Git Stars Git Stars

#spark Repositorios

Descubre 126 repositorios activos de código abierto de GitHub etiquetados con #spark, que acumulan 513,269 estrellas en total (una media de 4,073 estrellas por proyecto). El líder de este tema es DataTalksClub/data-engineering-zoomcamp, con 46,997 estrellas.

126
Total de Repositorios
513,269
Total de estrellas
4,073
Promedio de Estrellas/Repo

126 repositorios en total

1
DataTalksClub/data-engineering-zoomcamp

Data Engineering Zoomcamp es un curso gratuito de 9 semanas sobre la creación de canalizaciones de datos listas para producción. Únete al curso aquí 👇🏼

DataTalksClub
⭐ 46,997 Jupyter Notebook 👤 DataTalksClub Organization 🕐 Actualizado 2026-11-16 📅 Creado 2021-10-21
2
apache/spark

Apache Spark – Un motor de análisis unificado para el procesamiento de datos a gran escala

apache
⭐ 44,593 Scala 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2014-02-25
3
getredash/redash

Haga que su empresa esté impulsada por datos. Conéctese a cualquier fuente de datos, visualice, cree paneles y comparta sus datos fácilmente.

getredash
⭐ 28,895 TypeScript 👤 getredash Organization 🕐 Actualizado 2026-11-14 📅 Creado 2013-10-28
4
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
5
yeasy/docker_practice

¡Tecnología de contenedores Docker más reciente, aprende las mejores prácticas a partir de casos reales! | Aprende y comprende las tecnologías Docker y Contenedor, con práctica real de DevOps.

yeasy
⭐ 26,382 Go 👤 yeasy User 🕐 Actualizado 2026-11-11 📅 Creado 2014-09-05
6
heibaiying/BigData-Notes

Guía de introducción a Big Data :star:

heibaiying
⭐ 16,818 Java 👤 heibaiying User 🕐 Actualizado 2024-01-05 📅 Creado 2019-03-10
7
FavioVazquez/ds-cheatsheets

Lista de Hojas de Trucos de Ciencia de Datos para gobernar el mundo

FavioVazquez
⭐ 15,921 👤 FavioVazquez User 🕐 Actualizado 2024-07-18 📅 Creado 2018-12-20
8
GaiZhenbiao/ChuanhuChatGPT

GUI para la API de ChatGPT y muchos LLM. Soporta agentes, QA basado en archivos, ajuste fino de GPT y consulta con búsqueda web. Todo con una interfaz de usuario ordenada.

GaiZhenbiao
⭐ 15,237 Python 👤 GaiZhenbiao User 🕐 Actualizado 2026-09-16 📅 Creado 2023-03-02
9
zhisheng17/flink-learning

Blog de aprendizaje de Flink. http://www.54tianzhisheng.cn/ Contiene contenido sobre introducción a Flink, conceptos, principios, práctica, optimización de rendimiento, análisis de código fuente, etc. Involucra casos de aprendizaje sobre Flink Connector, Metrics, Library, DataStream API, Table API & SQL, etc., y el compartir casos de proyectos grandes de aplicaciones de Flink en producción (PVUV, almacenamiento de logs, desduplicación en tiempo real de miles de millones de datos, alertas de monitoreo). Bienvenidos todos a apoyar mi columna «Motor de Computación en Tiempo Real de Big Data Flink: Práctica y Optimización de Rendimiento».

zhisheng17
⭐ 15,109 Java 👤 zhisheng17 User 🕐 Actualizado 2026-05-06 📅 Creado 2019-01-01
10
aalansehaiyang/technology-talk

【Columna de Entrevistas en Grandes Empresas】 ¡Una guía técnica para programadores Java! Incluye preguntas de entrevista, arquitectura de sistemas, consejos laborales, middleware principal, etc., para que te conviertas en un mejor profesional.

aalansehaiyang
⭐ 14,717 👤 aalansehaiyang User 🕐 Actualizado 2025-07-21 📅 Creado 2016-06-10
11
horovod/horovod

Marco de entrenamiento distribuido para TensorFlow, Keras, PyTorch y Apache MXNet.

horovod
⭐ 14,695 Python 👤 horovod Organization 🕐 Actualizado 2026-06-20 📅 Creado 2017-08-09
12
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
13
tobymao/sqlglot

Analizador y Transpilador SQL de Python

tobymao
⭐ 9,809 Python 👤 tobymao User 🕐 Actualizado 2026-11-21 📅 Creado 2021-03-13
14
delta-io/delta

Un marco de almacenamiento de código abierto que permite construir una arquitectura Lakehouse con motores de cómputo que incluyen Spark, PrestoDB, Flink, Trino y Hive, y APIs

delta-io
⭐ 9,083 Scala 👤 delta-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-04-22
15
mage-ai/mage-ai

🧙 Cree, ejecute y administre pipelines de datos para integrar y transformar datos.

mage-ai
⭐ 8,850 Python 👤 mage-ai Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-05-16
16
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
17
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
18
Angel-ML/angel

Un servidor de parámetros flexible y potente para aprendizaje automático a gran escala

