Git Stars Git Stars

#big-data Repositórios

133
Total de Repositórios
683,600
Total de estrelas
5,139
Média de Estrelas/Repositório

133 repositórios no total

51
kafbat/kafka-ui

Interface Web de Código Aberto para gerenciar clusters Apache Kafka

kafbat
⭐ 2,852 TypeScript 👤 kafbat Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-01-22
52
man-group/ArcticDB

ArcticDB é um banco de dados DataFrame serverless de alto desempenho, construído para o ecossistema de Ciência de Dados em Python.

man-group
⭐ 2,655 C++ 👤 man-group Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-11-11
53
quarylabs/quary

BI de código aberto para engenheiros

quarylabs
⭐ 2,390 Rust 👤 quarylabs Organization 🕐 Atualizado 2026-11-16 📅 Criado 2024-02-20
54
ytsaurus/ytsaurus

YTsaurus é uma plataforma de big data de código aberto, escalável e tolerante a falhas.

ytsaurus
⭐ 2,325 C++ 👤 ytsaurus Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-12-05
55
apache/ambari

O Apache Ambari simplifica o provisionamento, o gerenciamento e o monitoramento de clusters Apache Hadoop.

apache
⭐ 2,311 Java 👤 apache Organization 🕐 Atualizado 2026-11-18 📅 Criado 2011-09-23
56
apache/fluss

O Apache Flink é um armazenamento de fluxo construído para análise em tempo real.

apache
⭐ 2,250 Java 👤 apache Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-10-31
57
PavelGrigoryevDS/awesome-data-analysis

🚀 Mais de 500 recursos selecionados para Análise de Dados e Ciência de Dados: Python, SQL, Estatística, ML, IA, Visualização, Folhas de dicas (Cheatsheets), Mapas de progresso (Roadmaps), Preparação para entrevistas. Para iniciantes e especialistas.

PavelGrigoryevDS
⭐ 2,224 👤 PavelGrigoryevDS User 🕐 Atualizado 2026-11-01 📅 Criado 2025-07-30
58
apache/datafusion-ballista

Apache DataFusion Ballista Mecanismo de Consulta Distribuído

apache
⭐ 2,179 Rust 👤 apache Organization 🕐 Atualizado 2026-11-20 📅 Criado 2022-05-19
59
apache/drill

Apache Drill é uma camada de consulta MPP distribuída para dados autodescritivos.

apache
⭐ 2,026 Java 👤 apache Organization 🕐 Atualizado 2026-11-12 📅 Criado 2012-09-05
60
apache/bookkeeper

Apache BookKeeper - um serviço de armazenamento escalável, tolerante a falhas e de baixa latência otimizado para cargas de trabalho somente de anexação

apache
⭐ 2,019 Java 👤 apache Organization 🕐 Atualizado 2026-11-02 📅 Criado 2011-04-06
61
fluid-cloudnative/fluid

Abstração e aceleração de dados fluida e elástica para aplicações BigData/IA em nuvem. (Projeto sob a CNCF)

fluid-cloudnative
⭐ 2,000 Go 👤 fluid-cloudnative Organization 🕐 Atualizado 2026-11-20 📅 Criado 2020-07-11
62
microsoft/GlobalMLBuildingFootprints

Contornos de edifícios em todo o mundo derivados de imagens de satélite

microsoft
⭐ 1,993 Python 👤 microsoft Organization 🕐 Atualizado 2026-11-18 📅 Criado 2022-04-22
63
elastic/elasticsearch-hadoop

:elephant: Elasticsearch, com pesquisa e análise em tempo real, integrado nativamente com Hadoop

elastic
⭐ 1,966 Java 👤 elastic Organization 🕐 Atualizado 2026-11-21 📅 Criado 2013-03-11
64
apache/kudu

Espelho do Apache Kudu

apache
⭐ 1,919 C++ 👤 apache Organization 🕐 Atualizado 2026-11-20 📅 Criado 2016-01-29
65
TurboWay/big_screen

Visualização de dados em tela grande

TurboWay
⭐ 1,884 HTML 👤 TurboWay User 🕐 Atualizado 2026-01-22 📅 Criado 2020-09-28
66
dask/dask-tutorial

Tutorial do Dask

dask
⭐ 1,862 Jupyter Notebook 👤 dask Organization 🕐 Atualizado 2025-11-04 📅 Criado 2015-07-16
67
apache/auron

O Apache Auron é um acelerador para mecanismos de big data que utiliza execução vetorizada nativa para acelerar o processamento de consultas.

apache
⭐ 1,849 Rust 👤 apache Organization 🕐 Atualizado 2026-11-20 📅 Criado 2021-06-28
68
kiwenlau/hadoop-cluster-docker

