo.
Cree API completas para conjuntos de datos que se mueven lentamente sin escribir una sola línea de código.
Parseable es una plataforma de observabilidad de infraestructura unificada y de código abierto, construida en Rust sobre una arquitectura de lago de datos. Rastrea registros, métricas, trazas y eventos en aplicaciones, agentes y sistemas, reduciendo los costos de almacenamiento hasta en un 90% mediante la compresión de telemetría columnar.
Archiva una vida de correos electrónicos y chats. Búsqueda sin conexión, análisis y consulta de IA sobre todo tu historial de mensajes. Impulsado por SQLite y DuckDB.
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.
Agente compatible con Apache Kafka® con S3, PostgreSQL, SQLite, Apache Iceberg y Delta Lake
La biblioteca Petastorm permite el entrenamiento y la evaluación de modelos de aprendizaje profundo en una sola máquina o de forma distribuida a partir de conjuntos de datos en formato Apache Parquet. Admite marcos de ML como Tensorflow, Pytorch y PySpark y se puede utilizar desde código Python puro.
Una interfaz SQL para más de 60 herramientas (p. ej., GitHub, Notion, Airtable). Conéctese a cualquier LLM a través de MCP.
Tonbo es una base de datos embebida para entornos de ejecución sin servidor y de borde.
cryo es la forma más sencilla de extraer datos de blockchain a parquet, csv, json o dataframes de python
Quilt es una Plataforma de Gestión de Datos Científicos en AWS que ayuda a equipos e IA a encontrar, confiar y reutilizar datos a través de paquetes de datos profundamente versionados y ricos en contexto.
Aplicación de escritorio simple para Windows para ver y consultar archivos Apache Parquet
Lago de datos local y de código abierto para el mercado bursátil chino (acciones A): cotizaciones de Shanghái y Shenzhen, datos de acciones A y datos financieros para investigación cuantitativa, trading y backtesting. Incluye datos financieros, de futuros y flujos de capital, anuncios, índices, sectores y datos macroeconómicos. 86 conjuntos de datos actualizados a diario, con precios ajustados por eventos corporativos e históricos de componentes integrados, trazabilidad a nivel de fila, PIT y compatibilidad nativa con MCP. Sin registro ni token; autohospedado. Lago de datos de código abierto del mercado bursátil chino para investigación cuantitativa, backtesting y agentes de IA.
ADAM es una plataforma de análisis genómico con formatos de archivo especializados creados con Apache Avro, Apache Spark y Apache Parquet. Licenciado bajo Apache 2.
Framework ETL para .NET (Analizador / Escritor para archivos en formato CSV, Flat, Xml, JSON, Key-Value, Parquet, Yaml, Avro)
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.
Base de datos de series temporales de código abierto y nativa de SQL para la telemetría que necesitas conservar. Ingesta más de 38 millones de registros por segundo y consulta más de 25 millones de filas por segundo. Compatible con InfluxDB Line Protocol y Telegraf. Parquet abierto en tu almacenamiento. Un único binario. Compatibilidad nativa con S3/Azure. Preparada para entornos aislados. AGPL-3.0.
Copiar a/desde Parquet en S3, Azure Blob Storage, Google Cloud Storage, almacenamientos http(s), archivos locales o flujo de entrada/salida estándar desde PostgreSQL
Graph Data Science: una capa de abstracción en Python para construir grafos de conocimiento, integrada con bibliotecas de grafos populares: sobre Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, etc.
Bindings de WebAssembly basados en Rust para leer y escribir datos Apache Parquet
El banco de trabajo DuckDB totalmente de código abierto que se ejecuta en su navegador. Editor SQL, cuadernos, gráficos, asistente de IA. Sin instalación, sin registro, sin backend: sus datos nunca salen de la pestaña.
Análisis de datos y BI en el navegador con DuckDB-WASM. La privacidad es lo primero: tus datos permanecen localmente; no se necesita ningún servidor.
Simulación Monte Carlo de la temporada de la NBA, aprovechando dbt, duckdb y evidence.dev
select * from logs; Tailpipe es un SIEM de código abierto para obtener información instantánea de los registros, impulsado por DuckDB. Analice millones de eventos en segundos, directamente desde su terminal.
Un visor rápido para archivos CSV/Parquet y bases de datos como DuckDB, SQLite, PostgreSQL, MySQL, Clickhouse, etc., basado en Tauri.
Extensión Data Preview 🈸 para importar 📤 ver 🔎 cortar 🔪 trocear 🎲 diagramar 📊 y exportar 📥 archivos de datos grandes de array/configuración JSON, YAML, Apache Arrow, Avro, Parquet y Excel
Un motor SQL embebido experimental en C++20. Consulte archivos Parquet, CSV, JSON, Arrow, Avro, SQLite y Excel directamente con SQL, en proceso. En etapa inicial.
reth-indexer lee directamente desde la base de datos reth e indexa los datos en bases de datos y almacenes de datos tradicionales y alternativos (postgres, GCP bigquery, etc.), todo decodificado con un simple archivo de configuración y sin configuración adicional, además de exponer una API lista para consultar los datos.
Preguntas frecuentes
¿Cuál es el repositorio de #parquet más popular en GitHub?
El proyecto de código abierto de #parquet mejor posicionado en GitHub es questdb/questdb, con 17,543 estrellas. QuestDB es una base de datos de series temporales de código abierto y alto rendimiento
¿Qué lenguajes de programación se utilizan más en los repositorios de #parquet?
Entre los proyectos de #parquet mejor posicionados en GitHub, los lenguajes de programación más comunes son Rust, Go, Python, C++.
¿Cómo se calcula la clasificación de los repositorios de #parquet?
Seguimos 45 repositorios activos de código abierto etiquetados con #parquet (500+ estrellas), que suman un total de 105,539 estrellas, con una media de 2,345 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.