Angel-ML
⭐ 6,797 Java 👤 Angel-ML Organization 🕐 Actualizado 2026-11-19 📅 Creado 2017-04-25
19
apache/zeppelin

Cuaderno basado en web que permite análisis de datos interactivos impulsados por datos y documentos colaborativos con SQL, Scala y más.

apache
⭐ 6,670 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2015-03-25
20
microsoft/SynapseML

Biblioteca de Python de aprendizaje automático simple y distribuido que transfiere algoritmos de ML a Spark

microsoft
⭐ 5,257 Scala 👤 microsoft Organization 🕐 Actualizado 2026-11-18 📅 Creado 2017-06-05
21
tencentmusic/cube-studio

cube studio Plataforma de IA todo en uno nativa de la nube, de código abierto, para aprendizaje automático/aprendizaje profundo/modelos grandes, flujo completo de enlaces de algoritmos MLOps, plataforma de alquiler de potencia de cómputo, desarrollo en línea de Notebook, orquestación de pipeline de flujo de tareas de arrastrar y soltar, entrenamiento distribuido multi-máquina multi-GPU, búsqueda de hiperparámetros, virtualización VGPU de servicio de inferencia, computación en el borde, anotación automatizada de la plataforma de anotación, ajuste fino SFT de modelos grandes/Modelo de recompensa/Entrenamiento de aprendizaje por refuerzo de Deepseek, inferencia multi-máquina de modelos grandes como vLLM/Ollama/MindSpore, base de conocimientos privada, mercado de modelos de IA, soporte para el ecosistema Ascend de CPU/GPU/NPU domésticos, soporte RDMA, soporte para frameworks distribuidos como PyTorch/TF/MXNet/DeepSpeed/Paddle/ColossalAI/Horovod/Ray/Volcano

tencentmusic
⭐ 5,085 👤 tencentmusic Organization 🕐 Actualizado 2026-10-09 📅 Creado 2021-08-17
22
apache/streampark

El plano de control abierto para datos en tiempo real

apache
⭐ 4,352 Java 👤 apache Organization 🕐 Actualizado 2026-10-31 📅 Creado 2019-05-27
23
JohnSnowLabs/spark-nlp

Procesamiento de Lenguaje Natural de Vanguardia

JohnSnowLabs
⭐ 4,162 Scala 👤 JohnSnowLabs Organization 🕐 Actualizado 2026-11-14 📅 Creado 2017-09-24
24
RoaringBitmap/RoaringBitmap

Un bitset comprimido mejorado en Java: utilizado por Apache Spark, Netflix Atlas, Apache Pinot, Tablesaw y muchos otros

RoaringBitmap
⭐ 3,957 Java 👤 RoaringBitmap Organization 🕐 Actualizado 2026-11-14 📅 Creado 2013-06-17
25
Cyb3rWard0g/HELK

ELK de caza

Cyb3rWard0g
⭐ 3,901 Jupyter Notebook 👤 Cyb3rWard0g User 🕐 Actualizado 2024-06-01 📅 Creado 2017-03-14
26
awslabs/deequ

Deequ es una biblioteca construida sobre Apache Spark para definir "pruebas unitarias para datos", que miden la calidad de los datos en conjuntos de datos grandes.

awslabs
⭐ 3,660 Scala 👤 awslabs Organization 🕐 Actualizado 2026-10-20 📅 Creado 2018-08-07
27
lakehq/sail

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.

lakehq
⭐ 3,504 Rust 👤 lakehq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-12-21
28
liyupi/sql-generator

🔨 Genere instrucciones SQL estructuradas con JSON, basado en Vue3 + TypeScript + Vite + Ant Design + MonacoEditor, el proyecto es simple (lógica fuerte, páginas ligeras), adecuado para practicar~

liyupi
⭐ 3,455 Vue 👤 liyupi User 🕐 Actualizado 2024-01-17 📅 Creado 2022-05-12
29
apache/paimon

Apache Paimon es un formato de lago que permite construir una Arquitectura de Data Lake en Tiempo Real con Flink y Spark tanto para operaciones de streaming como batch.

apache
⭐ 3,454 Java 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-01-12
30
apache/linkis

Apache Linkis construye una capa de middleware de cómputo para facilitar la conexión, gobernanza y orquestación entre las aplicaciones superiores y los motores de datos subyacentes.

apache
⭐ 3,417 Java 👤 apache Organization 🕐 Actualizado 2026-11-04 📅 Creado 2019-07-23
31
databricks/koalas

Koalas: API de pandas en Apache Spark

databricks
⭐ 3,368 Python 👤 databricks Organization 🕐 Actualizado 2024-03-20 📅 Creado 2019-01-03
32
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
33
lakesoul-io/LakeSoul

Un motor lakehouse abierto para agentes: nativo de Postgres, de vectores y de Python. Habla PostgreSQL, funciona sobre tu almacenamiento de objetos y está escrito en Rust.

lakesoul-io
⭐ 3,261 Rust 👤 lakesoul-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-12-28
34
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
35
kubeflow/spark-operator

