Prefect简介 Prefect是一个现代的工作流编排和管理工具，专为数据工程和数据科学任务设计。它提供了一种简单而强大的方式来定义、执行和监控数据管道。Prefect的设计目标是提高数据管道的可靠性、可扩展性和易用性…
Pinot 简介 Apache Pinot 是一个实时分布式 OLAP 数据存储和分析系统，专为低延迟、高吞吐量的查询而设计。Pinot 最初由 LinkedIn 开发，用于支持其内部的分析应用，如 LinkedIn 的 "Who Viewed My Profile" 和其他…
Papermill简介 Papermill是一个开源工具，主要用于在数据科学和数据工程工作流程中处理 Jupyter Notebook。它的核心功能是允许用户对 Jupyter Notebook 进行参数化执行，使得同一个 Notebook 可以在不同的参数配置…
Nextflow简介 Nextflow是一个用于数据驱动的计算管道（pipeline）开发和执行的开源框架，特别适合生物信息学和科学计算领域。它简化了复杂工作流程的创建和管理，使得科学家和工程师能够高效地处理大规模数据分析任…
Luigi简介 Luigi是一个由Spotify开发的开源Python模块，旨在简化复杂数据管道的构建、管理和调度。它专注于数据流的自动化和任务依赖的管理，非常适合处理大规模数据处理任务。 核心概念 任务（Task）：Luigi…
Apache Livy 简介 Apache Livy 是一个开源的 REST 服务，旨在简化与 Apache Spark 集群的交互。它为 Spark 提供了一种轻量级的接口，允许用户通过 REST API 提交作业、管理 Spark 会话和执行交互式查询。Livy 的出…
Kyuubi简介 Kyuubi是一个开源的多租户、大规模数据分析引擎服务，基于Apache Spark构建，旨在提供高效、易用和安全的SQL-on-Spark解决方案。它的设计目标是通过提供一个统一的接口来简化大数据分析的使用，使用户能…
Kestra简介 Kestra是一个现代化的开源工作流编排工具，专注于数据处理和自动化任务的管理。它旨在简化复杂数据工作流的构建、调度和监控。 核心概念 工作流（Workflow）：Kestra的工作流是由多个任务（Task）…
Kedro简介 Kedro是一个开源的Python框架，用于构建可重用、可扩展和可维护的数据科学项目。由QuantumBlack（隶属于麦肯锡公司）开发，Kedro的设计理念是将软件工程的最佳实践应用于数据科学和机器学习项目中。 …
Flyte简介 Flyte是一个开源的平台，专注于构建和管理可扩展、可重现的数据和机器学习工作流。由Lyft开发并贡献给开源社区，Flyte提供了一套全面的工具和框架，帮助开发者和数据科学家高效地构建、测试和运行数据管…
