Git Stars Git Stars

#data-pipeline Dépôts

Découvrez 67 dépôts GitHub open source actifs associés à #data-pipeline, cumulant 219,024 étoiles au total (soit une moyenne de 3,269 étoiles par projet). Le projet en tête de ce thème est xai-org/x-algorithm, avec 34,361 étoiles.

67
Total des Dépôts
219,024
Nombre total d'étoiles
3,269
Moyenne d'Étoiles/Dépôt
1
xai-org/x-algorithm

Algorithme qui propulse le fil For You sur X

xai-org
⭐ 34,361 Rust 👤 xai-org Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-01-19
2
airbytehq/airbyte

Mouvement de données open-source pour les pipelines ELT et les agents IA — des API, bases de données et fichiers vers les entrepôts de données, lacs de données et applications IA. Auto-hébergé et Cloud.

airbytehq
⭐ 22,426 Python 👤 airbytehq Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-07-27
3
apache/shardingsphere

Renforcer l'Intelligence des Données avec SQL Distribué pour le Sharding, la Scalabilité et la Sécurité dans Toutes les Bases de Données.

apache
⭐ 20,832 Java 👤 apache Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2016-01-18
4
debezium/debezium

Capture de données modifiées pour diverses bases de données. Veuillez signaler les problèmes sur https://github.com/debezium/dbz/issues.

debezium
⭐ 13,366 Java 👤 debezium Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2016-01-22
5
pentaho/pentaho-kettle

Pentaho Data Integration (ETL) alias Kettle

pentaho
⭐ 8,419 Java 👤 pentaho Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2013-10-08
6
meirwah/awesome-workflow-engines

Une liste curated d'excellents moteurs de workflow open source

meirwah
⭐ 7,967 👤 meirwah User 🕐 Mis à jour 2026-10-11 📅 Créé 2015-05-20
7
datajuicer/data-juicer

Traitement des données pour et avec des modèles fondamentaux ! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

datajuicer
⭐ 7,266 Python 👤 datajuicer Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2023-08-01
8
snowplow/snowplow

Le leader en Infrastructure de Données Clients

snowplow
⭐ 7,052 Scala 👤 snowplow Organization 🕐 Mis à jour 2026-10-19 📅 Créé 2012-03-01
9
apache/flink-cdc

Flink CDC est un outil d'intégration de données en streaming

apache
⭐ 6,495 Java 👤 apache Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2020-07-27
10
clidey/whodb

Là où l'accès aux données rencontre l'intelligence opérationnelle

clidey
⭐ 5,065 Go 👤 clidey Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-06-11
11
togethercomputer/RedPajama-Data

Le dépôt RedPajama-Data contient du code pour la préparation de grands ensembles de données destinés à l'entraînement de grands modèles linguistiques.

togethercomputer
⭐ 4,997 Python 👤 togethercomputer Organization 🕐 Mis à jour 2026-06-03 📅 Créé 2023-04-14
12
dagucloud/dagu

Orchestrateur de workflows auto-hébergeable pour les équipes dont l’activité principale n’est pas l’orchestration. YAML déclaratif pour vos scripts, commandes SSH, conteneurs, etc. ; séparez les workflows de la logique métier. Un seul binaire, sans base de données, il fonctionne avec des ressources matérielles limitées. Une alternative à Airflow, Cron et aux ordonnanceurs de tâches.

dagucloud
⭐ 4,642 Go 👤 dagucloud Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2022-04-22
13
rudderlabs/rudder-server

Alternative à Segment axée sur la confidentialité et la sécurité, en Golang et React

rudderlabs
⭐ 4,520 Go 👤 rudderlabs Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2019-07-19
14
bruin-data/ingestr

ingestr est un outil CLI pour copier des données entre n'importe quelle base de données avec une seule commande, de manière transparente.

bruin-data
⭐ 4,049 Go 👤 bruin-data Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-02-12
15
adilkhash/Data-Engineering-HowTo

Une liste de ressources utiles pour apprendre l'Ingénierie des Données dès le début

adilkhash
⭐ 4,049 👤 adilkhash User 🕐 Mis à jour 2026-10-30 📅 Créé 2019-03-28
16
superlinked/sie

Serveur d'inférence open source et cluster de production pour tous les modèles dont votre agent a besoin.

