#big-data 저장소
#big-data 태그가 지정된 GitHub의 활성 오픈 소스 저장소 133개를 확인해 보세요. 총 683,600개의 스타를 획득했으며 프로젝트당 평균 5,139개입니다. 이 주제를 이끄는 저장소는 75,924개의 스타를 받은 binhnguyennus/awesome-scalability입니다.
저장소 총 133개
데이터 과학 파이썬 노트북: 딥러닝(TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, 빅데이터(Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, 파이썬 필수, AWS 및 다양한 커맨드 라인.
데이터 레이크하우스 안팎에서 서브세컨드 분석을 위한 세계에서 가장 빠른 오픈 쿼리 엔진입니다. 거의 모든 시나리오를 지원하는 유연성으로 StarRocks는 다차원 분석, 실시간 분석 및 임시 쿼리에 대해 최고의 성능을 제공합니다. Linux Foundation 프로젝트.
결정 트리 기반의 빠르고 확장 가능하며 고성능 Gradient Boosting 라이브러리로, Python, R, Java, C++용 랭킹, 분류, 회귀 및 기타 머신러닝 작업에 사용됩니다. CPU와 GPU에서 계산을 지원합니다.
Spark, PrestoDB, Flink, Trino 및 Hive를 포함한 컴퓨트 엔진과 API를 사용하여 Lakehouse 아키텍처를 구축할 수 있게 하는 오픈 소스 저장 프레임워크
H2O는 오픈 소스, 분산형, 빠르고 확장 가능한 머신러닝 플랫폼입니다: 딥러닝, 그래디언트 부스팅(GBM) & XGBoost, 랜덤 포레스트, 일반화 선형 모델(탄력망 포함 GLM), K-평균, PCA, 일반화 가법 모델(GAM), RuleFit, 서포트 벡터 머신(SVM), 스태킹 앙상블, 자동화 머신러닝(AutoML) 등
Hazelcast는 스트림 처리와 빠른 데이터 저장소를 결합한 통합 실시간 데이터 플랫폼으로, 고객이 이동 중인 데이터에 즉시 대응하여 실시간 인사이트를 얻을 수 있도록 합니다.
Stream Framework는 Cassandra 및/또는 Redis를 사용하여 뉴스 피드, 활동 스트림 및 알림 시스템을 구축할 수 있도록 하는 Python 라이브러리입니다. Stream-Framework의 개발자들은 또한 피드 기술을 위한 클라우드 서비스를 제공합니다:
대규모 이미지 URL 세트를 이미지 데이터 세트로 쉽게 전환합니다. 한 대의 기계에서 20시간 안에 1억 개의 URL을 다운로드, 크기 조정 및 패키징할 수 있습니다.
CrateDB는 분산형이고 확장 가능한 SQL 데이터베이스로, 대량의 데이터를 거의 실시간으로 저장하고 분석하며 복잡한 쿼리도 가능합니다. PostgreSQL과 호환되며 Lucene을 기반으로 합니다.
Apache Paimon은 스트리밍 및 배치 작업을 위해 Flink 및 Spark를 사용하여 Realtime Lakehouse 아키텍처를 구축할 수 있도록 하는 레이크 형식입니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #big-data 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #big-data 프로젝트는 75,924개의 스타를 받은 binhnguyennus/awesome-scalability입니다. 확장 가능하고 신뢰할 수 있으며 고성능 대규모 시스템의 패턴
#big-data 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #big-data 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Java, Python, Rust, C++입니다.
#big-data 저장소 순위는 어떻게 계산되나요?
#big-data 태그가 지정된 활성 오픈 소스 저장소(133개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 683,600개이며 저장소당 평균 5,139개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.