#parquet Repository
Scopri 45 repository GitHub open source attivi contrassegnati con #parquet, che raccolgono un totale di 105,539 stelle (con una media di 2,345 stelle per progetto). Il progetto leader di questo argomento è questdb/questdb, con 17,543 stelle.
45 repository in totale
Apache Arrow è il formato colonnare universale e la cassetta degli attrezzi multilingue per lo scambio rapido di dati e l'analisi in memoria
Motore dati ad alte prestazioni per carichi di lavoro AI e multimodali. Elabora immagini, audio, video e dati strutturati su qualsiasi scala.
Sostituto drop-in di Apache Spark scritto in Rust, che unifica l'elaborazione batch, l'elaborazione in streaming e i carichi di lavoro AI ad alta intensità computazionale.
Crea API complete per set di dati in lenta evoluzione senza scrivere una sola riga di codice.
Parseable è una piattaforma open source di osservabilità dell'infrastruttura unificata, costruita in Rust su un'architettura data lake. Traccia log, metriche, tracce ed eventi attraverso applicazioni, agenti e sistemi, riducendo i costi di archiviazione fino al 90% grazie alla compressione colonnare della telemetria.
Archivia una vita di email e chat. Ricerca offline, analisi e query AI su tutta la cronologia dei messaggi. Alimentato da SQLite e DuckDB.
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.
Broker compatibile con Apache Kafka® con S3, PostgreSQL, SQLite, Apache Iceberg e Delta Lake
La libreria Petastorm consente l'addestramento e la valutazione di modelli di deep learning su singola macchina o distribuiti da set di dati in formato Apache Parquet. Supporta framework ML come Tensorflow, Pytorch e PySpark e può essere utilizzata da codice Python puro.
Un'interfaccia SQL per oltre 60 strumenti (es. GitHub, Notion, Airtable). Collegati a qualsiasi LLM tramite MCP.
Cryo è il modo più semplice per estrarre dati blockchain in parquet, csv, json o dataframe python
Quilt è una piattaforma di gestione scientifica dei dati su AWS che aiuta team e AI a trovare, fidarsi e riutilizzare i dati attraverso pacchetti di dati profondamente versionati e ricchi di contesto.
Applicazione desktop semplice per Windows per visualizzare e interrogare file Apache Parquet
Data lake locale open source per il mercato azionario cinese (azioni A): quotazioni di Shanghai e Shenzhen, dati sulle azioni A e dati finanziari per la ricerca quantitativa, il trading quantitativo e il backtesting. Include dati finanziari e sui futures, flussi di capitale, annunci, indici, settori e dati macroeconomici. 86 dataset aggiornati ogni giorno, con prezzi rettificati e composizioni storiche integrati, tracciabilità a livello di riga, PIT e supporto MCP nativo. Nessuna registrazione né token richiesti; self-hosted. Data lake open source sul mercato azionario cinese per la ricerca quantitativa, il backtesting e gli agenti IA.
ADAM è una piattaforma di analisi genomica con formati di file specializzati creati utilizzando Apache Avro, Apache Spark e Apache Parquet. Con licenza Apache 2.
Framework ETL per .NET (Parser / Writer per file formattati CSV, Flat, Xml, JSON, Key-Value, Parquet, Yaml, Avro)
80+ Strumenti CLI DevOps & Data - AWS, GCP, Funzioni Cloud Python GCF, Anonimizzatore Log, Spark, Hadoop, HBase, Hive, Impala, Linux, Docker, Convertitori e Validatori Dati Spark (Avro/Parquet/JSON/CSV/INI/XML/YAML), Travis CI, AWS CloudFormation, Elasticsearch, Solr ecc.
Database open source e nativa SQL per serie temporali, pensata per i dati di telemetria che vuoi conservare. Acquisisce oltre 38 milioni di record al secondo ed esegue query su oltre 25 milioni di righe al secondo. Compatibile con InfluxDB Line Protocol e Telegraf. Parquet aperto sul tuo storage. Un unico binario. Supporto nativo per S3/Azure. Pronta per ambienti air gap. AGPL-3.0.
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
Graph Data Science: uno strato di astrazione in Python per la creazione di knowledge graph, integrato con librerie di grafi popolari – basato su Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, ecc.
Binding WebAssembly basati su Rust per leggere e scrivere dati Apache Parquet
Il banco di lavoro DuckDB completamente open source che gira nel tuo browser. Editor SQL, notebook, grafici, assistente AI. Nessuna installazione, nessuna registrazione, nessun backend: i tuoi dati non lasciano mai la scheda.
Analisi dei dati e BI basate sul browser con DuckDB-WASM. La privacy prima di tutto: i tuoi dati rimangono in locale; non è necessario alcun server.
Simulazione Monte Carlo della stagione NBA, utilizzando dbt, duckdb ed evidence.dev
select * from logs; Tailpipe è un SIEM open source per intuizioni immediate sui log, basato su DuckDB. Analizza milioni di eventi in pochi secondi, direttamente dal tuo terminale.
Un visualizzatore veloce per file CSV/Parquet e database come DuckDB, SQLite, PostgreSQL, MySQL, Clickhouse, ecc., basato su Tauri.
Estensione Data Preview 🈸 per importare 📤 visualizzare 🔎 affettare 🔪 cubettare 🎲 creare grafici 📊 e esportare 📥 file di dati grandi array/configurazione JSON, YAML, Apache Arrow, Avro, Parquet ed Excel
Un motore SQL embedded sperimentale in C++20. Interroga file Parquet, CSV, JSON, Arrow, Avro, SQLite ed Excel direttamente con SQL, in-process. In fase iniziale.
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 #parquet più popolare su GitHub?
Il progetto open source #parquet più alto in classifica su GitHub è questdb/questdb, con 17,543 stelle. QuestDB è un database time-series open-source ad alte prestazioni
Quali linguaggi di programmazione sono più utilizzati nei repository #parquet?
Tra i progetti #parquet più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Rust, Go, Python, C++.
Come viene calcolata la classifica dei repository #parquet?
Monitoriamo 45 repository open source attivi contrassegnati con #parquet (500+ stelle), per un totale di 105,539 stelle e una media di 2,345 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.