superlinked
⭐ 3,534 Python 👤 superlinked Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2023-11-07
17
superstreamlabs/memphis

Memphis.dev est une plate-forme de diffusion de données hautement évolutive et sans effort

superstreamlabs
⭐ 3,442 Go 👤 superstreamlabs Organization 🕐 Mis à jour 2026-03-02 📅 Créé 2022-02-01
18
whylabs/whylogs

Une bibliothèque open-source de journalisation de données pour les modèles d'apprentissage automatique et les pipelines de données. 📚 Offre une visibilité sur la qualité des données et les performances du modèle au fil du temps. 🛡️ Prend en charge la collecte de données respectueuse de la vie privée, garantissant sécurité et robustesse. 📈

whylabs
⭐ 2,819 Jupyter Notebook 👤 whylabs Organization 🕐 Mis à jour 2025-01-10 📅 Créé 2020-08-14
19
unitedstates/congress-legislators

Membres du Congrès des États-Unis, 1789-Présent, en YAML/JSON/CSV, ainsi que les comités, présidents et vice-présidents.

unitedstates
⭐ 2,473 Python 👤 unitedstates Organization 🕐 Mis à jour 2026-11-15 📅 Créé 2012-09-27
20
elementary-data/elementary

La solution d'observabilité de données native pour dbt pour les ingénieurs de données et d'analyse. Surveillez vos pipelines de données en quelques minutes. Disponible en auto-hébergement ou en service cloud avec des fonctionnalités premium.

elementary-data
⭐ 2,435 HTML 👤 elementary-data Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2021-08-30
21
iliane5/meridian

Meridian filtre le bruit de l'actualité en analysant des centaines de sources, en analysant les histoires avec l'IA et en fournissant des briefings quotidiens concis et personnalisés.

iliane5
⭐ 2,415 TypeScript 👤 iliane5 User 🕐 Mis à jour 2025-05-30 📅 Créé 2025-03-06
22
warproxxx/poly_data

Retriever de données Polymarket qui récupère, traite et structure les données Polymarket, y compris les marchés, les événements de commandes et les transactions.

warproxxx
⭐ 2,353 Python 👤 warproxxx User 🕐 Mis à jour 2026-09-08 📅 Créé 2025-10-03
23
reugn/go-streams

Une bibliothèque légère de traitement de flux pour Go

reugn
⭐ 2,178 Go 👤 reugn User 🕐 Mis à jour 2026-01-14 📅 Créé 2019-04-30
24
datazip-inc/olake-go

OLake Go : réplication open source depuis des bases de données, Kafka et S3 vers Apache Iceberg et Parquet. Sources : Postgres, MySQL, MongoDB, Oracle, MSSQL, DB2, Kafka, S3. Anciennement datazip-inc/olake. La maintenance des tables se trouve dans datazip-inc/olake-fusion.

datazip-inc
⭐ 2,166 Go 👤 datazip-inc Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-10-15
25
oficcejo/aiagents-stock

Système composite d'analyse d'équipe boursière à agents intelligents IA multiples pour surveillance des carnets d'ordres, basé sur plusieurs agents IA, simule le processus d'analyse d'une équipe d'analystes financiers, fournissant une analyse complète des investissements boursiers et des suggestions de décision. Nouveauté : analyse de suivi de la liste des dragons et tigres des capitaux spéculatifs, analyse d'alerte et rotation sectorielle, supporte l'analyse par lots multi-threadée, surveillance en temps réel des points clés, envoi d'alertes, interface miniqmt réservée, supporte le trading quantitatif, réalise véritablement « l'IA trade les actions pour vous », adapté aux actions A de la Chine continentale. Pour le site de test ci-dessous, veuillez saisir la clé temporaire deepseek, supprimez après test pour éviter les risques de fuite. Note : Accès excessif au service cloud de test peut entraîner un refus de la source de données. Pour l'utilisation, déployez localement.

oficcejo
⭐ 2,101 Python 👤 oficcejo User 🕐 Mis à jour 2026-10-10 📅 Créé 2025-10-03
26
pydoit/doit

Outil CLI de gestion et d'automatisation des tâches

pydoit
⭐ 2,098 Python 👤 pydoit Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2014-02-14
27
Multiwoven/multiwoven

🔥🔥🔥 Reverse ETL open source - alternative à hightouch et census.

