Awesome GitHub RepositoriesTable Managers

RisingWave is a cloud-native streaming database and real-time analytics engine that uses standard SQL to process continuous data streams. It functions as a streaming data lakehouse, combining the capabilities of a streaming SQL database with a platform that integrates streaming ingestion with open table formats. The system is distinguished by its use of the PostgreSQL wire protocol, allowing it to integrate with existing SQL tools and drivers. It employs a decoupled compute and storage architecture, persisting streaming state and materialized views in cloud object storage to enable independen

LanceDB is a vector database and columnar data store designed to function as a versioned dataset manager and vector search engine. It serves as a high-performance backend for indexing and retrieving high-dimensional embeddings, providing the foundation for machine learning data pipelines. The system distinguishes itself through a combination of cloud-native object storage and immutable version tracking, allowing for data time-travel and reproducible AI experiments. It integrates hybrid search capabilities, merging dense vector similarity with BM25 full-text search and SQL-like scalar filters

Iceberg is an open table format and big data table manager designed for huge analytic datasets in cloud storage. It provides a specification for tracking large-scale datasets to maintain transactional consistency and structural integrity. The project utilizes a standardized REST catalog interface to manage table metadata, ensuring interoperability between different compute engines. This allows diverse query engines to connect to a single table interface and maintain consistency across different processing frameworks. Its core capabilities include managing large-scale analytic tables, coordin

Moto is a cloud service mockery framework and API mock server that simulates AWS infrastructure locally. It allows developers to test cloud-dependent code and verify infrastructure-as-code templates without deploying real resources or incurring costs. The project functions as an SDK interceptor that can patch existing service clients to redirect requests to a local mock environment. It can also be run as a standalone HTTP server, enabling any programming language to interact with the simulated endpoints. The framework covers a vast array of simulated capabilities, including data storage, com

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

lakeFS is a data lake versioning system that provides Git-like branching and commits for large datasets stored in object storage. It functions as a version control layer, enabling the creation of immutable snapshots, atomic commits, and zero-copy branching to create isolated environments for data experimentation without duplicating physical files. The system serves as an S3-compatible storage gateway and an Iceberg REST catalog, allowing standard cloud storage protocols and compatible clients to manage versioned tables. It acts as a data quality gatekeeper by using an event-driven hook system

GeoPandas एक Python लाइब्रेरी है जो pandas को जियोस्पेशियल डेटा के लिए नेटिव सपोर्ट के साथ विस्तारित करती है। यह भौगोलिक ज्यामिति—पॉइंट्स, लाइन्स और पॉलीगॉन्स—को DataFrames के भीतर एक फर्स्ट-क्लास कॉलम प्रकार के रूप में मानती है, जिससे उपयोगकर्ता पारंपरिक सारणीबद्ध विशेषताओं के साथ-साथ वेक्टर स्थानिक डेटा को स्टोर, मैनिपुलेट और विश्लेषण कर सकते हैं। यह लाइब्रेरी सिद्ध जियोस्पेशियल घटकों पर बनी है: यह सभी ज्यामितीय ऑपरेशनों के लिए Shapely, मानक स्थानिक फ़ाइल स्वरूपों को पढ़ने और लिखने के लिए Fiona और GDAL, कोऑर्डिनेट रीप्रोजेक्शन के लिए PyProj, और स्थानिक क्वेरी को गति देने के लिए (Shapely से) एक R‑tree स्थानिक इंडेक्स का उपयोग करती है। GeoPandas की विशेषता pandas इकोसिस्टम के भीतर पूर्ण स्थानिक विश्लेषण वर्कफ़्लो का सहज एकीकरण है। उपयोगकर्ता विभिन्न प्रोजेक्शनों में डेटा को संरेखित करने के लिए कोऑर्डिनेट रेफरेंस सिस्टम ट्रांसफॉर्मेशन कर सकते हैं, क्षेत्रफल और लंबाई जैसे ज्यामितीय गुणों की गणना कर सकते हैं, बफ़र्स और सेंट्रोइड्स उत्पन्न कर सकते हैं, और इंटरसेक्शन और यूनियन जैसे सेट ऑपरेशन कर सकते हैं। यह लाइब्रेरी लोकेशन-आधारित फ़िल्टरिंग, स्थानिक जॉइन जो ज्यामितीय संबंधों के आधार पर डेटासेट को जोड़ते हैं, और ओवरले विश्लेषण का भी समर्थन करती है जो एकत्रित परिणाम उत्पन्न करते हैं। अन्वेषण के लिए, यह मैप विज़ुअलाइज़ेशन क्षमताएं प्रदान करती है, जो सीधे स्थानिक तालिकाओं से स्टेटिक प्लॉट्स और इंटरैक्टिव मैप्स तैयार करती है। इन मुख्य अंतरों के अलावा, GeoPandas भौगोलिक डेटा के पूरे जीवनचक्र को संभालती है: Shapefile, GeoJSON, और GeoPackage जैसे सामान्य स्वरूपों से आयात और निर्यात करना; स्थानिक तालिकाओं का प्रबंधन करना जो ज्यामिति को विशेषता कॉलम के साथ जोड़ती हैं; और स्थान, विशेषता स्थितियों, या स्थानिक प्रेडिकेट्स द्वारा फीचर्स को क्वेरी या फ़िल्टर करना। इसका दस्तावेज़ीकरण इंस्टॉलेशन, एक व्यापक API संदर्भ, और उपयोगकर्ता गाइड को कवर करता है जो सामान्य जियोस्पेशियल कार्यों के माध्यम से मार्गदर्शन करते हैं।

Kùzu is an embedded property graph database engine designed for high-performance analytical queries and local data management. It operates as a library within the host application process, utilizing a columnar-based storage architecture and just-in-time query compilation to execute complex graph traversals and pattern matching efficiently. By mapping database files directly into system memory, it ensures data durability and high-speed access while maintaining ACID-compliant transactional integrity. The engine distinguishes itself by integrating vector similarity search and full-text search di

Gravitino is a federated metadata lake and unified data catalog designed to manage tables, files, and AI models across diverse data sources and cloud storage. It serves as a centralized interface for governing schemas, access controls, and tagging across relational databases, messaging queues, and object stores. The project distinguishes itself by unifying the management of AI assets, such as machine learning models and their version lineages, alongside traditional tabular data. It also implements the Iceberg REST specification to provide a standardized metadata server and proxy for lakehouse