首页
/ Airbyte：开源数据集成平台的全面介绍

Airbyte：开源数据集成平台的全面介绍

2026-01-14 17:31:30作者：平淮齐Percy
airbyte
Data integration platform for ELT pipelines from APIs, databases & files to warehouses & lakes.
项目地址：https://gitcode.com/gh_mirrors/ai/airbyte

Airbyte是一个开源的现代数据集成平台，专为ELT（提取-加载-转换）管道而设计。该项目诞生于对传统ETL工具局限性的深刻认识，旨在解决数据工程师在连接各种数据源到数据仓库和数据湖时面临的挑战。平台建立在坚定的开源理念之上，采用现代化的技术架构，包含连接器开发工具包（CDK）和300+预构建连接器的丰富生态，覆盖主流数据库、SaaS应用、文件存储和数据仓库等各类数据源。Airbyte通过标准化接口和自动化配置大幅降低了数据集成复杂度，支持ELT现代化范式，提供强大的可扩展性和企业级可靠性，拥有活跃的开源社区和透明的开发流程。

Airbyte项目概述与核心价值

Airbyte是一个开源的现代数据集成平台，专为ELT（提取-加载-转换）管道而设计。该项目诞生于对传统ETL工具局限性的深刻认识，旨在解决数据工程师在连接各种数据源到数据仓库和数据湖时面临的挑战。

开源理念与社区驱动

Airbyte建立在坚定的开源信念之上，团队坚信只有开源的数据移动解决方案才能真正覆盖长尾数据源，同时赋能数据工程师定制现有连接器。这一理念体现在项目的各个方面：

mindmap
  root(Airbyte开源理念)
    (社区驱动开发)
      (Slack社区协作)
      (GitHub开源贡献)
      (论坛技术支持)
    (透明技术架构)
      (CDK开源框架)
      (连接器标准化)
      (API文档完整)
    (企业级功能开放)
      (核心功能免费)
      (企业版增值服务)
      (安全特性可选)

技术架构与核心组件

Airbyte采用现代化的技术架构，其核心组件包括：

连接器开发工具包（CDK）

  • 提供统一的连接器开发框架
  • 支持Java和Python两种主流语言
  • 内置异常处理、配置验证等通用功能

丰富的连接器生态 项目包含300+预构建连接器，覆盖主流数据源和目标：

类别 示例连接器 数量
数据库 MySQL, PostgreSQL, Redshift 50+
SaaS应用 Salesforce, HubSpot, Slack 100+
文件存储 S3, GCS, SFTP 20+
数据仓库 Snowflake, BigQuery, Databricks 15+
消息队列 Kafka, MQTT, RabbitMQ 10+

核心价值主张

1. 简化数据集成复杂度 Airbyte通过标准化接口和自动化配置，大幅降低了数据集成任务的复杂度：

# Airbyte配置示例
configuration = {
    "source": {
        "source_type": "postgres",
        "host": "localhost",
        "port": 5432,
        "database": "mydb",
        "username": "user",
        "password": "password"
    },
    "destination": {
        "destination_type": "bigquery",
        "project_id": "my-project",
        "dataset_id": "my_dataset"
    }
}

2. 支持ELT现代化范式 与传统ETL不同，Airbyte采用ELT模式，先将原始数据加载到目标系统，再进行转换：

flowchart TD
    A[数据源] --> B[提取Extract]
    B --> C[加载Load<br>到数据仓库]
    C --> D[转换Transform<br>在目标系统中]
    D --> E[分析使用]

这种模式的优势在于：

  • 保持数据原始性，避免转换过程中的信息丢失
  • 利用目标系统的计算能力进行转换
  • 支持灵活的数据重构和重处理

3. 强大的可扩展性 通过CDK框架，开发者可以快速创建自定义连接器：

// Java CDK示例
public class CustomSource extends BaseSource {
    @Override
    protected AirbyteConnectionStatus check(JsonNode config) {
        // 连接验证逻辑
        return new AirbyteConnectionStatus().withStatus(Status.SUCCEEDED);
    }
    