Executar o Cluster Hadoop em Contêineres Docker

kiwenlau
⭐ 1,827 Shell 👤 kiwenlau User 🕐 Atualizado 2024-07-01 📅 Criado 2015-05-21
69
Netflix/genie

Serviço de Orquestração de Big Data Distribuído

Netflix
⭐ 1,766 Java 👤 Netflix Organization 🕐 Atualizado 2026-11-21 📅 Criado 2013-06-20
70
matanolabs/matano

Data lake de segurança de código aberto para caça a ameaças, detecção e resposta, e análise de segurança cibernética em escala de petabytes na AWS

matanolabs
⭐ 1,675 Rust 👤 matanolabs Organization 🕐 Atualizado 2025-01-08 📅 Criado 2022-07-03
71
jadianes/spark-py-notebooks

Tutoriais de Apache Spark e Python (pySpark) para Análise de Big Data e Machine Learning como notebooks IPython / Jupyter

jadianes
⭐ 1,667 Jupyter Notebook 👤 jadianes User 🕐 Atualizado 2024-03-16 📅 Criado 2015-05-06
72
tonbo-io/tonbo

Tonbo é um banco de dados embarcado para runtimes serverless e edge.

tonbo-io
⭐ 1,639 Rust 👤 tonbo-io Organization 🕐 Atualizado 2026-07-18 📅 Criado 2024-07-15
73
kantord/just-dashboard

:bar_chart: :clipboard: Painéis usando arquivos YAML ou JSON

kantord
⭐ 1,587 TypeScript 👤 kantord User 🕐 Atualizado 2026-02-21 📅 Criado 2018-01-18
74
dremio/dremio-oss

Dremio - o elo perdido nos dados modernos

dremio
⭐ 1,495 Java 👤 dremio Organization 🕐 Atualizado 2025-09-26 📅 Criado 2017-07-17
75
apache/carbondata

Solução de armazenamento de dados de alto desempenho

apache
⭐ 1,452 Scala 👤 apache Organization 🕐 Atualizado 2026-10-02 📅 Criado 2016-06-28
76
apache/cloudberry

Um banco de dados MPP (Massively Parallel Processing) avançado e maduro de código aberto. Alternativa de código aberto ao Greenplum Database.

apache
⭐ 1,448 C 👤 apache Organization 🕐 Atualizado 2026-11-21 📅 Criado 2023-05-24
77
Tencent/TBase

TBase é um banco de dados HTAP distribuído de nível empresarial. Por meio de um único cluster de banco de dados, ele oferece aos usuários serviços de banco de dados distribuídos altamente consistentes e serviços de data warehouse de alto desempenho, formando assim um conjunto de soluções integradas de nível empresarial.

Tencent
⭐ 1,436 C 👤 Tencent Organization 🕐 Atualizado 2025-07-07 📅 Criado 2019-11-07
78
xitongsys/parquet-go

biblioteca pura em golang para leitura/escrita de arquivos parquet

xitongsys
⭐ 1,432 Go 👤 xitongsys User 🕐 Atualizado 2026-05-08 📅 Criado 2017-09-02
79
mtth/avsc

Avro para JavaScript :zap:

mtth
⭐ 1,389 JavaScript 👤 mtth User 🕐 Atualizado 2026-02-22 📅 Criado 2015-09-12
80
uxlfoundation/scikit-learn-intelex

A extensão para Scikit-learn é uma maneira perfeita de acelerar sua aplicação Scikit-learn

uxlfoundation
⭐ 1,357 Python 👤 uxlfoundation Organization 🕐 Atualizado 2026-11-21 📅 Criado 2018-08-07
81
apache/ozone

Sistema de armazenamento distribuído, escalável e confiável, otimizado para cargas de trabalho de análise de dados e armazenamento de objetos.

apache
⭐ 1,335 Java 👤 apache Organization 🕐 Atualizado 2026-11-20 📅 Criado 2019-10-02
82
mahmoudparsian/pyspark-tutorial

PySpark-Tutorial fornece algoritmos básicos usando PySpark

mahmoudparsian
⭐ 1,276 Jupyter Notebook 👤 mahmoudparsian User 🕐 Atualizado 2025-05-26 📅 Criado 2015-03-12
83
mukunku/ParquetViewer

Aplicação desktop simples para Windows para visualização e consulta de arquivos Apache Parquet

mukunku
⭐ 1,258 C# 👤 mukunku User 🕐 Atualizado 2026-11-09 📅 Criado 2018-05-31
84
Azure/AzurePublicDataset

