#data-ingestion Repository
Scopri 33 repository GitHub open source attivi contrassegnati con #data-ingestion, che raccolgono un totale di 66,183 stelle (con una media di 2,005 stelle per progetto). Il progetto leader di questo argomento è apache/seatunnel, con 9,821 stelle.
33 repository in totale
SeaTunnel è uno strumento di integrazione dati multimodale, ad alte prestazioni, distribuito e per grandi masse di dati.
LLM Zoomcamp: un corso online gratuito sulle applicazioni reali degli LLM. In 10 settimane imparerai a creare un sistema di intelligenza artificiale che risponde a domande sulla tua base di conoscenza. Registrati qui 👇🏼
ingestr è uno strumento CLI per copiare dati tra qualsiasi database con un singolo comando in modo fluido.
Apache Paimon è un formato lake che consente di creare un'architettura Realtime Lakehouse con Flink e Spark sia per operazioni di streaming che batch.
OLake Go: replica open source da database, Kafka e S3 ad Apache Iceberg e Parquet. Origini: Postgres, MySQL, MongoDB, Oracle, MSSQL, DB2, Kafka, S3. In precedenza datazip-inc/olake. La manutenzione delle tabelle è disponibile in datazip-inc/olake-fusion.
Costruisci pipeline di dati con SQL e Python, acquisisci dati da diverse origini, aggiungi controlli di qualità e crea flussi end-to-end.
Parser CSV in streaming ispirato da binary-csv che mira a essere più veloce di tutti gli altri
API per codici postali e geolocalizzazione del Regno Unito, che fornisce open data
Progetti di scripting di shell. L'obiettivo è simulare progetti reali il più possibile.
Un keeper di ricette collaborativo, planner dei pasti e organizzatore di liste della spesa in forma PWA.
uniVocity-parsers è una suite di parser estremamente veloci e affidabili per Java. Fornisce un'interfaccia coerente per la gestione di diversi formati di file e un solido framework per lo sviluppo di nuovi parser.
Copia da/a Parquet in S3, Azure Blob Storage, Google Cloud Storage, archivi http(s), file locali o flusso di input/output standard da PostgreSQL
Caricatore di database Amazon Redshift implementato in AWS Lambda
Un'utilità basata su Python puro per estrarre testo e immagini dai file docx.
Kerf (Kerf1) è un database tick a colonne e linguaggio per serie temporali per Linux/OSX/BSD/iOS/Android. È scritto in C e supporta nativamente JSON e SQL. Kerf può essere utilizzato per piattaforme di trading, feedhandler, networking a bassa latenza, analisi ad alto volume di dati in tempo reale e storici, elaborazione di file di log e altro ancora.
Il Supabase dell'era AI. Un backend modulare e open source per costruire software nativo AI — progettato per la conoscenza, non per dati statici.
reth-indexer legge direttamente dal database reth e indicizza i dati in database tradizionali e alternativi / datastore (postgres, GCP bigquery, ecc.) tutti decodificati con un semplice file di configurazione e senza configurazioni aggiuntive, esponendo anche API pronte per interrogare i dati.
Domande frequenti
Qual è il repository #data-ingestion più popolare su GitHub?
Il progetto open source #data-ingestion più alto in classifica su GitHub è apache/seatunnel, con 9,821 stelle. SeaTunnel è uno strumento di integrazione dati multimodale, ad alte prestazioni, distribuito e per grandi masse di dati.
Quali linguaggi di programmazione sono più utilizzati nei repository #data-ingestion?
Tra i progetti #data-ingestion più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Java, Go, TypeScript.
Come viene calcolata la classifica dei repository #data-ingestion?
Monitoriamo 33 repository open source attivi contrassegnati con #data-ingestion (500+ stelle), per un totale di 66,183 stelle e una media di 2,005 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.