好开源，值得被发现。

Apache Beam 是一个统一的编程模型，用于定义批处理和流式数据并行处理流水线。

Delta Lake 是一个开源存储框架，支持 Lakehouse 架构。它与 Spark、PrestoDB、Flink、Trino 和 Hive 等计算引擎集成，提供 ACID 事务、时间旅行和模式演进，实现可靠的数据管理。

Arkime 是一个大规模开源网络分析和数据包捕获系统，用于以 PCAP 格式存储和索引网络流量。

Trino 是一款专为大数据分析设计的快速分布式 SQL 查询引擎（原名 PrestoSQL）。

CatBoost是Yandex开发的开源梯度提升库，支持分类、回归和排序，原生处理类别特征，支持CPU/GPU训练、Apache Spark分布式训练，并提供Python、R、Java和C++接口。

精选阅读清单，涵盖构建可扩展、可靠、高性能大规模系统的设计原则、科技巨头案例研究与面试资源。

Apache DataFusion 是一个用 Rust 编写的可扩展查询引擎，采用 Apache Arrow 作为其内存格式，提供 SQL 和 DataFrame API，用于构建快速的分析系统。

ClickHouse 是一款开源的列式数据库管理系统，旨在实现实时分析数据的报告生成。

Cython是一个优化编译器，允许开发者使用类似Python的语法编写C扩展，可将Python代码翻译为C/C++以生成高效机器码。

本文档介绍了Apache Doris官网(doris.apache.org)的源代码仓库，使用Docusaurus 3构建，包含中英文文档、博客和社区的源代码。

Apache Spark 是一个专为大规模数据处理设计的统一分析引擎，提供高级 API 和针对通用计算图的优化引擎。

Apache Flink 是一个开源流处理框架，为数据流处理和批处理提供了强大的能力。