chunjun

基于Flink的分布式数据集成框架支持异构数据源

ChunJun是基于Apache Flink的分布式数据集成框架，支持多种异构数据源间的同步和计算。框架提供JSON模板和SQL脚本配置，具备分布式运行、Docker部署、增量同步、实时处理等功能。ChunJun易扩展、灵活性高，在众多企业中稳定运行，为数据集成提供可靠解决方案。

访问官网

Github

文档

介绍相关项目

fugue - 统一的分布式计算框架支持多种执行引擎

FugueGithubPySparkSQL分布式计算开源项目数据处理

Fugue是一个统一的分布式计算框架，支持在Spark、Dask和Ray等多种执行引擎上运行Python、Pandas和SQL代码。它可以轻松将现有Python和Pandas代码扩展到分布式环境，并通过FugueSQL在不同数据框架上构建端到端工作流。Fugue提供简洁的API和增强的SQL语法，实现了执行引擎的无缝切换，提高了大规模数据处理的效率和灵活性。

chug - 多模态数据训练的高效开源库

Chugging DataGithubHugging Face datasetswebdataset多模态数据训练开源项目数据处理库

chug是一个面向多模态数据训练的开源库,集成了webdataset和Hugging Face datasets的高效数据处理流程。它支持图像、文档和文本任务,提供实时PDF解码、灵活数据加载和预处理功能,并为文档阅读、视觉问答等任务设计了专用管道。尽管处于alpha阶段,chug已在多个PDF数据集上测试,可为大规模多模态模型训练提供有力支持。

awesome-opensource-data-engineering - 全面的数据工程开源项目资源库

Github开源开源项目数据分析数据处理数据工程数据管理

该资源库汇集了数据工程领域的开源项目，覆盖数据分析、业务智能、数据湖和数据治理等方面。包含Apache Spark、Flink等分析工具，Debezium、Kafka等数据捕获和消息系统，以及各种数据格式、集成工具和工作流管理系统。为数据工程实践提供了全面的开源解决方案参考。

airy - 流式数据处理框架赋能 AI 模型训练与实时分析

Airy CoreGithub开源开源项目数据平台机器学习流处理

Airy Core 是一个开源的流式数据处理框架，为 AI 模型训练和实时分析提供支持。它集成了多种数据源，如 Facebook、WhatsApp 等社交平台，并支持自定义连接器。Airy Core 能够融合历史和实时数据流，简化数据摄取流程，并通过预构建连接器从 Kafka 直接消费数据。基于 Apache Kafka 构建的 Airy Core 可同时处理海量事件，实现数据的实时流式传输。这一框架不仅简化了部署过程，还缩短了开发周期，同时增强了基础设施和应用的稳定性。

bento - 灵活高效的流处理工具支持多源多目标数据连接

BentoGithub开源项目插件数据管道流处理器配置文件

Bento是一个高性能的流处理工具，可连接多种数据源和目标。它支持多种中介模式，能对数据进行处理和转换。Bento提供强大的映射语言，易于部署和监控。它可作为二进制文件、Docker镜像或无服务器函数使用，适配多种云服务和数据系统。Bento保证至少一次的数据传输，并提供健康检查、指标监控和分布式追踪功能。

rill-flow - 可扩展的分布式工作流管理服务

GithubRill Flow云原生分布式系统工作流调度开源项目高性能

Rill Flow 是一款高性能和可扩展的分布式工作流管理服务，支持每日处理数以千万计的任务，执行延迟低于100毫秒。核心功能包括易用的可视化流程编排、插件集成、云原生容器部署与函数编排，并支持快速集成大型语言模型服务，适用于异构分布式系统的编排与调度。

openintegrationhub - 简化企业应用数据同步的开源微服务框架

GithubOpen Integration Hub业务应用开源框架开源项目微服务架构数据同步

Open Integration Hub是一个开源微服务框架，旨在简化企业应用间的数据同步。框架支持自定义服务和技术集成，适用于本地和云端环境。项目具有活跃的开发者社区，提供全面的文档和贡献指南，为企业数据集成提供灵活、高效的解决方案。

datafusion - 基于Apache Arrow的快速查询引擎支持SQL和DataFrame API

Apache DataFusionArrowGithubRust开源项目数据处理查询引擎

Apache DataFusion是基于Rust和Apache Arrow的查询引擎，提供SQL和DataFrame API。支持CSV、Parquet、JSON和Avro格式，性能优异且可广泛定制。适用于构建特定领域查询引擎、数据库平台和数据管道，便于开发者快速起步并按需定制。其开源特性和活跃社区为项目开发提供了有力支持。

file.d - 快速灵活的数据流处理工具 file.d

Githubfile.d开源项目插件系统数据管道日志收集高性能

file.d作为开源数据流处理工具，以其卓越的性能和灵活性脱颖而出。它不仅能高效处理文件数据，还支持多种输入输出方式。与同类工具相比，file.d处理速度提升10倍以上，同时确保内存使用可控和数据传输稳定。该工具完美适配现代云原生环境，配置简便，并与Prometheus和Vault无缝集成，特别适合大规模Kubernetes集群的日志管理需求。

data-juicer - 大语言模型数据处理系统，提供多模态数据支持

Data-JuicerGithub多模态数据处理大规模语言模型开源项目数据处理数据模型协同开发

Data-Juicer 是一款强大的一站式数据处理系统，专为大语言模型设计。它支持多模态数据处理，具有80多种操作符和20多个配置方案，提供高效且并行的数据处理能力。其友好的用户体验和全面的文档，使其成为生产环境中的优选方案。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com