data-integration

Apache Airflow: una plataforma para crear, programar y supervisar flujos de trabajo mediante código

Movimiento de datos de código abierto para pipelines ELT y agentes de IA — desde APIs, bases de datos y archivos hasta almacenes, lagos y aplicaciones de IA. Tanto autohospedado como en la nube.

Convierte datos y algoritmos de IA en aplicaciones web listas para producción en poco tiempo.

Una plataforma de orquestación para el desarrollo, producción y observación de activos de datos.

SeaTunnel es una herramienta de integración de datos masivos multimodal, de alto rendimiento y distribuida.

🧙 Construye, ejecuta y gestiona canales de datos para integrar y transformar datos.

Pipelines de datos para configuración en la nube y datos de seguridad. Crea soluciones de inventario de activos en la nube, CSPM, FinOps y gestión de vulnerabilidades. Extrae datos de AWS, Azure, GCP y más de 70 fuentes de la nube y SaaS.

Flink CDC es una herramienta de integración de datos en streaming

Inserciones actualizadas (upserts), eliminaciones y procesamiento incremental en Big Data.

🦀 Procesamiento de secuencias de eventos para que los desarrolladores recopilen y transformen datos en movimiento para impulsar aplicaciones reactivas e intensivas en datos.

Jitsu es una alternativa de código abierto a Segment. Motor de ingesta de datos totalmente programable para equipos de datos modernos. Configura una canalización de datos en tiempo real en minutos, no en días

Donde el acceso a datos se encuentra con la inteligencia operacional

Alternativa a Segment enfocada en la privacidad y seguridad, desarrollada en Golang y React

Un framework de integración de datos

ingestr es una herramienta de CLI para copiar datos entre cualquier base de datos sin problemas con un solo comando.

Lista curada por la comunidad de paquetes de software y recursos de datos para single-cell, incluyendo RNA-seq, ATAC-seq, etc.

Apache DevLake es una plataforma de datos de desarrollo de código abierto para ingerir, analizar y visualizar datos fragmentados de herramientas de DevOps, extrayendo información para la excelencia en ingeniería, la experiencia del desarrollador y el crecimiento de la comunidad.

superglue (YC W25) crea integraciones y herramientas a partir de lenguaje natural. Obtén herramientas de nivel de producción para sistemas empresariales y de cola larga.

Plataforma de orquestación Hop.

Una herramienta ETL rápida y versátil que puede transferir datos entre RDBMS y NoSQL sin problemas

ETL/ELT de código abierto para desplegar en servidores propios o en la nube. Construido sobre DuckDB: pipelines visuales sin código/bajo código o SQL, 385 componentes, dbt, CDC, calidad de datos, ETL inverso, linaje y MCP para agentes de IA. Sin nube de proveedores ni facturación por fila.

Tutoriales y artículos detallados sobre grafos de conocimiento

🌊 Sincroniza continuamente los sistemas donde residen tus datos con los sistemas donde _quieres_ que residan, gestionando tus flujos de datos con Estuary. 🌊

SeaTunnel es una plataforma de integración de datos distribuida y de alto rendimiento para la sincronización y transformación de datos masivos (offline y en tiempo real)

Lista de artículos actualizada continuamente sobre avances en Agentes de Datos. Repositorio complementario a nuestro artículo "Una encuesta sobre Agentes de Datos: ¿Paradigma emergente o exageración excesiva?"

NicheNet: predice enlaces activos ligando-objetivo entre células que interactúan.

Integración rápida, sensible y precisa de datos de células individuales con Harmony.

Conduit transmite datos entre almacenes de datos. Reemplazo de Kafka Connect. No requiere JVM.

Una lista curada de herramientas de código abierto utilizadas en plataformas de análisis y en el ecosistema de ingeniería de datos

Recopilación de recursos relacionados con Apache Hudi.