TiSpark 专为在 TiDB/TiKV 之上运行 Apache Spark 而构建

Apache Spark——面向大规模数据处理的统一分析引擎

一种开源存储框架，能够通过Spark、PrestoDB、Flink、Trino和Hive等计算引擎及API构建湖仓架构。

Deequ是基于Apache Spark构建的库，用于定义"数据单元测试"，可测量大规模数据集的数据质量

Apache Kyuubi是面向数据仓库和数据湖的分布式多租户无服务SQL网关

Apache DataFusion Comet Spark加速器

Sparkling Water在Spark集群内提供H2O功能。

Spark RAPIDS 插件——利用 GPU 加速 Apache Spark

安全数据共享的开放协议

基于DataSourceV2 API构建的Spark ClickHouse连接器

数据工程全方位学习资源汇总仓库

数据工程集训营是一门为期九周的免费课程，涵盖数据工程基础知识。

专为工业物联网（IIoT）场景设计的高性能、可扩展时序数据库

🚀 面向 MinIO 替代方案的高性能分布式对象存储

通过分布式SQL为所有数据库提供分片、可扩展性和安全性，赋能数据智能。

Apache Doris 是一款易用、高性能的统一分析数据库。

JuiceFS 是一个基于 Redis 和 S3 构建的分布式 POSIX 文件系统。

SeaTunnel是多模态、高性能、分布式海量数据集成工具

H2O是一个开源、分布式、快速且可扩展的机器学习平台：支持深度学习、梯度提升、XGBoost、随机森林、广义线性模型、K均值聚类、主成分分析、广义可加模型、规则拟合、支持向量机、堆叠集成、自动机器学习等。

Apache Paimon 是一种湖存储格式，支持基于 Flink 和 Spark 构建流批一体的实时湖仓架构。