#apache-spark Dépôts
Découvrez 44 dépôts GitHub open source actifs associés à #apache-spark, cumulant 97,788 étoiles au total (soit une moyenne de 2,222 étoiles par projet). Le projet en tête de ce thème est mlflow/mlflow, avec 28,920 étoiles.
44 dépôts au total
La plateforme d'ingénierie IA open source pour les agents, les LLM et les modèles ML. MLflow permet aux équipes de toutes tailles de déboguer, évaluer, surveiller et optimiser des applications IA de qualité production tout en contrôlant les coûts et en gérant l'accès aux modèles et aux données.
lakeFS - Contrôle de version des données pour votre lac de données | Git pour les données
Bibliothèque Python d'apprentissage automatique simple et distribué portant des algorithmes ML pour Spark
Remplacement drop-in d'Apache Spark écrit en Rust, unifiant le traitement par lots, le traitement en flux et les charges de travail IA intensives en calcul.
Opérateur Kubernetes pour gérer le cycle de vie des applications Apache Spark sur Kubernetes.
.NET for Apache® Spark™ rend Apache Spark™ facilement accessible aux développeurs .NET.
Feathr – Une plateforme unifiée et évolutive d'ingénierie de données et d'IA pour l'entreprise
Une liste organisée d'excellents packages et ressources Apache Spark.
GeoMesa est une suite d'outils pour travailler avec de grandes données géospatiales de manière distribuée.
Ceci est le dépôt GitHub pour Learning Spark: Lightning-Fast Data Analytics [2nd Edition]
GraphFrames est un package pour Apache Spark qui fournit des graphes basés sur DataFrame.
Une liste organisée de ressources incroyablement géniales sur Hadoop et l'écosystème Hadoop
Exemples publics exécutables d'utilisation de NLP de John Snow Labs pour Apache Spark.
Livre : MapReduce, Spark, Java et Scala pour les algorithmes de données
Le logiciel utilisé pour extraer des données structurées de Wikipédia
Ce dépôt contient le code de développement de sparkMeasure, une bibliothèque d'analyse des performances et de dépannage pour Apache Spark. Elle simplifie la collecte, l'agrégation et l'exportation des métriques des tâches/étapes Spark, et est conçue pour une utilisation pratique par les développeurs et les ingénieurs de données dans les flux de travail d'analyse interactive, de test et de surveillance en production.
Ce dépôt contient les notebooks et les présentations que nous utilisons pour nos Databricks Tech Talks "
Les bibliothèques AWS Glue sont des ajouts et des améliorations à Spark pour les opérations ETL.
Service web REST pour le scoring en temps réel véritable (<1 ms) des modèles Scikit-Learn, R et Apache Spark
Ce projet fournit des exemples Apache Spark SQL, RDD, DataFrame et Dataset en langage Scala.
Apache Spark 3 - Programmation Spark en Python pour débutants
Foire aux questions
Quel est le dépôt #apache-spark le plus populaire sur GitHub ?
Le projet #apache-spark open source le mieux classé sur GitHub est mlflow/mlflow, avec 28,920 étoiles. La plateforme d'ingénierie IA open source pour les agents, les LLM et les modèles ML. MLflow permet aux équipes de toutes tailles de déboguer, évaluer, surveiller et optimiser des applications IA de qualité production tout en contrôlant les coûts et en gérant l'accès aux modèles et aux données.
Quels langages de programmation sont les plus utilisés dans les dépôts #apache-spark ?
Parmi les projets #apache-spark les mieux classés sur GitHub, les langages de programmation les plus courants sont Scala, Python, Java, Jupyter Notebook.
Comment le classement des dépôts #apache-spark est-il calculé ?
Nous suivons 44 dépôts open source actifs associés à #apache-spark (500+ étoiles), totalisant 97,788 étoiles, avec une moyenne de 2,222 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.