Git Stars Git Stars

#spark Repositorios

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

126 repositorios en total

51
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
52
apache/cassandra-spark-connector

Conector de Apache Spark a Apache Cassandra

apache
⭐ 1,948 Scala 👤 apache Organization 🕐 Actualizado 2025-04-29 📅 Creado 2014-06-27
53
apache/auron

Apache Auron es un acelerador para motores de big data que aprovecha la ejecución vectorizada nativa para acelerar el procesamiento de consultas.

apache
⭐ 1,849 Rust 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2021-06-28
54
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
55
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
56
zhonghuasheng/Tutorial

Resumen del sistema de arquitectura de conocimiento de pila completa de backend (Java Golang)

zhonghuasheng
⭐ 1,756 Shell 👤 zhonghuasheng User 🕐 Actualizado 2025-07-20 📅 Creado 2016-01-23
57
apachecn/.github

ApacheCN Organización de Código Abierto: Anuncios, Introducción, Miembros, Actividades, Formas de Comunicación

apachecn
⭐ 1,750 CSS 👤 apachecn Organization 🕐 Actualizado 2026-11-02 📅 Creado 2018-07-19
58
strapdata/elassandra

Elassandra = Elasticsearch + Apache Cassandra

strapdata
⭐ 1,718 Java 👤 strapdata Organization 🕐 Actualizado 2026-05-17 📅 Creado 2015-08-22
59
jadianes/spark-py-notebooks

Tutoriales de Apache Spark & Python (pySpark) para el Análisis de Big Data y Machine Learning como cuadernos IPython / Jupyter

jadianes
⭐ 1,667 Jupyter Notebook 👤 jadianes User 🕐 Actualizado 2024-03-16 📅 Creado 2015-05-06
60
almond-sh/almond

Un kernel de Scala para Jupyter

almond-sh
⭐ 1,631 Scala 👤 almond-sh Organization 🕐 Actualizado 2026-11-19 📅 Creado 2015-03-10
61
japila-books/apache-spark-internals

Los internos de Apache Spark

japila-books
⭐ 1,553 👤 japila-books Organization 🕐 Actualizado 2026-10-10 📅 Creado 2015-08-31
62
combust/mleap

MLeap: Implementar pipelines de ML en producción

combust
⭐ 1,544 Scala 👤 combust Organization 🕐 Actualizado 2026-11-09 📅 Creado 2016-08-23
63
hi-primus/optimus

:truck: Flujos de trabajo de preparación de datos ágiles hechos fáciles con Pandas, Dask, cuDF, Dask-cuDF, Vaex y PySpark

hi-primus
⭐ 1,539 Python 👤 hi-primus Organization 🕐 Actualizado 2024-12-02 📅 Creado 2017-07-13
64
projectnessie/nessie

Nessie: Catálogo transaccional para Data Lakes con semántica similar a Git

projectnessie
⭐ 1,533 Java 👤 projectnessie Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-04-09
65
apache/carbondata

Solución de almacén de datos de alto rendimiento

apache
⭐ 1,452 Scala 👤 apache Organization 🕐 Actualizado 2026-10-02 📅 Creado 2016-06-28
66
databricks/LearningSparkV2

Este es el repositorio de GitHub para Learning Spark: Lightning-Fast Data Analytics [2nd Edition]

databricks
⭐ 1,396 Scala 👤 databricks Organization 🕐 Actualizado 2025-01-28 📅 Creado 2019-02-10
67
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
68
jupyter-incubator/sparkmagic

Magias y kernels de Jupyter para trabajar con clústeres Spark remotos

jupyter-incubator
⭐ 1,368 Python 👤 jupyter-incubator Organization 🕐 Actualizado 2026-11-20 📅 Creado 2015-09-21
69
apache/datafusion-comet

Apache DataFusion Comet Spark Accelerator

apache
⭐ 1,326 Scala 👤 apache Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-01-15
70
iflytek/datasophon

