#parquet Dépôts
Découvrez 45 dépôts GitHub open source actifs associés à #parquet, cumulant 105,539 étoiles au total (soit une moyenne de 2,345 étoiles par projet). Le projet en tête de ce thème est questdb/questdb, avec 17,543 étoiles.
45 dépôts au total
QuestDB est une base de données de séries temporelles open-source haute performance
Apache Arrow est le format colonnaire universel et la boîte à outils multilingue pour un échange rapide de données et une analyse en mémoire
Moteur de données haute performance pour les charges de travail d'IA et multimodales. Traitez des images, de l'audio, de la vidéo et des données structurées à n'importe quelle échelle.
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.
Créez des API à part entière pour des ensembles de données qui évoluent lentement sans écrire une seule ligne de code.
Postgres optimisé par DuckDB pour les applications et l'analyse haute performance.
Parseable est une plateforme d'observabilité d'infrastructure unifiée et open source, construite en Rust sur une architecture de lac de données. Elle suit les logs, les métriques, les traces et les événements à travers les applications, les agents et les systèmes, réduisant les coûts de stockage jusqu'à 90 % grâce à la compression de télémétrie en colonnes.
Archivez une vie d'e-mails et de discussions. Recherche hors ligne, analyses et requêtes IA sur l'ensemble de votre historique de messages. Propulsé par SQLite et DuckDB.
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.
Apache Drill est une couche de requête MPP distribuée pour les données auto-descriptives
Agent compatible avec Apache Kafka® avec S3, PostgreSQL, SQLite, Apache Iceberg et Delta Lake
La bibliothèque Petastorm permet l'entraînement et l'évaluation de modèles d'apprentissage profond sur une seule machine ou distribués à partir de jeux de données au format Apache Parquet. Elle prend en charge les frameworks ML tels que Tensorflow, Pytorch et PySpark et peut être utilisée à partir de code Python pur.
Une interface SQL pour plus de 60 outils (par ex. GitHub, Notion, Airtable). Connectez-vous à n'importe quel LLM via MCP.
Tonbo est une base de données embarquée pour les environnements d'exécution serverless et edge.
Cryo est le moyen le plus simple d'extraire des données blockchain en parquet, csv, json ou dataframes python
Quilt est une plateforme de gestion de données scientifiques sur AWS qui aide les équipes et l'IA à trouver, faire confiance et réutiliser les données grâce à des paquets de données profondément versionnés et riches en contexte.
Application de bureau simple pour Windows permettant de visualiser et d'interroger les fichiers Apache Parquet
Lac de données local open source pour le marché boursier chinois (actions A) : cours des actions de Shanghai et de Shenzhen, données sur les actions A et données financières destinées à la recherche quantitative, au trading quantitatif et au backtesting. Comprend des données financières et sur les contrats à terme, les flux de capitaux, les annonces, les indices, les secteurs et les données macroéconomiques. 86 jeux de données mis à jour quotidiennement, avec cours ajustés et historiques de composition intégrés, traçabilité au niveau des lignes, PIT et prise en charge native de MCP. Sans inscription ni token ; auto-hébergé. Lac de données open source sur le marché boursier chinois pour la recherche quantitative, le backtesting et les agents IA.
ADAM est une plateforme d'analyse génomique avec des formats de fichiers spécialisés construits à l'aide d'Apache Avro, Apache Spark et Apache Parquet. Sous licence Apache 2.
Visualisation rapide et interactive des données géospatiales dans Jupyter.
Framework ETL pour .NET (Analyseur / Écrivain pour les fichiers au format CSV, Flat, Xml, JSON, Key-Value, Parquet, Yaml, Avro)
80+ Outils CLI DevOps & Données - AWS, GCP, Fonctions Cloud Python GCF, Anonymiseur de Logs, Spark, Hadoop, HBase, Hive, Impala, Linux, Docker, Convertisseurs et Validateurs de Données Spark (Avro/Parquet/JSON/CSV/INI/XML/YAML), Travis CI, AWS CloudFormation, Elasticsearch, Solr etc.
Base de données de séries temporelles open source et native SQL pour les données de télémétrie que vous devez conserver. Ingère plus de 38 millions d’enregistrements par seconde et interroge plus de 25 millions de lignes par seconde. Compatible avec InfluxDB Line Protocol et Telegraf. Parquet ouvert sur votre stockage. Un seul binaire. Prise en charge native de S3/Azure. Prête pour les environnements isolés. AGPL-3.0.
Copie de/vers Parquet dans S3, Azure Blob Storage, Google Cloud Storage, stockages http(s), fichiers locaux ou flux d'entrée/sortie standard depuis PostgreSQL
Graph Data Science : une couche d'abstraction en Python pour la construction de graphes de connaissances, intégrée à des bibliothèques de graphes populaires – au-dessus de Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, etc.
Bindings WebAssembly basés sur Rust pour lire et écrire des données Apache Parquet
Le poste de travail DuckDB entièrement open source qui fonctionne dans votre navigateur. Éditeur SQL, notebooks, graphiques, assistant IA. Aucune installation, aucune inscription, aucun backend — vos données ne quittent jamais l'onglet.
Analyse de données et BI dans le navigateur avec DuckDB-WASM. La confidentialité avant tout : vos données restent en local ; aucun serveur n'est requis.
Simulation Monte Carlo de la saison NBA, exploitant dbt, duckdb et evidence.dev
select * from logs; Tailpipe est un SIEM open source pour des aperçus instantanés des journaux, alimenté par DuckDB. Analysez des millions d'événements en quelques secondes, directement depuis votre terminal.
Un visualiseur rapide pour les fichiers CSV/Parquet et les bases de données telles que DuckDB, SQLite, PostgreSQL, MySQL, Clickhouse, etc., basé sur Tauri.
Extension Data Preview 🈸 pour importer 📤 visualiser 🔎 découper 🔪 en dés 🎲 diagrammes 📊 et exporter 📥 de grands fichiers de données tableaux/configurations JSON, YAML, Apache Arrow, Avro, Parquet et Excel
Un moteur SQL embarqué expérimental en C++20. Interrogez directement des fichiers Parquet, CSV, JSON, Arrow, Avro, SQLite et Excel avec SQL, en mode in-process. Au stade préliminaire.
reth-indexer lit directement à partir de la base de données reth et indexe les données dans des bases de données / magasins de données traditionnels et alternatifs (postgres, GCP bigquery, etc.) entièrement décodés avec un simple fichier de configuration et sans configuration supplémentaire, tout en exposant une API prête à interroger les données.
Foire aux questions
Quel est le dépôt #parquet le plus populaire sur GitHub ?
Le projet #parquet open source le mieux classé sur GitHub est questdb/questdb, avec 17,543 étoiles. QuestDB est une base de données de séries temporelles open-source haute performance
Quels langages de programmation sont les plus utilisés dans les dépôts #parquet ?
Parmi les projets #parquet les mieux classés sur GitHub, les langages de programmation les plus courants sont Rust, Go, Python, C++.
Comment le classement des dépôts #parquet est-il calculé ?
Nous suivons 45 dépôts open source actifs associés à #parquet (500+ étoiles), totalisant 105,539 étoiles, avec une moyenne de 2,345 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.