    @Override
    protected AirbyteCatalog discover(JsonNode config) {
        // 自动发现数据模式
        return new AirbyteCatalog();
    }
}

4. 企业级可靠性与安全性 尽管是开源项目，Airbyte提供了企业级的功能特性：

  • 端到端加密数据传输
  • 详细的日志记录和监控
  • 自动重试和错误处理机制
  • 增量同步和状态管理

社区生态与协作模式

Airbyte拥有活跃的开源社区，采用透明的开发流程：

timeline
    title Airbyte社区发展历程
    2020 : 项目启动
    2021 : 达到1000+ GitHub stars
    2022 : 推出Cloud版本
    2023 : 连接器数量突破300
    2024 : 企业版发布

社区通过多种渠道进行协作：

  • GitHub Issues: 问题报告和功能请求
  • Slack社区: 实时技术讨论和支持
  • 论坛: 深度技术问答和最佳实践分享
  • 贡献指南: 清晰的代码贡献流程

行业影响与 adoption

Airbyte的出现填补了开源数据集成领域的空白，其价值得到了业界的广泛认可：

指标 数值 意义
GitHub Stars 10,000+ 社区认可度
连接器数量 300+ 生态丰富度
企业用户 1000+ 生产环境可靠性
月同步数据 PB级别 处理能力证明

该项目不仅提供了技术解决方案，更重要的是建立了一个可持续的开源商业模式，通过开源核心功能吸引用户，同时提供企业版增值服务来支持项目的长期发展。这种模式确保了项目的持续创新和维护，为数据集成领域带来了新的活力和可能性。

ELT与ETL数据管道的区别

在现代数据集成架构中，ELT（Extract, Load, Transform）和ETL（Extract, Transform, Load）是两种核心的数据处理模式。虽然它们都包含相同的基本操作步骤，但执行顺序的不同导致了架构设计、性能特征和适用场景的根本性差异。

处理流程的核心差异

ETL和ELT最本质的区别在于数据转换（Transform）步骤的执行时机：

flowchart TD
    subgraph ETL流程
        A[数据提取<br>从多个源系统] --> B[数据转换<br>在中间处理服务器]
        B --> C[数据加载<br>到目标数据仓库]
    end
    
    subgraph ELT流程
        D[数据提取<br>从多个源系统] --> E[数据加载<br>原始数据到数据仓库]
        E --> F[数据转换<br>在目标数据仓库内]
    end

ETL处理流程：

  1. 提取（Extract）：从源系统（数据库、API、文件等）获取原始数据
  2. 转换（Transform）：在专门的ETL服务器上进行数据清洗、格式转换、聚合等处理
  3. 加载（Load）：将处理后的结构化数据加载到目标数据仓库

ELT处理流程：

  1. 提取（Extract）：从源系统获取原始数据
  2. 加载（Load）：将原始数据（包括结构化、半结构化和非结构化数据）直接加载到数据仓库
  3. 转换（Transform）：在数据仓库内部使用SQL或其他处理引擎进行数据转换

技术架构对比

特性维度 ETL架构 ELT架构
转换位置 中间处理服务器 目标数据仓库内部
数据处理延迟 转换完成前无法加载 立即加载，按需转换
数据保留 仅保留处理后的数据 保留原始数据和转换后数据
基础设施 需要额外ETL服务器 利用数据仓库计算资源
数据格式支持 主要支持结构化数据 支持所有数据类型
扩展性 受ETL服务器限制 随数据仓库弹性扩展

性能与效率分析

ELT架构在性能方面具有显著优势，特别是在大数据量场景下：

graph LR
    subgraph ETL性能瓶颈
        S1[源系统] --> P1[ETL服务器<br>单点转换瓶颈]
        P1 --> D1[数据仓库<br>仅存储处理结果]
    end
    
    subgraph ELT高性能架构
        S2[源系统] --> D2[数据仓库<br>并行加载和转换]
        D2 --> R[实时分析<br>按需转换]
    end