El experto en gestión de big data nativo para la nube de próxima generación tiene como objetivo ayudar a los usuarios a crear rápidamente plataformas nativas para la nube estables, eficientes y escalables para big data.

iflytek
⭐ 1,325 Java 👤 iflytek Organization 🕐 Actualizado 2025-07-22 📅 Creado 2022-10-11
71
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
72
mahmoudparsian/pyspark-tutorial

PySpark-Tutorial proporciona algoritmos básicos usando PySpark

mahmoudparsian
⭐ 1,276 Jupyter Notebook 👤 mahmoudparsian User 🕐 Actualizado 2025-05-26 📅 Creado 2015-03-12
73
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
74
graphframes/graphframes

GraphFrames es un paquete para Apache Spark que proporciona grafos basados en DataFrame.

graphframes
⭐ 1,213 Scala 👤 graphframes Organization 🕐 Actualizado 2026-11-12 📅 Creado 2016-01-20
75
apache/amoro

Apache Amoro (incubating) es un sistema de gestión de Lakehouse construido sobre formatos abiertos de lago de datos.

apache
⭐ 1,207 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-07-14
76
abhishek-ch/around-dataengineering

Un centro de conocimiento de ingeniería de datos y aprendizaje automático

abhishek-ch
⭐ 1,140 Python 👤 abhishek-ch User 🕐 Actualizado 2024-02-02 📅 Creado 2020-09-18
77
apache/celeborn

Apache Celeborn es un servicio elástico y de alto rendimiento para datos de shuffle y derramados.

apache
⭐ 1,081 Java 👤 apache Organization 🕐 Actualizado 2026-11-20 📅 Creado 2021-12-10
78
metabrainz/listenbrainz-server

Servidor para el proyecto ListenBrainz, que incluye el código front-end (javascript/react) que sirve y todos los componentes de procesamiento de datos que utiliza LB.

metabrainz
⭐ 1,074 Python 👤 metabrainz Organization 🕐 Actualizado 2026-11-21 📅 Creado 2015-09-05
79
bigdatagenomics/adam

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.

bigdatagenomics
⭐ 1,060 Scala 👤 bigdatagenomics Organization 🕐 Actualizado 2026-03-17 📅 Creado 2013-11-19
80
NVIDIA/cudf-spark

Complemento NVIDIA cuDF para Apache Spark: acelere Apache Spark con GPU

NVIDIA
⭐ 1,021 Scala 👤 NVIDIA Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-05-14
81
deanwampler/spark-scala-tutorial

Un tutorial gratuito para Apache Spark.

deanwampler
⭐ 988 Jupyter Notebook 👤 deanwampler User 🕐 Actualizado 2026-01-05 📅 Creado 2014-05-01
82
h2oai/sparkling-water

Sparkling Water proporciona funcionalidad H2O dentro del clúster Spark

h2oai
⭐ 982 Scala 👤 h2oai Organization 🕐 Actualizado 2025-11-05 📅 Creado 2014-10-13
83
sparklyr/sparklyr

Interfaz de R para Apache Spark

sparklyr
⭐ 970 R 👤 sparklyr Organization 🕐 Actualizado 2026-11-09 📅 Creado 2016-05-20
84
data-prep-kit/data-prep-kit

Proyecto de código abierto para la preparación de datos para aplicaciones GenAI

data-prep-kit
⭐ 968 HTML 👤 data-prep-kit Organization 🕐 Actualizado 2026-09-29 📅 Creado 2024-04-08
85
delta-io/delta-sharing

Un protocolo abierto para compartir datos de forma segura

delta-io
⭐ 965 Scala 👤 delta-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-04-08
86
apache/livy

Apache Livy es una interfaz REST de código abierto para interactuar con Apache Spark desde cualquier lugar.