Multiwoven
⭐ 1,685 Ruby 👤 Multiwoven Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2023-10-20
28
bazaarvoice/jolt

Bibliothèque de transformation de JSON en JSON écrite en Java.

bazaarvoice
⭐ 1,674 Java 👤 bazaarvoice Organization 🕐 Mis à jour 2026-10-28 📅 Créé 2013-02-15
29
tanjiti/sec_profile

Récupérer secwiki et xuanwu.github.io/sec.today, analyser les sites d'informations de sécurité, les tendances de sécurité, extraire les comptes des travailleurs de la sécurité (twitter, weixin, github, etc.)

tanjiti
⭐ 1,640 HTML 👤 tanjiti User 🕐 Mis à jour 2026-11-21 📅 Créé 2019-02-19
30
slothflowlabs/duckle

ETL/ELT open source que vous déployez sur vos propres serveurs ou dans le cloud. Construit sur DuckDB : pipelines visuels no-code/low-code ou SQL, 446 composants, dbt, CDC, qualité des données, ETL inversé, lignage et MCP pour les agents IA. Aucun cloud fournisseur, aucune facturation par ligne.

slothflowlabs
⭐ 1,558 Rust 👤 slothflowlabs Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2026-05-21
31
xitongsys/parquet-go

Bibliothèque pure Golang pour la lecture/écriture de fichiers Parquet

xitongsys
⭐ 1,432 Go 👤 xitongsys User 🕐 Mis à jour 2026-05-08 📅 Créé 2017-09-02
32
GoogleCloudPlatform/data-science-on-gcp

Code source accompagnant le livre : Data Science sur Google Cloud Platform, Valliappa Lakshmanan, O'Reilly 2017

GoogleCloudPlatform
⭐ 1,432 Jupyter Notebook 👤 GoogleCloudPlatform Organization 🕐 Mis à jour 2026-02-20 📅 Créé 2017-02-10
33
weifuwan/seatunnel-web

Rendre Apache SeaTunnel plus facile à utiliser.

weifuwan
⭐ 1,406 TypeScript 👤 weifuwan User 🕐 Mis à jour 2026-07-16 📅 Créé 2026-02-10
34
kkangert/kspider

Kspider est une plateforme de crawling qui permet de définir des workflows de crawling de manière graphique, permettant de réaliser un workflow de crawling sans code. Kspider ne se limite pas au crawling web, mais peut également être utilisé pour les tests d'automatisation WEB. D'autres fonctionnalités vous attendent à découvrir.

kkangert
⭐ 1,285 Java 👤 kkangert User 🕐 Mis à jour 2024-08-19 📅 Créé 2024-07-07
35
DataWithBaraa/sql-data-warehouse-project

Créez un entrepôt de données dans SQL Server à partir de deux systèmes sources, un CRM et un ERP, en passant par les couches bronze, silver et gold. Fichiers et scripts du projet complet gratuit.

DataWithBaraa
⭐ 1,089 TSQL 👤 DataWithBaraa User 🕐 Mis à jour 2026-11-06 📅 Créé 2024-12-30
36
authorjapps/zerocode

zerocode-tdd est un framework de tests automatisés gratuit et open source, développé par la communauté et axé sur les résultats, destiné aux pipelines de données, à l’ETL, aux API REST, à Kafka (flux de données), aux bases de données et aux scénarios de charge — le tout défini dans un simple fichier JSON ou YAML, sans écrire de code.

authorjapps
⭐ 1,017 Java 👤 authorjapps User 🕐 Mis à jour 2026-11-12 📅 Créé 2016-07-05
37
estuary/flow

🌊 Synchronisez en continu les systèmes où vos données résident avec les systèmes où vous _souhaitez_ qu'elles résident, en gérant vos flux de données avec Estuary. 🌊

estuary
⭐ 995 Rust 👤 estuary Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-02-13
38
qiantongtech/qData

qData est une plateforme de données open source légère, complète et native de l’IA. Elle couvre l’intégration, le développement, la modélisation et la gouvernance des données, ainsi que les actifs et les services d’API, avec un déploiement auto-hébergé, une mise à l’échelle flexible et un usage commercial.

qiantongtech
⭐ 950 Java 👤 qiantongtech Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2025-05-17
39
apache/seatunnel-web

SeaTunnel est une plateforme d'intégration de données distribuée et haute performance pour la synchronisation et la transformation de données massives (hors ligne et en temps réel).

apache
⭐ 888 Java 👤 apache Organization 🕐 Mis à jour 2026-01-22 📅 Créé 2022-09-26
40
AgnostiqHQ/covalent

Outil Pythonique pour orchestrer les flux de travail d'apprentissage automatique/haute performance/informatique quantique dans des environnements de calcul hétérogènes.