ETL的性能限制：

  • 转换步骤成为单点瓶颈
  • 大数据量时处理时间显著增加
  • 需要预先定义所有转换规则
  • 难以应对数据schema的变化

ELT的性能优势：

  • 利用现代数据仓库的并行处理能力
  • 支持实时或近实时数据加载
  • 转换操作可以按需执行和优化
  • 更好的资源利用率和成本效益

适用场景对比

ETL更适合的场景：

  • 传统数据仓库环境
  • 严格的数据质量要求
  • 预定义的数据模型和报表需求
  • 合规性要求严格的数据处理
  • IoT边缘计算场景

ELT更适合的场景：

  • 现代云数据仓库（Snowflake、BigQuery、Redshift等）
  • 数据探索和即席查询需求
  • 多结构数据类型处理
  • 快速迭代的数据分析项目
  • 需要保留原始数据的场景

数据治理与安全性

在数据治理方面，两种架构各有特点：

ETL的数据治理优势：

  • 数据在加载前已完成清洗和标准化
  • 更容易实施数据质量检查
  • 符合传统的数据治理模式

ELT的数据治理挑战与解决方案：

  • 需要在数据仓库层面实施数据质量监控
  • 使用数据目录和元数据管理工具
  • 实施列级安全和数据掩码技术
  • 建立数据血缘追踪机制

现代数据平台的演进

随着云计算和现代数据仓库技术的发展，ELT已经成为主流选择。Airbyte作为开源数据集成平台，专门为ELT管道设计，支持从API、数据库和文件到数据仓库和数据湖的数据集成。

pie title ELT vs ETL采用趋势
    "ELT架构" : 75
    "ETL架构" : 20
    "混合架构" : 5

这种趋势的驱动因素包括：

  • 云数据仓库计算能力的显著提升
  • 存储成本的持续下降
  • 对原始数据保留需求的增加
  • 敏捷数据分析和探索的需求增长

实施考虑因素

选择ETL还是ELT架构时，需要考虑以下关键因素：

  1. 数据量级和增长速度：大数据量更适合ELT
  2. 数据类型多样性：多结构数据适合ELT
  3. 实时性要求：低延迟需求适合ELT
  4. 团队技术栈：SQL技能强的团队适合ELT
  5. 成本预算：ELT通常具有更好的成本效益
  6. 合规要求：某些行业可能仍需要ETL

最佳实践建议

对于大多数现代数据平台，推荐采用ELT架构，并结合以下最佳实践：

  • 使用Airbyte等现代数据集成工具：简化数据提取和加载过程
  • 实施数据质量监控：在数据仓库层面建立质量检查
  • 采用数据建模工具：如dbt（Data Build Tool）进行转换管理
  • 建立数据目录：跟踪数据血缘和元数据信息
  • 实施适当的访问控制：确保数据安全性

通过理解ELT和ETL的根本区别，数据团队可以做出更明智的架构决策，构建高效、可扩展且成本优化的数据管道。

Airbyte架构设计与核心组件

Airbyte作为现代数据集成平台，其架构设计体现了模块化、可扩展性和云原生理念。平台采用微服务架构，将核心功能分解为多个独立的组件，每个组件专注于特定的职责范围。

