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。

Apache Spark——面向大规模数据处理的统一分析引擎

Sparkling Water在Spark集群内提供H2O功能。

Spark RAPIDS 插件——利用 GPU 加速 Apache Spark

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

Apache Livy 是一个开源 REST 接口，支持从任意位置与 Apache Spark 进行交互。

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

基于DataSourceV2 API构建的Spark ClickHouse连接器

Apache Doris 是一款易用、高性能的统一分析数据库。

Trino 官方代码库——原名为 PrestoSQL 的大数据分布式 SQL 查询引擎 (https://trino.io)

全球最快的开源查询引擎，为数据湖仓内外提供亚秒级分析能力。StarRocks凭借卓越的灵活性支持几乎所有场景，在多维分析、实时分析和即席查询领域提供顶尖性能。该项目隶属于Linux基金会。

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。

30天Python编程挑战是一个分步指南，帮助你在30天内学习Python编程语言。这个挑战可能需要超过100天，请按照自己的节奏进行。这些视频也可能有所帮助：https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw

面向Python的灵活强大数据分析处理库，提供类R数据框的标签化数据结构、统计函数及丰富功能

《Python 数据科学手册》Jupyter 笔记本完整版

ClickHouse®是实时分析型数据库管理系统

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。