AgnostiqHQ
⭐ 869 Python 👤 AgnostiqHQ Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2021-11-03
41
spotify/klio

Pipelines de données plus intelligentes pour l'audio.

spotify
⭐ 866 Python 👤 spotify Organization 🕐 Mis à jour 2024-01-10 📅 Créé 2020-08-07
42
censusreporter/censusreporter

Census Reporter est un projet financé par le Knight News Challenge pour faciliter aux journalistes l'écriture d'histoires en utilisant des informations du Bureau du recensement des États-Unis.

censusreporter
⭐ 846 HTML 👤 censusreporter Organization 🕐 Mis à jour 2026-10-26 📅 Créé 2013-05-20
43
ssp-data/practical-data-engineering

Ingénierie des données pratique : un guide de projet immobilier pratique

ssp-data
⭐ 833 Jupyter Notebook 👤 ssp-data Organization 🕐 Mis à jour 2026-06-25 📅 Créé 2020-11-18
44
justjavac/weibo-trending-hot-search

Le classement des tendances Weibo enregistre les recherches populaires sur Weibo à partir du 24 novembre 2020. Les données sont collectées toutes les heures et archivées quotidiennement.

justjavac
⭐ 804 TypeScript 👤 justjavac User 🕐 Mis à jour 2026-11-21 📅 Créé 2020-11-24
45
tidymodels/infer

Un package R pour l'inférence statistique conviviale avec tidyverse

tidymodels
⭐ 796 R 👤 tidymodels Organization 🕐 Mis à jour 2026-04-13 📅 Créé 2017-06-05
46
geolonia/japanese-addresses

Données ouvertes d'adresses au niveau des arrondissements (277 191 éléments) à l'échelle nationale

geolonia
⭐ 774 JavaScript 👤 geolonia Organization 🕐 Mis à jour 2026-08-05 📅 Créé 2020-07-12
47
hudl/statsbombpy

Diffusez facilement les données StatsBomb dans Python

hudl
⭐ 758 Python 👤 hudl Organization 🕐 Mis à jour 2026-10-20 📅 Créé 2020-01-08
48
CZ-NIC/pz

Gérez facilement les opérations CLI quotidiennes via Python au lieu des programmes Bash habituels. 🇺🇦 #supporting

CZ-NIC
⭐ 732 Python 👤 CZ-NIC Organization 🕐 Mis à jour 2025-11-24 📅 Créé 2020-11-25
49
karpathy/hn-time-capsule

Analyse rétrospective, à l'aide de LLM, des discussions sur Hacker News datant d'il y a dix ans

karpathy
⭐ 693 Python 👤 karpathy User 🕐 Mis à jour 2025-12-10 📅 Créé 2025-12-10
50
azmatt/chasing_your_tail

Outil pour utiliser les signaux sans fil afin de savoir si vous êtes suivi.

azmatt
⭐ 691 Python 👤 azmatt User 🕐 Mis à jour 2025-02-18 📅 Créé 2022-01-01

Foire aux questions

1

Quel est le dépôt #data-pipeline le plus populaire sur GitHub ?

Le projet #data-pipeline open source le mieux classé sur GitHub est xai-org/x-algorithm, avec 34,361 étoiles. Algorithme qui propulse le fil For You sur X

2

Quels langages de programmation sont les plus utilisés dans les dépôts #data-pipeline ?

Parmi les projets #data-pipeline les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Java, Go, Rust.

3

Comment le classement des dépôts #data-pipeline est-il calculé ?

Nous suivons 67 dépôts open source actifs associés à #data-pipeline (500+ étoiles), totalisant 219,024 étoiles, avec une moyenne de 3,269 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.