核心架构概览

Airbyte架构分为两大核心部分：平台服务和连接器生态系统。平台服务提供水平扩展的基础设施，而连接器则负责与各种数据源和目标的数据交互。

flowchart TB
    subgraph Platform[平台服务]
        WebApp[Web应用/UI]
        ConfigAPI[配置API服务器]
        Temporal[时序服务]
        Worker[工作节点]
        WorkloadAPI[工作负载API]
        Launcher[启动器]
        OperationPod[操作Pod]
    end
    
    subgraph Connectors[连接器生态系统]
        SourceConnectors[源连接器]
        DestinationConnectors[目标连接器]
        CDK[连接器开发工具包]
    end
    
    subgraph DataStores[数据存储]
        ConfigDB[配置数据库]
        JobQueue[作业队列]
    end
    
    WebApp --> ConfigAPI
    ConfigAPI --> ConfigDB
    ConfigAPI --> Temporal
    Temporal --> Worker
    Worker --> WorkloadAPI
    WorkloadAPI --> JobQueue
    Launcher --> JobQueue
    Launcher --> OperationPod
    OperationPod --> SourceConnectors
    OperationPod --> DestinationConnectors
    SourceConnectors --> CDK
    DestinationConnectors --> CDK

平台核心组件详解

1. Web应用界面 (airbyte-webapp)

Web应用是用户与Airbyte交互的主要界面，提供直观的图形化操作体验。基于React技术栈构建，支持：

  • 连接器配置管理
  • 数据管道监控
  • 实时作业状态跟踪
  • 用户权限管理

2. 配置API服务器 (airbyte-server)

作为平台的核心控制器，配置API服务器处理所有平台操作请求：

// 配置API核心服务示例
public class AirbyteServer {
    private ConfigDatabase configDb;
    private TemporalClient temporalClient;
    
    public Connection createConnection(ConnectionConfig config) {
        // 验证配置
        validateConfig(config);
        // 存储到数据库
        configDb.saveConnection(config);
        // 创建时序工作流
        temporalClient.createWorkflow(config);
        return buildConnectionResponse(config);
    }
}

主要职责包括：

  • 连接管理和配置持久化
  • 工作流编排和调度
  • 认证和授权处理
  • API请求路由和响应

3. 时序服务 (airbyte-temporal)

基于Temporal.io的工作流引擎，负责：

  • 作业调度和序列化管理
  • 容错和重试机制
  • 状态持久化和恢复
  • 分布式锁管理

时序服务确保数据同步作业的可靠执行，即使在节点故障时也能保证作业状态的一致性。

4. 工作节点 (airbyte-worker)

工作节点是从任务队列消费和执行的核心组件：

组件 职责 关键技术
调度器 读取时序任务队列 gRPC, Temporal SDK
执行器 运行连接逻辑 异步IO, 线程池
状态管理器 维护作业状态 状态机, 持久化存储

5. 工作负载API (airbyte-workload-api-server)

HTTP接口服务，负责工作负载的入队管理：

class WorkloadAPIServer {
    fun enqueueWorkload(workload: Workload): EnqueueResult {
        val validation = validateWorkload(workload)
        if (!validation.isValid) {
            throw InvalidWorkloadException(validation.errors)
        }
        
        val queueItem = buildQueueItem(workload)
        workloadQueue.enqueue(queueItem)
        return EnqueueResult(queueItem.id, Instant.now())
    }
}

连接器架构设计

Airbyte协议规范

Airbyte协议定义了连接器与平台之间的标准交互接口：

sequenceDiagram
    participant Platform
    participant Connector
    participant DataSource
    
    Platform->>Connector: spec()
    Connector-->>Platform: ConnectorSpecification
    Platform->>Connector: check(config)
    Connector->>DataSource: 验证连接
    DataSource-->>Connector: 连接状态
    Connector-->>Platform: AirbyteConnectionStatus
    Platform->>Connector: discover(config)
    Connector->>DataSource: 发现数据结构
    DataSource-->>Connector: 数据模式
    Connector-->>Platform: AirbyteCatalog
    Platform->>Connector: read(config, catalog, state)
    Connector->>DataSource: 读取数据
    DataSource-->>Connector: 数据记录
    Connector-->>Platform: AirbyteRecordMessage流

连接器开发工具包 (CDK)

