Awesome GitHub RepositoriesCustom Scalar Function Writing

Apache Hive is a SQL-on-Hadoop data warehouse that enables querying and managing petabytes of data stored in distributed storage such as HDFS and cloud storage services. It provides a familiar SQL interface for batch analytics and reporting, supported by a core set of components including the HiveServer2 Thrift service for remote query execution, the Hive Metastore Service for central metadata management, the Hive ACID Transaction Engine for concurrent read-write operations, and the Hive LLAP Interactive Engine for low-latency analytical processing. The WebHCat REST API offers an HTTP interfac

sqlean es una colección de librerías de extensión para SQLite implementadas como librerías compartidas basadas en C. Proporciona un conjunto de funciones escalares y de tabla adicionales que amplían las capacidades nativas del motor de base de datos SQLite. El proyecto proporciona conjuntos de herramientas especializados para criptografía, matemáticas avanzadas, redes y acceso al sistema de archivos. Estos incluyen hashing y codificación binaria, análisis estadístico, validación de direcciones IP y la capacidad de mapear archivos CSV o rutas del sistema de archivos como tablas virtuales. La librería también incluye herramientas integrales de procesamiento de texto como expresiones regulares, coincidencia difusa (fuzzy matching) y manipulación de cadenas consciente de Unicode. Las capacidades adicionales cubren la gestión de fecha y hora de alta precisión y la generación de identificadores únicos.

Velox es un motor de ejecución de consultas en C++ de alto rendimiento y biblioteca de procesamiento de datos columnares. Sirve como un framework componible para implementar motores de consulta analíticos, proporcionando un evaluador de expresiones vectorizadas y un toolkit para sistemas de gestión de datos. El proyecto se distingue por su uso de ejecución columnar vectorizada y asignación de memoria basada en arena para procesar conjuntos de datos a gran escala. Cuenta con optimizaciones especializadas como caché de tablas de broadcast join, push-down de filtros dinámicos y codificación de diccionario para reducir la sobrecarga de memoria y acelerar las lecturas analíticas. El motor cubre una amplia gama de capacidades analíticas, incluyendo la implementación de hash, merge y semi joins, así como agregación paralela multietapa y cálculo de funciones de ventana. Proporciona primitivas para almacenamiento columnar en memoria, decodificación de datos Parquet e integración con almacenamiento en la nube. La extensibilidad se proporciona a través de un sistema de registro de funciones para funciones escalares y agregadas personalizadas, con bindings de alto nivel disponibles para conectar la lógica de C++ a Python.