datapods-oss
Plataforma open source para ingeniería de datos y auto-hospedaje, enfocada en ETL y análisis. Soporta despliegue en Kubernetes o Docker con herramientas como Mage, PostgreSQL y ClickHouse. Ideal para POCs y entornos de desarrollo.
Ficha actualizada 24 sept 2026, 4:22 · upstream 24 sept 2026, 3:51 · release sin release detectada
Qué es datapods-oss
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
DataPods es un proyecto diseñado para ingenieros que buscan auto-hospedar una plataforma de datos completa. Facilita la ingesta y transformación mediante flujos guiados que generan pipelines en Mage sin código manual. Soporta bases de datos como PostgreSQL, ClickHouse y Redis, además de visualización con Metabase o Superset. Incluye archivos YAML para Kubernetes y scripts para Docker Compose, permitiendo entornos escalables.
- Automatización de pipelines ETL mediante generación asistida por IA compatible con OpenAI.
- Creación rápida de entornos analíticos con ClickHouse y PostgreSQL para OLAP.
- Visualización de métricas y dashboards con Metabase o Superset integrados.
- Auditoría y logging de infraestructura usando Prometheus para mantenimiento.
- Generación automática de pipelines ETL usando Mage y endpoints compatibles con OpenAI.
- Soporte nativo para bases de datos analíticas como ClickHouse y PostgreSQL.
- Licencia BSD 3-Clause que permite uso y contribución libre sin restricciones comerciales.
- Arquitectura modular con servicios separados (API, App, Server) para escalabilidad.
- Complejidad técnica elevada (HIGH) requiere conocimientos previos en contenedores y microservicios.
- Dependencia opcional de claves API de IA para la generación avanzada de pipelines.
- Requiere configuración manual de Cluster IP o Ingress para acceso externo en Kubernetes.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliegue vía Docker: usar docker-compose up -d en carpeta datapods-docker. Para Kubernetes: ejecutar make start-kube tras instalar k3s, o aplicar YAMLs (kubectl create -f namespace.yaml). Se recomienda configurar variables de entorno para la API de IA si se desea generación avanzada. Asegurar puertos 3000, 8080 y 6789 abiertos.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.