#flink Dépôts
Découvrez 35 dépôts GitHub open source actifs associés à #flink, cumulant 120,468 étoiles au total (soit une moyenne de 3,441 étoiles par projet). Le projet en tête de ce thème est apache/flink, avec 26,487 étoiles.
35 dépôts au total
Blog d'apprentissage Flink. http://www.54tianzhisheng.cn/ Contient du contenu sur l'introduction à Flink, les concepts, les principes, la pratique, l'optimisation des performances, l'analyse du code source, etc. Implique des cas d'apprentissage sur Flink Connector, Metrics, Library, DataStream API, Table API & SQL, etc., et le partage de cas de grands projets pour les applications Flink en production (PVUV, stockage de logs, déduplication en temps réel de milliards de données, alertes de surveillance). Bienvenue à tous pour soutenir ma colonne «Moteur de Calcul en Temps Réel pour Big Data Flink : Pratique et Optimisation des Performances».
Carnet de notes basé sur le web qui permet des analyses de données interactives pilotées par les données et des documents collaboratifs avec SQL, Scala et plus.
Le GitHub du programmeur expert de blog CSDN, XinChen, contient une classification et un résumé détaillés de plus de six cents articles originaux, ainsi que le code source correspondant, couvrant des domaines tels que Java, Docker, Kubernetes, DevOps, etc.
:helicopter::rocket: Système de recommandation en temps réel de produits implémenté sur la base de Flink. Flink compte la popularité des produits, les place dans le cache Redis, analyse les informations de logs et insère les étiquettes de portrait utilisateur et les enregistrements en temps réel dans HBase. Après que l'utilisateur initie une demande de recommandation, il réordonne la liste de popularité en fonction du portrait utilisateur, combine les deux modules de recommandation — filtrage collaboratif et étiquettes — pour ajouter des produits associés à chaque produit de la nouvelle liste générée, et renvoie enfin la nouvelle liste d'utilisateurs.
Dinky est une plateforme de développement de données en temps réel basée sur Apache Flink, permettant le développement, le déploiement et l'exploitation agiles des données.
Alink est la plateforme d'algorithmes d'apprentissage automatique basée sur Flink, développée par l'équipe PAI de la plateforme de calcul Alibaba.
Apache Paimon est un format de lac qui permet de construire une architecture Realtime Lakehouse avec Flink et Spark pour les opérations de streaming et de traitement par lots.
DataSphereStudio est un portail tout-en-un pour le développement et la gestion d'applications de données, couvrant des scénarios incluant l'échange de données, la désensibilisation/nettoyage, l'analyse/extraction, la mesure de qualité, la visualisation et la planification de tâches.
Un moteur lakehouse ouvert pour les agents — natif de Postgres, des vecteurs et de Python. Parle PostgreSQL, fonctionne sur votre stockage d’objets et est écrit en Rust.
Apprentissage des Big Data, Apprendre les Big Data à partir de zéro, Inclut des vidéos d'apprentissage et des matériaux d'entretien pour chaque étape de l'apprentissage des Big Data
Le moteur SQL de streaming unifié le plus rapide, dans un seul binaire C++. ⚡ Latence de l’ordre de la milliseconde. Débit supérieur à 100 Go/s. Calcule en continu un contexte avec état à partir de flux, de journaux, de métriques, d’événements et de CDC.
Basé sur Flink open-source, il étend son SQL en temps réel ; implémente principalement le join entre les flux et les tables de dimensions, prenant en charge toute la syntaxe du Flink SQL natif
Plateforme Cloud Native DataOps & AIOps | Plateforme Cloud Native DataOps & AIOps
Plateforme web de calcul de flux en temps réel basée sur Flink
Le référentiel de connaissances Big Data couvre la modélisation de data warehouse, le calcul en temps réel, le Big Data, la plateforme de données centrale, la conception de systèmes, Java, les algorithmes, etc.
Plus de 2000+ questions d'entretien pour ingénieur de données.
Prise en charge de DataOps agiles pour les ontologies basés sur Flink, DataX et Flink-CDC via une interface Web
Taier est une plateforme de développement de big data pour la soumission, la planification, l'exploitation et la maintenance, ainsi que l'affichage des informations sur les indicateurs
【Édition la plus récente 2026】 Solution de construction et code pratique pour big data, analyse de données, système e-commerce, data warehouse en temps réel, data warehouse hors ligne, data lake, composants impliqués #flink #paimon #doris #seatunnel #dolphinscheduler #datart #dinky #hudi #iceberg.
Apache Amoro (incubating) est un système de gestion Lakehouse construit sur des formats de lac de données ouverts.
Le livre de recettes Apache Flink SQL est une collection organisée d'exemples, de modèles et de cas d'utilisation d'Apache Flink SQL. La plupart des recettes sont entièrement autonomes et peuvent être exécutées telles quelles dans la plateforme Ververica.
L'échafaudage Flink-Boot de Lazy Squirrel permet à Flink d'adopter pleinement l'écosystème Spring, permettant aux développeurs de développer des programmes de traitement de flux distribués avec le mode de développement Java WEB. Lazy Squirrel rend la transition plus simple. Lazy Squirrel vise à permettre aux développeurs d'écrire et de mettre en œuvre rapidement du code métier avec des coûts d'entrée plus bas (sans avoir à comprendre la théorie du calcul distribué et les détails du framework Flink). Afin d'améliorer davantage l'agilité du développement de projets de grande envergure en utilisant l'échafaudage Lazy Squirrel, l'échafaudage intègre par défaut le framework Spring pour la gestion des Bean, tout en intégrant des frameworks couramment utilisés dans les domaines des microservices et du développement WEB, afin d'améliorer encore la vitesse de développement. Par exemple, l'intégration du framework ORM Mybatis, du framework de validation Hibernate Validator, du framework de retry Spring Retry, etc. Voir les caractéristiques de l'échafaudage ci-dessous pour plus de détails.
Apprenez à mieux connaître vos données ! Datavines est la plateforme d'observabilité des données de nouvelle génération, prenant en charge la gestion des métadonnées et la qualité des données.
Outil low-code pour automatiser les actions sur des données en temps réel | Traitement de flux pour les utilisateurs.
Manuscript est un framework révolutionnaire de streaming de données blockchain. Avec Manuscript, vous pouvez intégrer de manière transparente des données on-chain et off-chain dans le stockage de données cible pour des requêtes et des analyses illimitées.
Deep Learning sur Flink vise à intégrer Flink et des frameworks d'apprentissage profond (par exemple, TensorFlow, PyTorch, etc.) pour permettre l'entraînement et l'inférence d'apprentissage profond distribués sur un cluster Flink.
WeDataSphere est une suite de plateformes big data de grade financier, tout-en-un.
Système de recommandation de produits big data e-commerce en temps réel, Vue + TypeScript + ElementUI + Spring + Spark
Foire aux questions
Quel est le dépôt #flink le plus populaire sur GitHub ?
Le projet #flink open source le mieux classé sur GitHub est apache/flink, avec 26,487 étoiles. Apache Flink
Quels langages de programmation sont les plus utilisés dans les dépôts #flink ?
Parmi les projets #flink les mieux classés sur GitHub, les langages de programmation les plus courants sont Java, Rust, Scala, Python.
Comment le classement des dépôts #flink est-il calculé ?
Nous suivons 35 dépôts open source actifs associés à #flink (500+ étoiles), totalisant 120,468 étoiles, avec une moyenne de 3,441 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.