Декларативный движок интеграции данных с приоритетом кода для построения ELT-пайплайнов на базе Singer taps и targets; через Hub доступны 600+ API и баз данных.
dagster-io/dagster
Платформа оркестрации на Python для описания, запуска и мониторинга данных: таблиц, датасетов, ML-моделей и отчётов.
Open source альтернатива:Apache Airflow
- Звёзды
- 16,311
- Форки
- 2,366
- Открытые issues
- 2,604
- Последний коммит
- 11 часов назад
Что это?
В Dagster можно объявить нужные вам данные как Python-функции, а платформа запустит их в подходящее время и будет поддерживать в актуальном состоянии. Данные связываются в граф, поэтому в веб-интерфейсе видны зависимости, происхождение данных и история запусков.
Проект рассчитан на весь цикл разработки: от локальной разработки и модульных тестов до интеграционных тестов, staging и production. В Dagster есть планировщик, поддержка выполнения для нескольких клиентов, встроенные средства наблюдаемости и каталогизации, а также растущая библиотека интеграций с распространёнными инструментами для работы с данными.
Поддерживаются версии Python с 3.9 по 3.14. Dagster можно установить из PyPI с помощью пакетов dagster и dagster-webserver.
Ключевые возможности
- 01Описывайте данные как Python-функции с помощью декларативной модели.
- 02Просматривайте зависимости и происхождение данных в веб-интерфейсе.
- 03Планируйте запуски данных и поддерживайте их в актуальном состоянии.
- 04Встроенные средства наблюдаемости и диагностики, а также каталогизация метаданных.
- 05Мультитенантный движок оркестрации для production-развёртываний.
- 06Растущая библиотека интеграций с популярными инструментами для работы с данными.
Сценарии использования
- Построение ETL- и ELT-пайплайнов для формирования таблиц в хранилище данных.
- Оркестрация обучения моделей машинного обучения и связанных с ними пайплайнов.
- Поддержка актуальности отчётов и датасетов.
- Локальное тестирование пайплайнов данных и их проверка в CI перед развёртыванием в production.
Быстрый старт
- 1
Установите Dagster, веб-сервер и CLI с помощью uv
uv add dagster dagster-webserver dagster-dg-cli - 2
Следуйте практическому руководству в документации, чтобы создать свой первый пайплайн
Темы
Частые вопросы
- Что такое dagster?
- Платформа оркестрации на Python для описания, запуска и мониторинга данных: таблиц, датасетов, ML-моделей и отчётов. В Dagster можно объявить нужные вам данные как Python-функции, а платформа запустит их в подходящее время и будет поддерживать в актуальном состоянии. Данные связываются в граф, поэтому в веб-интерфейсе видны зависимости, происхождение данных и история запусков.
- dagster можно использовать бесплатно? Какая у него лицензия?
- dagster распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- dagster всё ещё поддерживается?
- Активно поддерживается. Последний коммит в dagster — 21 окт. 2026 г..
- Для чего можно использовать dagster?
- Построение ETL- и ELT-пайплайнов для формирования таблиц в хранилище данных. Оркестрация обучения моделей машинного обучения и связанных с ними пайплайнов. Поддержка актуальности отчётов и датасетов. Локальное тестирование пайплайнов данных и их проверка в CI перед развёртыванием в production.
- Как установить dagster?
- Установите Dagster, веб-сервер и CLI с помощью uv: uv add dagster dagster-webserver dagster-dg-cli Следуйте практическому руководству в документации, чтобы создать свой первый пайплайн
- Где скачать dagster?
- Исходный код и инструкции по установке — на GitHub: https://github.com/dagster-io/dagster
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Apache Airflow — платформа для программного описания, планирования и мониторинга рабочих процессов в виде Python-кода (Dags).
Python-фреймворк для оркестрации рабочих процессов: превращает скрипты в промышленные конвейеры данных с расписанием, повторами, кэшированием и автоматизацией на основе событий.
Платформа оркестрации с открытым исходным кодом для запуска событийных и запланированных рабочих процессов с данными, ИИ и инфраструктурой, описанных в YAML.
Python-фреймворк ETL для потоковой обработки, аналитики в реальном времени, LLM-пайплайнов и RAG на базе движка на Rust.
Распределённая low-code-платформа для оркестрации данных: помогает создавать, планировать и отслеживать сложные конвейеры обработки данных.