项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1193
技术标签
使用教程
环境要求
- Redis 版本需大于 6.2(Quokka 强依赖)
- Python 环境,可使用 pip3 安装包
- Debian/Ubuntu 系系统可使用 apt 安装 Redis(README 给出的命令基于此)
- 能访问 PyPI 下载 pyquokka
安装与启动步骤
-
1安装最新 Redis
README 强调系统默认 apt 源里的 Redis 版本很可能不满足要求,需先添加 Redis 官方 APT 仓库再安装。
curl -fsSL https://packages.redis.io/gpg | sudo gpg --dearmor -o /usr/share/keyrings/redis-archive-keyring.gpg echo "deb [signed-by=/usr/share/keyrings/redis-archive-keyring.gpg] https://packages.redis.io/deb $(lsb_release -cs) main" | sudo tee /etc/apt/sources.list.d/redis.list sudo apt-get update sudo apt-get install redis -
2确认 Redis 版本
安装完成后必须执行版本检查,确保 Redis Server 版本大于 6.2,否则 Quokka 无法正常工作。
redis-server -v -
3安装 pyquokka
通过 PyPI 安装 Quokka 的 Python 包 pyquokka,README 未指定额外参数,直接安装即可。
pip3 install pyquokka -
4本地验证 DataStream
用 Polars DataFrame 创建本地 DataStream 做冒烟测试,能打印出 DataStream 即说明依赖链路正常。
from pyquokka import QuokkaContext import polars qc = QuokkaContext() a = polars.from_dict({"a":[1,1,2,2], "b":['{"my_field": "quack"}','{"my_field": "quack"}','{"my_field": "quack"}','{"my_field": "quack"}']}) b = qc.from_polars(a) print(b)
如何确认成功
在 Python 中执行 from pyquokka import QuokkaContext 并打印 qc.from_polars(a) 的结果,输出类似 DataStream[a,b] 即成功。
常见问题
Q:用 apt-get install redis 装的 Redis 可以吗?
A:README 明确提示默认 apt-get install 的版本很可能不对,务必用官方仓库安装后再用 redis-server -v 确认版本大于 6.2。
Q:Redis 版本低于 6.2 会怎样?
A:Quokka 要求 Redis > 6.2,版本不满足时无法正常使用,需要先按 README 的官方源方式升级 Redis。
Q:安装后如何快速自检?
A:先 redis-server -v 看版本,再在 Python 里导入 QuokkaContext 并用 Polars DataFrame 创建 DataStream,两步都通过说明环境可用。
Q:除了 Redis 还要装别的东西吗?
A:README 只要求 Redis > 6.2 并 pip3 install pyquokka,其余依赖(DuckDB、Polars、Ray、Arrow 等)由 pip 安装包时自动处理。
注意事项
- README 只给出 Debian/Ubuntu 的 Redis 安装命令,其他系统需自行准备符合版本的 Redis。
- Quokka 依赖 Redis 运行,使用前需保证 Redis 服务处于启动状态。
- README 未列出具体配置项与端口参数,如需进阶配置请查阅官方文档 https://marsupialtail.github.io/quokka/。
- 项目迭代较快,安装前可先浏览官方文档确认最新用法。
核心亮点
- 自动按时间分区和文件裁剪,查询性能接近专用时序库
- 原生支持乱序写入和实时合并,避免小文件问题
- 基于 Python 实现,易于二次开发和集成现有数据栈
不足之处
- 项目仍处于早期,生产环境稳定性待验证
- 文档和社区生态相对薄弱
适用场景
- 物联网设备数据长期归档与查询
- 金融交易或监控指标的大规模存储分析
- 数据湖平台统一时序与关系型数据管理
替代项目
Apache IoTDB、InfluxDB、TimescaleDB
下一篇:MLOpsTemplate
同类项目推荐
opennhp
开源
让未认证流量看不见,验证通过才放行
Make your infrastructure invisible to attackers. OpenNHP implements the Network-infr···
hoop
开源
一个网关统一管住 MCP、LLM、数据库和容器的访问策略
Open-source enforcement at runtime that masks sensitive data and blocks destructive ···
mlops-workload-orchestrator
开源
在AWS上标准化编排ML管道,让模型上线更规范高效
The MLOps Workload Orchestrator solution helps you streamline and enforce architectu···
tiktoken
开源
精准算 token、快速切文本,LLM 应用必备
tiktoken is a fast BPE tokeniser for use with OpenAI's models.
automem
开源
给 AI 装上跨会话的长期记忆,让对话更连贯
Long-term memory for AI assistants. Graph + vector store that recalls decisions, rel···
BharatMLStack
开源
一套打通训练到推理的 ML 基础设施,让大规模模型上线更稳更快。
BharatMLStack is an open-source, end-to-end machine learning infrastructure stack bu···
xberg
开源
一个库解析百种文档,支持多语言调用,省去格式适配烦恼。
The fast, precise document-intelligence engine for every language: text, tables and ···
Deepseek-API
开源
把 DeepSeek 对话封装成 OpenAI 兼容接口,改个地址就能用
Reverse engineered Deepseek chat into an OpenAI compatible API. Access V4 and R1 mod···
darwin
开源
一站式管理 ML 模型,从实验到上线更省心
ML Platform at Dream11