CDK提供标准化框架简化连接器开发：

CDK模块 功能描述 核心类
协议处理 消息序列化/反序列化 AirbyteMessage, JsonCodec
异常处理 错误分类和处理 ExceptionClassifier, ConnectorErrorException
配置验证 配置schema验证 ConfigurationSpecification
状态管理 检查点和状态跟踪 StateStore, StateReconciler
数据转换 数据类型转换 AirbyteValueMapper, Transformations 
// CDK核心组件示例
public class AirbyteConnectorRunner {
    private final ExceptionClassifier exceptionClassifier;
    private final ConfigurationValidator configValidator;
    private final StateManager stateManager;
    
    public void run(ConnectorConfig config) {
        try {
            configValidator.validate(config);
            State initialState = stateManager.loadState();
            processData(config, initialState);
        } catch (ConfigErrorException e) {
            handleConfigError(e);
        } catch (TransientErrorException e) {
            handleTransientError(e);
        }
    }
}

连接器执行流程

连接器在操作Pod中运行，遵循严格的执行流程：

  1. 初始化阶段：加载配置，建立连接
  2. 数据发现阶段：识别可用数据流和结构
  3. 数据抽取阶段：从源系统读取数据
  4. 数据加载阶段：向目标系统写入数据
  5. 状态管理阶段：维护同步状态信息

数据流处理架构

Airbyte采用高效的数据流处理管道设计：

flowchart LR
    subgraph Extraction[数据抽取]
        Source[源连接器]
        RecordStream[记录流]
        StateMessages[状态消息]
    end
    
    subgraph Processing[数据处理]
        Parse[解析阶段]
        Aggregate[聚合阶段]
        Transform[转换阶段]
    end
    
    subgraph Loading[数据加载]
        Destination[目标连接器]
        StateManagement[状态管理]
    end
    
    Source --> RecordStream
    Source --> StateMessages
    RecordStream --> Parse
    Parse --> Aggregate
    Aggregate --> Transform
    Transform --> Destination
    StateMessages --> StateManagement

数据处理阶段

  1. 解析阶段 (ParseStage)：将原始数据解析为内部表示
  2. 聚合阶段 (AggregateStage)：按流和批次聚合记录
  3. 转换阶段 (TransformStage)：应用数据转换规则
  4. 状态阶段 (StateStage)：管理同步状态信息

每个阶段都设计为可插拔的组件，支持自定义处理逻辑。

容错和可靠性设计

Airbyte架构包含多层容错机制：

容错层面 技术实现 保障机制
连接级别 重试机制 指数退避算法
作业级别 检查点 状态持久化
系统级别 冗余部署 多可用区部署
数据级别 幂等写入 重复数据检测

这种架构设计使得Airbyte能够处理大规模数据集成任务，同时保持高度的可靠性和可扩展性。每个组件都设计为独立部署和扩展，可以根据实际工作负载需求进行弹性伸缩。

300+连接器的生态系统

Airbyte最令人印象深刻的特性之一就是其庞大的连接器生态系统，目前已经拥有超过300个预构建的连接器，覆盖了从传统数据库到现代SaaS应用的广泛数据源。这个生态系统不仅数量庞大，更重要的是其质量和多样性，为数据工程师提供了前所未有的集成灵活性。

连接器分类体系

Airbyte的连接器生态系统按照功能和使用场景可以分为几个主要类别：

类别 代表连接器 主要用途
数据库连接器 MySQL, PostgreSQL, MongoDB, Redis 传统关系型和非关系型数据库集成
数据仓库 Snowflake, BigQuery, Redshift 云数据仓库的数据同步
SaaS应用 Salesforce, HubSpot, Shopify 业务应用数据提取
API服务 Stripe, Twilio, Google Analytics 第三方API数据集成
文件存储 S3, GCS, SFTP 文件格式数据交换
消息队列 Kafka, RabbitMQ 实时数据流处理

连接器技术架构

每个Airbyte连接器都遵循统一的架构模式，确保一致性和可维护性：

graph TD
    A[连接器核心] --> B[配置管理]
    A --> C[认证处理]
    A --> D[数据提取]
    A --> E[状态管理]
    A --> F[错误处理]
    
