搜索结果：spark（47 个）

面向 agent、LLM 和 ML 模型的开源 AI 工程平台，支持调试、评估、监控和优化生产级 AI 应用。

开源 AI 办公套件，内置 AI Agent，支持文档/表格/幻灯片等编辑，提供 CLI 及供 Claude Code、Cursor 调用的 Agent 技能。

支持 ChatGPT API 与多种 LLM 的图形界面，具备 Agent、文件问答、GPT 微调和联网搜索功能。

面向 Python 的交互式图表与数据可视化库。

让 ESLint 支持检查 TypeScript 代码的完整工具链仓库。

SynapseML（原 MMLSpark）是基于 Apache Spark 的分布式机器学习库，主要解决大规模数据下构建 ML 流水线复杂度高的问题。它无缝兼容 SparkML API，支持在弹性集群上分布式训练，覆盖文本分析、计算机视觉、异常检测及深度学习等任务，并支持 Python、Scala 等多语言调用。

仅需一行代码，即可对 Pandas 和 Spark DataFrame 进行数据质量分析与探索。

Delta Lake 是一个开源存储框架，用于构建 Lakehouse 架构并提供 ACID 事务保证。它解决了大数据湖缺乏事务支持与可靠性的问题，支持对接 Spark、Flink、Trino、PrestoDB 等计算引擎，并为 Scala、Java、Python 等语言提供读写 API。

Spark NLP 是基于 Apache Spark 构建的工业级 NLP 与大模型库，解决大规模文本处理在分布式环境中难以扩展的痛点。它提供实体识别、文本分类、问答等功能，内置超 10 万个预训练模型与管道，并支持导入 TensorFlow、ONNX 及 GGUF 模型。

基于 Web 的数据分析笔记本，支持 SQL、Scala 等语言进行交互式分析与协同办公。

Gluten 是一个为 Spark SQL 提速的中间层插件。它复用 Spark 的分布式控制流，将 JVM 中计算密集的数据处理卸载给 ClickHouse、Velox 等高性能原生引擎。通过 Substrait 转换执行计划并结合 Arrow 列存格式，无需改动现有 SQL 或 DataFrame API 即可实现原生向量化加速。

MLeap 专注于简化机器学习流水线的生产部署。它支持将 Spark 或 Scikit-learn 训练的流水线导出为便携格式（JSON/Protobuf），并直接在轻量级 JVM 运行时上执行，完全脱离对 Spark、sklearn 等重型环境的依赖，实现高性能、跨平台的快速推理。

Delta Sharing 是开源的安全数据共享协议，解决跨计算平台实时交换大数据集的难题。它通过 REST 协议共享云存储上的数据，提供 Python、Spark 连接器及参考服务端，支持直接用 pandas、Spark 等工具读取 Delta Lake 或 Parquet 表。

支持大数据 Upsert、Delete 及增量处理的数据湖框架。

Spline 是一个基于 Scala 开发的数据血缘追踪与可视化方案。它主要解决大数据处理流程中数据来源与流向不透明的问题，支持 Apache Spark 等框架。核心功能包括自动化捕获作业血缘、通过 REST/Kafka 接口传输并存储血缘数据，以及提供直观的可视化界面。

Scio 是为 Apache Beam 和 Google Cloud Dataflow 打造的 Scala API，风格贴近 Spark。它解决了 Beam 原生开发体验繁琐的问题，提供批流一体的编程模型，深度整合 BigQuery、Pub/Sub 等 GCP 服务，并原生支持 Cassandra、Parquet、TensorFlow 等多样数据源与交互式 REPL。

Bootstrap 开源主题合集。

支持 Android、iOS、macOS、Windows 和 Linux 的漫画浏览器。

Apache Kyuubi 是一个分布式、多租户的 Serverless SQL 网关。它提供类 HiveServer2 的 JDBC/ODBC 接口，让开发者无需 Spark 背景，直接用纯 SQL 即可查询数仓与数据湖的大规模数据。服务端支持多租户架构，实现资源隔离、高并发与高可用。

一分钟快速搭建影视站，支持 Docker 等多种部署方式。