parquet

QuestDB es una base de datos de series temporales de código abierto y alto rendimiento

Apache Arrow es el formato columnar universal y conjunto de herramientas multi-lenguaje para el intercambio rápido de datos y análisis en memoria

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

Implementación oficial en Rust de Apache Arrow

Crea API completas para conjuntos de datos de cambio lento sin escribir una sola línea de código.

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.

Apache Parquet para Java

La herramienta de inteligencia empresarial más rápida para humanos y agentes.

Formato Apache Parquet

Parseable es una plataforma de observabilidad de infraestructura unificada y de código abierto construida en Rust sobre una arquitectura de lago de datos. Rastrea registros, métricas, trazas y eventos en aplicaciones, agentes y sistemas, reduciendo los costos de almacenamiento hasta en un 90% mediante compresión de telemetría columnar.

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

Analítica en tiempo real en tablas de Postgres

La biblioteca Petastorm permite el entrenamiento y evaluación distribuida o en máquina única de modelos de deep learning desde conjuntos de datos en formato Apache Parquet.

Broker compatible con Apache Kafka® con S3, PostgreSQL, SQLite, Apache Iceberg y Delta Lake

Una interfaz SQL única para más de 60 herramientas (por ejemplo, GitHub, Notion, Airtable). Conéctate a cualquier LLM a través de MCP.

Tonbo es una base de datos embebida para entornos de ejecución serverless y edge.

cryo es la forma más sencilla de extraer datos de blockchain a parquet, csv, json o dataframes de python

Alternativa de código abierto a Snowflake y Fivetran, con compatibilidad con Postgres.

OLake: replicación rápida de bases de datos, Kafka y S3 a Apache Iceberg con optimización de tablas (OLake Fusion). Ingesta de datos eficiente, rápida y escalable para análisis en tiempo real. Fuentes compatibles: Postgres, MongoDB, MySQL, Oracle, MSSql, DB2, Kafka, S3.

Quilt es una plataforma de gestión de datos científicos en AWS que ayuda a los equipos y a la IA a encontrar, confiar y reutilizar datos a través de paquetes de datos con versiones profundas y ricos en contexto.

Aplicación de escritorio simple para Windows para ver y consultar archivos Apache Parquet

ClickBench: una prueba de rendimiento para bases de datos analíticas

ADAM es una plataforma de análisis genómico con formatos de archivo especializados construidos usando Apache Avro, Apache Spark y Apache Parquet. Licenciado bajo Apache 2.

Visualización de datos geoespaciales rápida e interactiva en Jupyter.

Analizador de archivos parquet para JavaScript

Framework ETL para .NET (analizador/escritor para archivos en formato CSV, Flat, Xml, JSON, Key-Value, Parquet, Yaml y Avro).

Más de 80 herramientas CLI para DevOps y datos: AWS, GCP, GCF Python Cloud Functions, anonimizador de logs, Spark, Hadoop, HBase, Hive, Impala, Linux, Docker, conversores y validadores de datos Spark (Avro/Parquet/JSON/CSV/INI/XML/YAML), Travis CI, AWS CloudFormation, Elasticsearch, Solr, etc.

Paquete de Go de alto rendimiento para leer y escribir archivos Parquet

Graph Data Science: una capa de abstracción en Python para construir grafos de conocimiento, integrada con bibliotecas de grafos populares como Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, entre otras.

Copiar hacia/desde Parquet en S3, Azure Blob Storage, Google Cloud Storage, almacenes http(s), archivos locales o flujo de entrada/salida estándar desde PostgreSQL