    B --> B1[YAML配置]
    B --> B2[环境变量]
    
    C --> C1[OAuth 2.0]
    C --> C2[API密钥]
    C --> C3[基本认证]
    
    D --> D1[全量同步]
    D --> D2[增量同步]
    D --> D3[CDC变更捕获]
    
    E --> E1[检查点]
    E --> E2[游标管理]
    
    F --> F1[重试机制]
    F --> F2[错误日志]

核心连接器特性

标准化数据格式

所有连接器都输出统一的JSON格式数据，确保下游系统的一致性：

{
  "type": "RECORD",
  "record": {
    "stream": "users",
    "data": {
      "id": 123,
      "name": "John Doe",
      "email": "john@example.com",
      "created_at": "2023-01-01T00:00:00Z"
    },
    "emitted_at": 1672531200000
  }
}

智能同步策略

连接器支持多种同步模式：

  • 全量同步：每次同步所有数据
  • 增量同步：基于时间戳或自增ID的增量更新
  • CDC（变更数据捕获）：实时捕获数据变更

认证机制多样性

支持多种认证方式以满足不同API的需求：

# OAuth 2.0 认证示例
def authenticate_oauth2(config):
    auth_url = f"{config['base_url']}/oauth/authorize"
    token_url = f"{config['base_url']}/oauth/token"
    
    oauth = OAuth2Session(
        client_id=config['client_id'],
        redirect_uri=config['redirect_uri'],
        scope=config['scope']
    )
    
    return oauth

# API密钥认证示例  
def authenticate_api_key(config):
    headers = {
        'Authorization': f"Bearer {config['api_key']}",
        'Content-Type': 'application/json'
    }
    return headers

生态系统扩展机制

连接器构建器

Airbyte提供了可视化的连接器构建器，让用户能够快速创建自定义连接器：

flowchart LR
    A[定义数据源] --> B[配置认证]
    B --> C[设置端点]
    C --> D[定义数据模式]
    D --> E[测试连接]
    E --> F[生成连接器]

社区贡献流程

社区成员可以通过标准化流程贡献新的连接器：

  1. 需求分析：确定连接器的业务价值
  2. 技术评估：评估API的可用性和复杂性
  3. 开发实现：使用Airbyte CDK进行开发
  4. 测试验证：通过完整的测试套件
  5. 文档编写：提供详细的使用文档
  6. 代码审查：经过核心团队审查
  7. 发布上线：纳入官方连接器目录

质量保证体系

Airbyte对连接器实施严格的质量控制：

质量维度 检查项 通过标准
功能完整性 基本操作、错误处理、认证 100%测试覆盖率
性能指标 同步速度、内存使用、稳定性 满足生产环境要求
安全性 认证机制、数据传输、密钥管理 通过安全审计
文档质量 使用指南、配置说明、故障排除 完整且准确
向后兼容 API变更、配置更新、数据格式 保持兼容性

典型应用场景

电商数据集成

# 同时从多个电商平台同步数据
sources = [
    'source-shopify',
    'source-woocommerce', 
    'source-magento',
    'source-bigcommerce'
]

destination = 'destination-bigquery'

# 统一的数据处理管道
for source in sources:
    pipeline = create_pipeline(source, destination)
    pipeline.run()

营销数据分析

pie title 营销数据来源分布
    "Google Analytics" : 35
    "Facebook Ads" : 25
    "Twitter Analytics" : 15
    "其他平台" : 25

生态系统价值

Airbyte的300+连接器生态系统为企业提供了：

  1. 降低集成成本：预构建连接器减少开发工作量
  2. 加速数据项目：快速连接各种数据源
  3. 保证数据质量：经过验证的标准化连接器
  4. 支持业务创新：灵活应对新的数据需求
  5. 社区驱动发展：持续扩展的连接器库