Microsoft Azure Traces

Azure
⭐ 1,231 Jupyter Notebook 👤 Azure Organization 🕐 Atualizado 2026-11-17 📅 Criado 2017-08-18
85
graphframes/graphframes

GraphFrames é um pacote para Apache Spark que fornece Grafos baseados em DataFrames

graphframes
⭐ 1,213 Scala 👤 graphframes Organization 🕐 Atualizado 2026-11-12 📅 Criado 2016-01-20
86
apache/amoro

Apache Amoro(incubating) é um sistema de gerenciamento de Lakehouse construído sobre formatos abertos de data lake.

apache
⭐ 1,207 Java 👤 apache Organization 🕐 Atualizado 2026-11-20 📅 Criado 2022-07-14
87
apache/accumulo

Apache Accumulo

apache
⭐ 1,184 Java 👤 apache Organization 🕐 Atualizado 2026-11-19 📅 Criado 2011-10-06
88
ClickHouse/ClickBench

ClickBench: um Benchmark para Bancos de Dados Analíticos

ClickHouse
⭐ 1,171 Shell 👤 ClickHouse Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-07-11
89
youngwookim/awesome-hadoop

Uma lista com curadoria de recursos surpreendentemente incríveis sobre Hadoop e o seu ecossistema

youngwookim
⭐ 1,113 👤 youngwookim User 🕐 Atualizado 2024-05-07 📅 Criado 2014-07-08
⭐ 1,076 Shell 👤 big-data-europe Organization 🕐 Atualizado 2024-06-02 📅 Criado 2016-05-20
91
metabrainz/listenbrainz-server

Servidor para o projeto ListenBrainz, incluindo o código front-end (javascript/react) que ele serve e todos os componentes de processamento de dados que o LB utiliza.

metabrainz
⭐ 1,074 Python 👤 metabrainz Organization 🕐 Atualizado 2026-11-21 📅 Criado 2015-09-05
92
bigdatagenomics/adam

ADAM é uma plataforma de análise genômica com formatos de arquivo especializados construídos usando Apache Avro, Apache Spark e Apache Parquet. Licenciado sob Apache 2.

bigdatagenomics
⭐ 1,060 Scala 👤 bigdatagenomics Organization 🕐 Atualizado 2026-03-17 📅 Criado 2013-11-19
93
opendatadiscovery/awesome-data-catalogs

📙 Catálogos de Dados e Plataformas de Observabilidade Incríveis.

opendatadiscovery
⭐ 1,059 👤 opendatadiscovery Organization 🕐 Atualizado 2025-08-14 📅 Criado 2021-07-14
94
apache/flink-kubernetes-operator

Apache Flink Kubernetes Operator

apache
⭐ 1,043 Java 👤 apache Organization 🕐 Atualizado 2026-11-20 📅 Criado 2022-02-10
95
myscale/MyScaleDB

Um fork do @ClickHouse que suporta pesquisa vetorial de alto desempenho e pesquisa de texto completo.

myscale
⭐ 1,032 C++ 👤 myscale Organization 🕐 Atualizado 2025-02-05 📅 Criado 2024-03-14
96
NVIDIA/cudf-spark

Plugin NVIDIA cuDF para Apache Spark - acelere o Apache Spark com GPUs

NVIDIA
⭐ 1,021 Scala 👤 NVIDIA Organization 🕐 Atualizado 2026-11-21 📅 Criado 2020-05-14
97
Tencent/TencentKona-8

Tencent Kona é uma distribuição gratuita e pronta para produção do Open Java Development Kit (OpenJDK), com suporte de longo prazo (LTS) e atualizações trimestrais. O Tencent Kona serve como o JDK padrão internamente na Tencent Cloud para computação em nuvem e outras aplicações Java.

Tencent
⭐ 1,003 Java 👤 Tencent Organization 🕐 Atualizado 2026-11-06 📅 Criado 2019-11-01
98
firmai/data-science-career

Repositório de Carreiras em Ciência de Dados, Aprendizado de Máquina, Big Data e Análise de Negócios com Recursos de Carreira

firmai
⭐ 993 👤 firmai User 🕐 Atualizado 2024-08-16 📅 Criado 2019-08-23
99
h2oai/sparkling-water

O Sparkling Water oferece a funcionalidade do H2O dentro do cluster Spark

h2oai
⭐ 982 Scala 👤 h2oai Organization 🕐 Atualizado 2025-11-05 📅 Criado 2014-10-13
100
delta-io/delta-sharing

Um protocolo aberto para compartilhamento seguro de dados

delta-io
⭐ 965 Scala 👤 delta-io Organization 🕐 Atualizado 2026-11-21 📅 Criado 2021-04-08