spark

LakeSoul 是一个端到端、实时、云原生 Lakehouse 框架，支持快速数据输入、并发更新、增量分析、多模态数据处理与向量搜索，推动下一代 BI 与 AI 工作负载。

大数据学习，从零开始学习大数据，包含大数据学习各阶段学习视频、面试资料

Kubernetes operator，用于管理在 Kubernetes 上运行的 Apache Spark 应用生命周期

用于 Apache Spark 的 REST 作业服务器

适用于消费级与异构硬件的 LLM 推测式推理服务器

基于 Spring Boot 的快速学习示例，整合自己遇到的开源框架，如：RabbitMQ（延迟队列）、Kafka、JPA、Redis、OAuth2、Swagger、JSP、Docker、K3s、K3d、K8s、MyBatis 加解密插件、异常处理、日志输出、多模块开发、多环境打包、缓存 Cache、爬虫、JWT、GraphQL、Dubbo、ZooKeeper 与 Async 等。

深圳地铁大数据客流分析系统🚇🚄🌟

✨ Spark 是一个用 Go 编写的、基于网页的、跨平台的且功能齐全的远程管理工具（RAT），可让你随时随地控制所有设备。

快速、准确且可扩展的概率式数据链接，支持多种 SQL 后端

Apache Kyuubi 是一个分布式且具备多租户的网关，可在数据仓库与数据湖仓上提供无服务器 SQL 服务。

TransmogrifAI 是一套 AutoML 库，用于在 Apache Spark 上构建模块化、可重复使用、强类型的机器学习工作流程，并将其手动调整降至最低

YTsaurus 是一个可扩展且具容错能力的开源大数据平台。

处理 DJI 产品固件的工具，专注于四轴飞行器。

分布式计算的统一接口。Fugue 可以在 Spark、Dask 和 Ray 上执行 SQL、Python、Pandas 和 Polars 代码而无需重写。

适用于 Scala 的编译期语言集成查询

.NET for Apache® Spark™ 让 .NET 开发者能够轻松使用 Apache Spark™。

GATK 4 及以上版本的官方代码库

Apache Spark 到 Apache Cassandra 的连接器

大数据知识仓库涉及到数据仓库建模、实时计算、大数据、数据中台、系统设计、Java、算法等。

用于分布式计算框架（如 Spark）的 Auron 加速器，利用原生向量化执行来加速查询处理

后端（Java Golang）全栈知识架构体系总结

ApacheCN 开源组织：公告、介绍、成员、活动、交流方式

超过 2000+ 道的数据工程师面试题

Elassandra = Elasticsearch + Apache Cassandra

作为 IPython / Jupyter 笔记本的大数据分析与机器学习 Apache Spark & Python (pySpark) 教程

适用于 Jupyter 的 Scala 内核

Apache Spark 内幕解析

MLeap：将 ML Pipelines 部署至生产环境

:truck: 通过 Pandas、Dask、cuDF、Dask-cuDF、Vaex 和 PySpark 轻松实现敏捷数据准备工作流程。

Nessie：具备 Git 语义的事务性数据湖目录