Git Stars Git Stars

#datalake Repositórios

Descubra 16 repositórios ativos de código aberto no GitHub marcados com #datalake, acumulando um total de 86,628 estrelas (uma média de 5,414 por projeto). O líder deste tópico é sinaptik-ai/pandas-ai, com 23,905 estrelas.

16
Total de Repositórios
86,628
Total de estrelas
5,414
Média de Estrelas/Repositório

16 repositórios no total

1
sinaptik-ai/pandas-ai

Converse com seu banco de dados ou seu datalake (SQL, CSV, parquet). O PandasAI torna a análise de dados conversacional usando LLMs e RAG.

sinaptik-ai
⭐ 23,905 Python 👤 sinaptik-ai Organization 🕐 Atualizado 2025-10-28 📅 Criado 2023-04-22
2
trinodb/trino

Repositório oficial do Trino, o motor de consulta SQL distribuído para big data, anteriormente conhecido como PrestoSQL (https://trino.io)

trinodb
⭐ 13,532 Java 👤 trinodb Organization 🕐 Atualizado 2026-11-21 📅 Criado 2019-01-19
3
StarRocks/starrocks

O motor de consulta aberto mais rápido do mundo para análises em subsegundos, tanto no data lakehouse quanto fora dele. Com a flexibilidade para suportar quase qualquer cenário, o StarRocks oferece o melhor desempenho da categoria para análises multidimensionais, análises em tempo real e consultas ad-hoc. Um projeto da Linux Foundation.

StarRocks
⭐ 12,278 Java 👤 StarRocks Organization 🕐 Atualizado 2026-11-21 📅 Criado 2021-09-04
4
activeloopai/deeplake

Deeplake é uma AI Data Runtime para Agents. Fornece Postgres sem servidor com um datalake multimodal, permitindo recuperação e treinamento escaláveis.

activeloopai
⭐ 9,273 C++ 👤 activeloopai Organization 🕐 Atualizado 2026-05-21 📅 Criado 2019-08-09
5
apache/hudi

Upserts, Exclusões e Processamento Incremental em Big Data.

apache
⭐ 6,387 Java 👤 apache Organization 🕐 Atualizado 2026-11-21 📅 Criado 2016-12-14
6
treeverse/lakeFS

lakeFS - Controle de versão de dados para o seu data lake | Git para dados

treeverse
⭐ 5,590 Go 👤 treeverse Organization 🕐 Atualizado 2026-11-19 📅 Criado 2019-09-12
7
DataLinkDC/dinky

Dinky é uma plataforma de desenvolvimento de dados em tempo real baseada no Apache Flink, que permite o desenvolvimento, implantação e operação ágeis de dados.

DataLinkDC
⭐ 3,777 Java 👤 DataLinkDC Organization 🕐 Atualizado 2026-11-17 📅 Criado 2021-06-09
8
apache/gravitino

O catálogo de dados abertos mais poderoso do mundo para construir um lago de metadados federado, geodistribuído e de alto desempenho.

apache
⭐ 3,404 Java 👤 apache Organization 🕐 Atualizado 2026-11-21 📅 Criado 2023-04-23
9
nisshi-io/solace-nisshi

Broker compatível com Apache Kafka® com S3, PostgreSQL, SQLite, Apache Iceberg e Delta Lake

nisshi-io
⭐ 1,935 Rust 👤 nisshi-io Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-08-21
10
leo-project/leofs

O Sistema de Armazenamento LeoFS

leo-project
⭐ 1,595 Erlang 👤 leo-project Organization 🕐 Atualizado 2026-01-05 📅 Criado 2012-06-06
11
zinggAI/zingg

Resolução de entidades, resolução de identidades, gestão de dados mestres e desduplicação em grande escala com IA para pessoas e agentes

zinggAI
⭐ 1,275 Java 👤 zinggAI Organization 🕐 Atualizado 2026-11-03 📅 Criado 2021-08-25
12
ClickHouse/ClickBench

ClickBench: um Benchmark para Bancos de Dados Analíticos

ClickHouse
⭐ 1,171 Shell 👤 ClickHouse Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-07-11
13
HKUSTDial/awesome-data-agents

Lista de artigos continuamente atualizada sobre avanços em Data Agents. Repositório complementar ao nosso artigo "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"

HKUSTDial
⭐ 804 Python 👤 HKUSTDial Organization 🕐 Atualizado 2026-11-08 📅 Criado 2025-08-31
14
Datavault-UK/automate-dv

Um pacote dbt de uso gratuito para criar e carregar Data Warehouses compatíveis com Data Vault 2.0 (alimentado por dbt, uma ferramenta de engenharia de dados de código aberto, marca registrada da dbt Labs)

Datavault-UK
⭐ 599 👤 Datavault-UK Organization 🕐 Atualizado 2026-02-05 📅 Criado 2019-09-27
15
pracdata/awesome-open-source-data-engineering

Lista curada de ferramentas de código aberto usadas em plataformas de análise e ecossistema de engenharia de dados

pracdata
⭐ 564 👤 pracdata Organization 🕐 Atualizado 2025-03-12 📅 Criado 2024-02-22
16
leesf/hudi-resources

Compilação de materiais relacionados ao Apache Hudi

leesf
⭐ 554 👤 leesf User 🕐 Atualizado 2026-03-31 📅 Criado 2019-12-11

Perguntas Frequentes

1

Qual é o repositório de #datalake mais popular no GitHub?

O projeto de código aberto de #datalake mais bem classificado no GitHub é sinaptik-ai/pandas-ai, com 23,905 estrelas. Converse com seu banco de dados ou seu datalake (SQL, CSV, parquet). O PandasAI torna a análise de dados conversacional usando LLMs e RAG.

2

Quais linguagens de programação são mais usadas nos repositórios de #datalake?

Entre os projetos de #datalake mais bem classificados no GitHub, as linguagens de programação mais comuns são Java, Python, C++, Go.

3

Como é calculada a classificação dos repositórios de #datalake?

Acompanhamos 16 repositórios ativos de código aberto marcados com #datalake (com mais de 500 estrelas), totalizando 86,628 estrelas e uma média de 5,414 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.