Um mecanismo de consultas MPP open source para análises em menos de um segundo em lakehouses de dados e no próprio armazenamento, compatível com o protocolo MySQL.
12,2 mil+2 esta semana2,7 milJavaApache-2.0Bem mantidoAtualizado há 10 horas
#data-lake
Melhores motores e ferramentas para data lakes de código aberto (2026)
Este tipo de software consulta, lê, grava e organiza grandes volumes de dados armazenados em object storage ou arquivos. Ao escolher, vale verificar quais formatos de tabela ele suporta, se combina com as ferramentas de consulta ou linguagens que você já usa e quão ativo é o seu mantenimento. O Trino é um motor de consultas SQL distribuído para executar consultas analíticas rápidas sobre diversas fontes de big data, e é uma opção a considerar como substituto do Amazon Athena. O delta-rs é uma biblioteca nativa em Rust para ler e gravar tabelas Delta Lake, com bindings para Python para uso com pandas e outras ferramentas de dados. O Homer é um servidor de captura de pacotes que ingere pacotes HEP em um data lake com DuckDB e Parquet, para busca e análise de fluxos de chamadas SIP e VoIP.
Ordenar:Adicionados recentemente
7 repositórios
Formato aberto de tabelas de alto desempenho para grandes conjuntos de dados analíticos, que permite a engines como Spark, Trino, Flink e Hive compartilhar as mesmas tabelas com segurança.
9,4 mil+8 esta semana3,7 milJavaApache-2.0Atualizado ontem
Servidor open source de captura de pacotes SIP/VoIP e RTC que recebe pacotes HEP em um data lake DuckDB/Parquet para busca e análise de fluxos de chamadas.
2 mil+5 esta semana295GoOtherBem mantidoAtualizado há 4 horas
Exemplos de código, tutoriais e utilitários para criar jobs de ETL e pipelines de integração de dados no AWS Glue.
1,5 mil835PythonMIT-0Atualizado ontem
Biblioteca nativa em Rust para ler e gravar tabelas Delta Lake, com bindings Python para uso com pandas e outras ferramentas de dados.
3,4 mil+2 esta semana701RustApache-2.0Atualizado há 6 horas
Um mecanismo de dados e IA em Rust que oferece SQL federado, busca e inferência de LLM sobre bancos de dados e APIs, com aceleração local e réplicas de CDC.
3,1 mil+9 esta semana237RustApache-2.0Atualizado há 3 horas
Trino é um mecanismo de consultas SQL distribuído para executar consultas analíticas rápidas em fontes de big data.
13,5 mil+93 esta semana3,9 milJavaApache-2.0Bem mantidoAtualizado há 11 horas