apache
⭐ 962 Scala 👤 apache Organization 🕐 Actualizado 2026-10-20 📅 Creado 2017-06-25
87
microsoft/Mobius

Enlaces de lenguaje y extensiones para C# y F# en Apache Spark

microsoft
⭐ 948 C# 👤 microsoft Organization 🕐 Actualizado 2025-12-11 📅 Creado 2015-10-27
88
RedisLabs/spark-redis

Un conector para Spark que permite leer y escribir desde/hacia un clúster de Redis

RedisLabs
⭐ 944 Scala 👤 RedisLabs Organization 🕐 Actualizado 2026-10-12 📅 Creado 2015-08-16
89
XHToken/Spark-X2.6

Serie de modelos abiertos Spark-x2.6. Ampliando los límites de las capacidades agénticas en los modelos en dispositivo

XHToken
⭐ 927 👤 XHToken Organization 🕐 Actualizado 2026-11-04 📅 Creado 2026-08-24
90
typelevel/frameless

Tipos expresivos para Spark.

typelevel
⭐ 898 Scala 👤 typelevel Organization 🕐 Actualizado 2026-10-28 📅 Creado 2015-03-28
91
pingcap/tispark

TiSpark está diseñado para ejecutar Apache Spark sobre TiDB/TiKV.

pingcap
⭐ 889 Scala 👤 pingcap Organization 🕐 Actualizado 2026-08-20 📅 Creado 2017-05-02
92
ohenley/awesome-ada

Una lista curada de recursos increíbles relacionados con el lenguaje de programación Ada y SPARK

ohenley
⭐ 881 👤 ohenley User 🕐 Actualizado 2026-11-14 📅 Creado 2018-10-24
93
awslabs/data-on-eks

DoEKS es una herramienta para construir, implementar y escalar plataformas de datos en Amazon EKS

awslabs
⭐ 863 Shell 👤 awslabs Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-09-25
94
LucaCanali/sparkMeasure

Este repositorio contiene el código de desarrollo de sparkMeasure, una biblioteca de análisis de rendimiento y resolución de problemas de Apache Spark. Simplifica la recopilación, agregación y exportación de métricas de tareas/etapas de Spark, y está diseñado para un uso práctico por parte de desarrolladores e ingenieros de datos en flujos de trabajo de análisis interactivo, pruebas y monitoreo de producción.

LucaCanali
⭐ 831 Scala 👤 LucaCanali User 🕐 Actualizado 2026-10-16 📅 Creado 2017-03-16
95
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
96
WeBankFinTech/Scriptis

Scriptis es para el análisis de datos interactivo con desarrollo de scripts (SQL, PySpark, HiveQL), envío de tareas (Spark, Hive), UDF, funciones, gestión de recursos y diagnóstico inteligente.

WeBankFinTech
⭐ 812 Vue 👤 WeBankFinTech Organization 🕐 Actualizado 2024-12-11 📅 Creado 2019-07-23
98
cdapio/cdap

Un framework de código abierto para crear aplicaciones de análisis de datos.

cdapio
⭐ 791 Java 👤 cdapio Organization 🕐 Actualizado 2026-11-21 📅 Creado 2014-08-02
99
a616567126/GPT-WEB-JAVA

¡Chatbot de IA basado en JDK8! Cuenta pública de WeChat Midjourney Graphics, Canje de clave, Soporte web ChatGPT, Midjourney Graphics, SD Graphics, Canje de clave, YiPay, Adquisición de tráfico de cuenta pública, Registro de correo electrónico🔥

a616567126
⭐ 774 Java 👤 a616567126 User 🕐 Actualizado 2026-11-18 📅 Creado 2023-03-28
100
MigoXLab/dingo

Dingo: Una herramienta integral de evaluación de la calidad de datos, modelos y aplicaciones de IA

MigoXLab
⭐ 771 Python 👤 MigoXLab Organization 🕐 Actualizado 2026-11-19 📅 Creado 2024-12-24