#data-ingestion Repositórios
Descubra 33 repositórios ativos de código aberto no GitHub marcados com #data-ingestion, acumulando um total de 66,183 estrelas (uma média de 2,005 por projeto). O líder deste tópico é apache/seatunnel, com 9,821 estrelas.
33 repositórios no total
SeaTunnel é uma ferramenta de integração de dados massivos, distribuída, de alto desempenho e multimodal.
LLM Zoomcamp - um curso online gratuito sobre aplicações reais de LLMs. Em 10 semanas, você aprenderá a construir um sistema de IA que responde a perguntas sobre sua base de conhecimento. Inscreva-se aqui 👇🏼
ingestr é uma ferramenta de CLI para copiar dados entre quaisquer bancos de dados de forma integrada com um único comando.
Apache Paimon é um formato de lake que permite construir uma Arquitetura Lakehouse em Tempo Real com Flink e Spark, tanto para operações de streaming quanto para operações em lote.
Ingestão e processamento de dados concorrentes e multi-estágios com Elixir
OLake Go: replicação de código aberto de bancos de dados, Kafka e S3 para Apache Iceberg e Parquet. Fontes: Postgres, MySQL, MongoDB, Oracle, MSSQL, DB2, Kafka, S3. Anteriormente, datazip-inc/olake. A manutenção de tabelas fica em datazip-inc/olake-fusion.
Construir pipelines de dados com SQL e Python, ingerir dados de diferentes fontes, adicionar verificações de qualidade e construir fluxos de ponta a ponta.
Analisador de CSV por streaming inspirado no binary-csv que visa ser mais rápido do que todos os outros
API de geolocalização e código postal do Reino Unido, fornecendo dados abertos
Projetos de shell scripting. O objetivo é simular projetos em tempo real o máximo possível.
Um Guardião Colaborativo de Receitas, Planejador de Refeições e Organizador de Lista de Compras em formato PWA.
uniVocity-parsers é um conjunto de parsers extremamente rápidos e confiáveis para Java. Ele fornece uma interface consistente para lidar com diferentes formatos de arquivo e uma estrutura sólida para o desenvolvimento de novos parsers.
Copiar para/de Parquet no S3, Azure Blob Storage, Google Cloud Storage, armazenamentos http(s), arquivos locais ou fluxo de entrada/saída padrão a partir de dentro do PostgreSQL
Acesse suas tarefas do Taskwarrior de qualquer navegador em qualquer lugar
Uma utilidade baseada puramente em python para extrair texto e imagens de arquivos docx.
Kerf (Kerf1) é um banco de dados de carrapatos colunares e linguagem de séries temporais para Linux/OSX/BSD/iOS/Android. É escrito em C e nativamente suporta JSON e SQL. O Kerf pode ser usado para plataformas de negociação, manipuladores de feed, redes de baixa latência, análise de alto volume de dados em tempo real e históricos, processamento de arquivos de log e muito mais.
O Supabase da era da IA. Um backend modular e de código aberto para construir softwares nativos de IA — projetado para o conhecimento, não para dados estáticos.
O reth-indexer lê diretamente do banco de dados reth e indexa os dados em bancos de dados/armazenamentos de dados tradicionais e alternativos (postgres, GCP bigquery, etc.), todos decodificados com um arquivo de configuração simples e sem configuração adicional, além de expor uma API pronta para consultar os dados.
Perguntas Frequentes
Qual é o repositório de #data-ingestion mais popular no GitHub?
O projeto de código aberto de #data-ingestion mais bem classificado no GitHub é apache/seatunnel, com 9,821 estrelas. SeaTunnel é uma ferramenta de integração de dados massivos, distribuída, de alto desempenho e multimodal.
Quais linguagens de programação são mais usadas nos repositórios de #data-ingestion?
Entre os projetos de #data-ingestion mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Java, Go, TypeScript.
Como é calculada a classificação dos repositórios de #data-ingestion?
Acompanhamos 33 repositórios ativos de código aberto marcados com #data-ingestion (com mais de 500 estrelas), totalizando 66,183 estrelas e uma média de 2,005 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.