Operador de Kubernetes para gestionar el ciclo de vida de aplicaciones de Apache Spark en Kubernetes.

kubeflow
⭐ 3,162 Python 👤 kubeflow Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-01-03
36
Luce-Org/lucebox

Motor de inferencia Lucebox para hardware heterogéneo y GPU de consumo

Luce-Org
⭐ 3,024 C++ 👤 Luce-Org Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-04-03
37
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
38
spark-jobserver/spark-jobserver

Servidor de trabajos REST para Apache Spark

spark-jobserver
⭐ 2,833 Scala 👤 spark-jobserver Organization 🕐 Actualizado 2026-03-03 📅 Creado 2014-08-21
39
vector4wang/spring-boot-quick

:herb: Ejemplos de aprendizaje rápido basados en Spring Boot, integrando frameworks de código abierto que he encontrado, como: RabbitMQ (cola de retraso), Kafka, JPA, Redis, OAuth2, Swagger, JSP, Docker, K3s, K3d, K8s, plugin de encriptación/desencriptación de MyBatis, manejo de excepciones, salida de logs, desarrollo multi-módulo, empaquetado multi-entorno, caché, rastreador web, JWT, GraphQL, Dubbo, Zookeeper y Async, etc. :pushpin:

vector4wang
⭐ 2,789 Java 👤 vector4wang User 🕐 Actualizado 2026-05-16 📅 Creado 2017-03-13
40
moj-analytical-services/splink

Enlace de datos probabilístico rápido, preciso y escalable con soporte para múltiples backends SQL

moj-analytical-services
⭐ 2,592 Python 👤 moj-analytical-services Organization 🕐 Actualizado 2026-11-11 📅 Creado 2019-11-22
41
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
42
XZB-1248/Spark

✨Spark es una Herramienta de Administración Remota (RAT) basada en web, multiplataforma y con todas las funciones, escrita en Go, que te permite controlar todos tus dispositivos en cualquier lugar. Spark es una herramienta de control y monitoreo remoto escrita en Go, basada en web, multiplataforma y con todas las funciones, que te permite monitorear y controlar todos los dispositivos en cualquier momento y lugar.

XZB-1248
⭐ 2,412 Go 👤 XZB-1248 User 🕐 Actualizado 2026-03-16 📅 Creado 2022-03-16
43
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
44
ytsaurus/ytsaurus

YTsaurus es una plataforma de big data de código abierto escalable y tolerante a fallos.

ytsaurus
⭐ 2,325 C++ 👤 ytsaurus Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-12-05
45
o-gs/dji-firmware-tools

Herramientas para manejar firmwares de productos DJI, con enfoque en cuadricópteros.

o-gs
⭐ 2,309 C 👤 o-gs Organization 🕐 Actualizado 2026-11-11 📅 Creado 2016-08-03
46
salesforce/TransmogrifAI

TransmogrifAI (pronunciado trăns-mŏgˈrə-fī) es una biblioteca de AutoML para construir flujos de trabajo de aprendizaje automático modulares, reutilizables y fuertemente tipados en Apache Spark con una mínima intervención manual.

salesforce
⭐ 2,280 Scala 👤 salesforce Organization 🕐 Actualizado 2026-06-02 📅 Creado 2017-11-02
47
fugue-project/fugue

Una interfaz unificada para la computación distribuida. Fugue ejecuta código SQL, Python, Pandas y Polars en Spark, Dask y Ray sin reescrituras.

fugue-project
⭐ 2,168 Python 👤 fugue-project Organization 🕐 Actualizado 2026-11-12 📅 Creado 2020-03-24
48
zio/zio-quill

Consultas integradas en el lenguaje en tiempo de compilación para Scala

zio
⭐ 2,165 Scala 👤 zio Organization 🕐 Actualizado 2026-11-21 📅 Creado 2015-07-20
49
dotnet/spark

.NET for Apache® Spark™ hace que Apache Spark™ sea fácilmente accesible para los desarrolladores de .NET.

dotnet
⭐ 2,096 C# 👤 dotnet Organization 🕐 Actualizado 2026-11-05 📅 Creado 2019-04-22
50
broadinstitute/gatk

Repositorio de código oficial para GATK versiones 4 y superiores

broadinstitute
⭐ 2,010 Java 👤 broadinstitute Organization 🕐 Actualizado 2026-11-21 📅 Creado 2014-12-02

Preguntas frecuentes

1

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

El proyecto de código abierto de #spark mejor posicionado en GitHub es DataTalksClub/data-engineering-zoomcamp, con 46,997 estrellas. Data Engineering Zoomcamp es un curso gratuito de 9 semanas sobre la creación de canalizaciones de datos listas para producción. Únete al curso aquí 👇🏼

2

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

Entre los proyectos de #spark mejor posicionados en GitHub, los lenguajes de programación más comunes son Java, Scala, Python, Jupyter Notebook.

3

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

Seguimos 126 repositorios activos de código abierto etiquetados con #spark (500+ estrellas), que suman un total de 513,269 estrellas, con una media de 4,073 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.