spark

LakeSoul es un framework de Lakehouse nativo de la nube, de extremo a extremo y en tiempo real, diseñado para la ingesta rápida de datos, actualizaciones concurrentes, análisis incrementales, procesamiento de datos multimodales y búsqueda vectorial, impulsando cargas de trabajo de BI y AI de próxima generación.

Aprendizaje de Big Data, aprenda Big Data desde cero, incluyendo videos de aprendizaje de varias etapas de Big Data y materiales de entrevistas

Operador de Kubernetes para gestionar el ciclo de vida de las aplicaciones de Apache Spark en Kubernetes.

Servidor de trabajos REST para Apache Spark

Servidor de inferencia especulativa de LLM para hardware heterogéneo y de consumo

:herb: Ejemplo de aprendizaje rápido basado en SpringBoot, que integra frameworks de código abierto encontrados por uno mismo, tales como: rabbitmq (cola de retraso), Kafka, jpa, redis, oauth2, swagger, jsp, docker, k3s, k3d, k8s, plugin de cifrado y descifrado mybatis, manejo de excepciones, salida de registros, desarrollo de múltiples módulos, empaquetado para múltiples entornos, caché, web scrapers, jwt, GraphQL, dubbo, zookeeper y Async, entre otros :pushpin:

Sistema de análisis de flujo de pasajeros con Big Data para el metro de Shenzhen 🚇🚄🌟

✨Spark es una herramienta de administración remota (RAT) basada en web, multiplataforma y con todas las funciones, escrita en Go, que te permite controlar todos tus dispositivos desde cualquier lugar.

Enlace de datos probabilístico rápido, preciso y escalable con compatibilidad para múltiples backends de SQL

Apache Kyuubi es una puerta de enlace distribuida y multiusuario para proporcionar SQL sin servidor en data warehouses y lakehouses.

TransmogrifAI es una biblioteca AutoML para construir flujos de trabajo de aprendizaje automático modulares, reutilizables y fuertemente tipados en Apache Spark con un ajuste manual mínimo

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

Herramientas para gestionar firmware de productos DJI, con enfoque en cuatricópteros.

Una interfaz unificada para computación distribuida. Fugue ejecuta código SQL, Python, Pandas y Polars en Spark, Dask y Ray sin necesidad de reescrituras.

Consultas integradas en el lenguaje en tiempo de compilación para Scala

.NET for Apache® Spark™ hace que Apache Spark™ sea fácilmente accesible para los desarrolladores de .NET.

Repositorio de código oficial para las versiones 4 y superiores de GATK

Conector de Apache Spark a Apache Cassandra

Repositorio de conocimientos de Big Data que abarca el modelado de almacenes de datos, computación en tiempo real, Big Data, centros de datos (data mid-end), diseño de sistemas, Java, algoritmos, etc.

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

Resumen de la arquitectura de conocimiento full-stack para backend (Java, Golang)

Organización de código abierto ApacheCN: anuncios, presentaciones, miembros, actividades y canales de comunicación

Más de 2000 preguntas de entrevista para ingenieros de datos

Elassandra = Elasticsearch + Apache Cassandra

Tutoriales de Apache Spark y Python (pySpark) para análisis de Big Data y Machine Learning en formato de notebooks de IPython / Jupyter.

Un kernel de Scala para Jupyter

Los aspectos internos de Apache Spark

MLeap: Despliega canalizaciones de ML en producción

:truck: Flujos de trabajo de preparación de datos ágiles facilitados con Pandas, Dask, cuDF, Dask-cuDF, Vaex y PySpark

Nessie: Catálogo transaccional para Data Lakes con semántica similar a Git