Project Icon

delta-sharing

开放协议实现跨平台大规模数据实时共享

Delta Sharing是一个开放协议,用于安全实时交换大型数据集。它支持跨平台实时数据共享,使用REST API安全共享云数据集,通过S3、ADLS或GCS等云存储系统传输数据。用户可直接使用pandas、Tableau、Apache Spark等工具访问共享数据,无需部署特定计算平台。该协议简化了数据提供和使用流程,使数据共享更加高效便捷。

versatile-data-kit - 全面的数据工作流开发、部署和运维框架
GithubPythonSQLVersatile Data Kit开源项目数据处理框架数据工作流
Versatile Data Kit是一个综合性数据工作流框架,支持Python和SQL开发。它提供ETL/ELT模式和模块化扩展,简化了数据提取、转换和加载过程。该框架具备一键部署功能,并集成了运维监控工具。通过Control Service,可实现数据作业的便捷管理和调度。Versatile Data Kit致力于提高数据工程效率,适用于各类数据处理场景。
Dragonfly2 - 云原生架构下的P2P文件分发与镜像加速解决方案
CNCFDragonflyGithubP2P文件分发云原生架构容器引擎开源项目
Dragonfly2是CNCF孵化的开源项目,基于P2P技术提供文件分发和镜像加速服务。该系统为云原生架构设计,具有简单易用、高效分发、智能控制和安全可靠的特点。通过种子节点和P2P技术,Dragonfly2有效节省带宽资源,并实现主机级限速和智能流控。同时,它还支持数据加密传输和HTTPS连接,保障数据安全。
bitsail - ByteDance开源的分布式数据集成引擎
BitSailGithub分布式架构字节跳动开源开源项目数据集成
BitSail是一个开源的分布式数据集成引擎,支持多种异构数据源间的同步。该引擎提供批处理、流处理和增量场景的数据集成解决方案,采用分布式和云原生架构,具备高性能和可靠性。BitSail在ByteDance多个业务线中得到应用,每日处理海量数据,展现了其强大的数据集成能力。
bigflow - 简化GCP数据流水线开发的高效Python框架
BigFlowGCPGithubPython框架开源项目数据处理部署
BigFlow是一个专为Google Cloud Platform (GCP)设计的数据处理框架。该框架提供Docker化部署、CLI工具、自动化构建与部署、统一项目结构,并支持GCP主要数据处理技术。BigFlow优化了数据工程流程,支持Dataflow和BigQuery,适用于不同规模的数据处理项目。框架还包含项目启动器,帮助快速搭建工程环境。
overwatch - Databricks平台的数据洞察与治理工具
DatabricksGithubOverwatchSparktelemetry开源项目数据分析
Overwatch是Databricks Labs开发的开源项目,专为Databricks统一分析平台设计。通过整合Spark和Databricks平台的遥测数据,Overwatch提供关键洞察,实现平台治理和智能分析。它帮助用户深入了解Databricks部署情况,提升运营效率和决策能力。作为一个用于探索和优化数据基础设施的工具,Overwatch为Databricks用户提供了宝贵的支持。
streamdal - 基于WebAssembly的高效实时数据处理框架
GithubStreamdalWebAssembly实时处理开源开源项目数据隐私
Streamdal是一个开源的代码原生数据处理框架,可直接在应用程序中执行数据任务。该框架利用WebAssembly技术在客户端运行,相比传统数据管道具有显著的性能、成本和易用性优势。Streamdal提供实时个人身份信息检测与屏蔽、数据模式推断与验证、数据提取与截断等功能。它无需额外的数据管道基础设施和专门团队,支持多种编程语言SDK,易于集成,适用于各类需要高效实时数据处理的应用场景。
DeepSpeed - 一个深度学习优化库,专为大规模模型训练和推理设计
DeepSpeedGithub分布式训练大规模模型训练开源项目模型压缩模型推理
DeepSpeed 是一个深度学习优化软件套件,专为大规模模型训练和推理设计,能显著优化系统性能和降低成本。它支持亿级至万亿级参数的高效管理,兼容各种计算环境,从资源受限的GPU系统到庞大的GPU集群。此外,DeepSpeed 在模型压缩和推理领域亦取得创新成就,提供极低的延迟和极高的处理速率。
petastorm - 开源数据访问库,支持单机或分布式训练和评估深度学习模型,直接从Apache Parquet格式数据集中读取数据
Apache ParquetGithubPetastorm分布式训练开源项目机器学习框架深度学习
Petastorm是一个开源数据访问库,支持单机或分布式训练和评估深度学习模型,直接从Apache Parquet格式数据集中读取数据。该库兼容Tensorflow、PyTorch和PySpark等主流Python机器学习框架,也可用于纯Python代码。Petastorm支持多种数据压缩格式,提供方便的API用于数据生成和读取,并支持列选择、并行读取、行过滤等功能。用户可以轻松在单机或Spark集群上生成数据集,是构建高效机器学习管道的理想工具。
fondant - 旨在协同构建和共享数据集的开源数据框架
FondantGithub共享操作开源项目数据处理数据框架数据集构建
Fondant是一个开源数据框架,旨在协同构建和共享数据集。它允许用户无需移动源数据即可进行数据初始化、处理和加载,支持可插拔的工作流、自定义组件以及版本追踪与数据浏览。Fondant适用于跨云端环境(如Google Cloud的Vertex和AWS的Sagemaker),使数据处理简单、可扩展,是生产环境中处理和共享数据集的理想选择。
LakeSoul - 在云存储上为 BI 和 AI 应用程序提供快速数据摄取、并发更新和增量数据分析的Lakehouse框架
ACID事务GithubLakeSoul元数据管理增量更新多计算引擎支持开源项目
LakeSoul是一个云原生的Lakehouse框架,提供灵活高效的Upsert操作、模式演化和统一的流与批处理。支持包括Spark、Flink、Presto和PyTorch在内的多种计算引擎,以及如HDFS和S3的存储系统。具备高写入吞吐量和优化的数据读取性能,支持并发更新和增量插入。拥有自动压缩、数据清理和权限隔离等功能。该项目由DMetaSoul公司创建,并捐赠给Linux Foundation AI & Data作为沙盒项目。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号