这个庞大的生态系统不仅是Airbyte的核心竞争力，更是现代数据架构不可或缺的基础设施。通过统一的接口和标准化的数据流，它让数据集成从复杂的技术挑战变成了简单的配置任务。

Airbyte作为开源数据集成平台的代表，通过其300+连接器的庞大生态系统、现代化的ELT架构设计和强大的可扩展性，彻底改变了传统数据集成的方式。平台不仅提供了技术解决方案，更重要的是建立了一个可持续的开源商业模式，通过开源核心功能吸引用户，同时提供企业版增值服务来支持项目的长期发展。Airbyte的出现填补了开源数据集成领域的空白，其价值得到了业界的广泛认可，包括10,000+ GitHub Stars、300+连接器数量、1000+企业用户和PB级别的月同步数据处理能力。这种模式确保了项目的持续创新和维护，为数据集成领域带来了新的活力和可能性，让数据集成从复杂的技术挑战变成了简单的配置任务。

airbyte
Data integration platform for ELT pipelines from APIs, databases & files to warehouses & lakes.
项目地址：https://gitcode.com/gh_mirrors/ai/airbyte
登录后查看全文

相关内容推荐

1 Airbyte 1.6版本发布：数据集成平台的全新升级2 Airbyte 1.4.0版本发布：数据集成平台的重要升级3 Airbyte 1.5.0版本发布：数据集成平台的全新升级4 Jitsu数据同步中Airbyte状态解析错误的深度分析与解决方案5 Airbyte MSSQL CDC同步中_ab_cdc_event_serial_no字段类型转换问题分析6 【亲测免费】 CloudQuery 开源项目教程7 Meltano项目中使用tap-postgres--airbyte插件时遇到Docker命令解析问题分析8 DailySync 开源项目最佳实践教程9 Bulker 项目使用指南10 ETL 管道实战指南：基于 renatootescu/ETL-pipeline
热门项目推荐
相关项目推荐

热门内容推荐

1 【亲测免费】 探索科技之旅：《Build Your Own X》项目详解2 【亲测免费】 开源项目 `build-your-own-x` 使用指南

最新内容推荐

【免费下载】 JDK 8 和 JDK 17 无缝切换及 IDEA 和 【maven下载安装与配置】 DirectX修复工具【亲测免费】 让经典焕发新生：使用 Visual Studio Code 作为 Visual C++ 6.0 编辑器【亲测免费】 抖音直播助手：douyin-live-go 项目推荐【亲测免费】 ActivityManager 使用指南【亲测免费】 使用Docker-Compose部署达梦DEM管理工具（适用于Mac M1系列）【免费下载】 Windows Keepalived：Windows系统上的高可用性解决方案 Matlab物理建模仿真利器——Simscape及其编程语言Simscape Language学习资源推荐【亲测免费】 Windows10安装Hadoop 3.1.3详细教程【亲测免费】 开源项目 gkd-kit/gkd 常见问题解决方案

项目优选

收起
kernelkernel
deepin linux kernel
C
27
11
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
491
3.62 K
pytorchpytorch
Ascend Extension for PyTorch
Python
300
332
flutter_flutterflutter_flutter
暂无简介
Dart
740
178
kernelkernel
openEuler内核是openEuler操作系统的核心，既是系统性能与稳定性的基石，也是连接处理器、设备与服务的桥梁。
C
288
123
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库，实现网络在NPU上加速计算。
C++
866
473
cangjie_compilercangjie_compiler
仓颉编译器源码及 cjdb 调试工具。
C++
150
881
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
297
345
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer（第 2 版）》、《程序员面试金典（第 6 版）》题解
Java
65
20
Dora-SSRDora-SSR
Dora SSR 是一款跨平台的游戏引擎，提供前沿或是具有探索性的游戏开发功能。它内置了Web IDE，提供了可以轻轻松松通过浏览器访问的快捷游戏开发环境，特别适合于在新兴市场如国产游戏掌机和其它移动电子设备上直接进行游戏开发和编程学习。
C++
52
7