big-data

Motor de datos de alto rendimiento para IA y cargas de trabajo multimodales. Procesa imágenes, audio, video y datos estructurados a cualquier escala

Biblioteca de Python de Machine Learning simple y distribuida que adapta algoritmos de ML para Spark

Apache Calcite

Apache Ignite

Stream Framework es una biblioteca de Python que te permite crear feeds de noticias, flujos de actividad y sistemas de notificación utilizando Cassandra y/o Redis. Los autores de Stream-Framework también ofrecen un servicio en la nube para tecnología de feeds:

⚡️Un componente de Vue que soporta listas de gran cantidad de datos con alto rendimiento de renderizado y eficiencia.

Convierte fácilmente grandes conjuntos de URL de imágenes en un conjunto de datos de imágenes. Puede descargar, redimensionar y empaquetar 100M de URL en 20 horas en una sola máquina.

CrateDB es una base de datos SQL distribuida y escalable para almacenar y analizar cantidades masivas de datos casi en tiempo real, incluso con consultas complejas. Es compatible con PostgreSQL y está basada en Lucene.

🚄 FASTJSON2 es una biblioteca JSON de Java con un rendimiento excelente.

Hoja de ruta de ciencia de datos de la A a la Z

🔨 🍇 💻 🚀 GraphScope: un sistema integral de computación de grafos a gran escala de Alibaba | 一站式图计算系统

Lexer y parser de SQL extensible para Rust

Apache Paimon es un formato de lago que permite construir una arquitectura Realtime Lakehouse con Flink y Spark tanto para operaciones de streaming como por lotes.

Koalas: API de pandas en Apache Spark

Reemplazo directo de Apache Spark escrito en Rust, que unifica el procesamiento por lotes, el procesamiento de flujos y las cargas de trabajo de IA intensivas en computación.

Una base de datos de grafos que admite más de 100 mil millones de datos, alto rendimiento y escalabilidad (incluye OLTP Engine, REST-API y Backends)

Una plataforma de informes de BI y paneles de BI de autoservicio, abierta y fácil de usar

Interfaz Web de código abierto para gestionar clústeres de Apache Kafka

ArcticDB es una base de datos DataFrame sin servidor y de alto rendimiento creada para el ecosistema de Data Science de Python.

BI de código abierto para ingenieros

Apache Ambari simplifica el aprovisionamiento, la gestión y la supervisión de clústeres de Apache Hadoop.

YTsaurus es una plataforma de big data de código abierto, escalable y tolerante a fallos.

Apache Fluss es un almacenamiento de streaming diseñado para análisis en tiempo real.

Motor de consultas distribuidas de Apache DataFusion Ballista

Apache Drill es una capa de consulta MPP distribuida para datos autodescriptivos.

Apache BookKeeper: un servicio de almacenamiento escalable, tolerante a fallos y de baja latencia optimizado para cargas de trabajo de solo anexado

Abstracción de datos fluida y elástica y aceleración para aplicaciones BigData/AI en la nube. (Proyecto bajo la CNCF)

Espejo de Apache Kudu

Más de 500 recursos seleccionados para análisis de datos y ciencia de datos: Python, SQL, estadística, ML, IA, visualización, hojas de referencia, hojas de ruta y preparación de entrevistas. Para principiantes y expertos.

El acelerador Auron para marcos de computación distribuida (como Spark) aprovecha la ejecución vectorizada nativa para acelerar el procesamiento de consultas