Azure Databricks Bewertungen & Produktdetails - Seite 3

Es gibt viele Dinge, die ich an Azure Databricks am meisten mag, d.h. es ist eine der besten Engines in der Cloud, um große Datensätze zu speichern und zu verarbeiten. Ich habe dies problemlos mit Azure Data Lake Storage und Azure SQL-Datenbank integriert. Bewertung gesammelt von und auf G2.com gehostet.

Ich sehe keine Probleme oder Bedenken bezüglich Azure Databricks, außer den Kosten, die ich im Vergleich zu seinen Konkurrenten für etwas hoch halte. Bewertung gesammelt von und auf G2.com gehostet.

Als ein von OpenAI entwickeltes maschinelles Lernmodell habe ich keine persönlichen Erfahrungen oder Vorlieben. Ich kann jedoch Informationen basierend auf häufigem Benutzerfeedback bereitstellen.

Viele Benutzer schätzen mehrere Aspekte von Azure Databricks, einschließlich:

Kollaborative Umgebung: Azure Databricks bietet einen kollaborativen Arbeitsbereich, in dem Datenwissenschaftler, Ingenieure und Analysten nahtlos zusammenarbeiten können, was die Zusammenarbeit und den Wissensaustausch fördert. Bewertung gesammelt von und auf G2.com gehostet.

Während Azure Databricks eine weit verbreitete Plattform mit zahlreichen Vorteilen ist, gibt es einige Überlegungen und potenzielle Nachteile, denen Benutzer begegnen können:

Kosten: Die Nutzung von Azure Databricks kann teuer sein, insbesondere für groß angelegte und ressourcenintensive Arbeitslasten. Benutzer sollten ihre Nutzung sorgfältig überwachen, um unerwartete Kosten zu vermeiden.

Lernkurve: Für Benutzer, die neu in der Big-Data-Verarbeitung und Apache Spark sind, könnte es eine Lernkurve geben, die mit dem Erlernen der Feinheiten von Databricks und Spark-basierten Workflows verbunden ist. Bewertung gesammelt von und auf G2.com gehostet.

Es kann als Arbeitssitzung zum Schreiben von SQL- und Python-Abfragen verwendet werden, indem die Datenbank in Databricks abgebildet wird. Die Ausgabe der Abfragen kann in Excel und in anderen Formaten wie CSV heruntergeladen werden, was eine der besten Funktionen ist, die bei der Datenanalyse hilft. Python-Befehle können auch mit %py ausgeführt werden, indem einfach die Sprache von SQL zu Python geändert wird. Es gibt zusätzliche Funktionen wie das Hochladen der Wheel-Datei, die in einem DBFS-Pfad generiert wurde, was die Verwendung erleichtert, um den neuesten Code in GitHub zu erhalten. Bewertung gesammelt von und auf G2.com gehostet.

Während das Kopieren und Einfügen der Befehle von einer Zelle zur anderen, wird der Header des Befehls nicht kopiert. Wir müssen es manuell erneut machen. Ein weiteres Rückstandsproblem ist, dass wir den Cluster nach einer bestimmten Zeit manuell starten müssen und es dauert länger, bis er aktiv wird. Wir können den Befehl nicht zwischen den Befehlen ziehen. Bewertung gesammelt von und auf G2.com gehostet.

Azure Databricks ist großartig. Seine Fähigkeit, Datenanalyse zu vereinfachen, ist unvergleichlich. Ich liebe die intuitive Benutzeroberfläche und die Echtzeit-Zusammenarbeit, die es bietet, was eine agile Entscheidungsfindung erleichtert. Kurz gesagt, Azure Databricks hat die Art und Weise, wie wir Datenanalyse angehen, transformiert. Seine Vielseitigkeit, Leistung und die Art und Weise, wie es die Entscheidungsfindung beschleunigt, machen es zur unangefochtenen Wahl für unser Team. Wir sind gespannt auf die Zukunft und die Innovationen, die unsere Erfahrung mit dieser Plattform weiterhin verbessern werden. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl Azure Databricks unglaublich leistungsstark ist, kann die Lernkurve manchmal steil sein. Es wäre großartig, mehr Schulungsressourcen integriert zu haben, um es neuen Benutzern zu erleichtern, sich einzuarbeiten. Bewertung gesammelt von und auf G2.com gehostet.

Nutzen Sie die Leistung eines erstklassigen Analysesystems (Apache Spark) mit der Einfachheit und Flexibilität einer Cloud-Plattform (Azure) und nahtloser Integration mit Power BI, um die riesigen Datenmengen in Visualisierungen zu verwandeln. Ein-Klick-Bereitstellung fügt zu seinen Vorteilen hinzu. Bewertung gesammelt von und auf G2.com gehostet.

Der Benutzer muss sich der Abrechnung bewusst sein und das Nutzungsmuster gut überwachen, um hohe Kosten zu vermeiden. Die Benutzeroberfläche könnte mit einigen weiteren Verbesserungen auskommen. Auch umfangreicheres Lernmaterial und eine aktive Support-Community wären für neue Benutzer sehr vorteilhaft. Bewertung gesammelt von und auf G2.com gehostet.

Delta Live-Tabellen

Schema-Evolutionsfunktion im Autoloader

Unity Catalog mit einheitlicher Governance

Datenerwartungen zur Qualität als Teil von DLT

CDC - Option für Änderungsdatenfeed

DELTA-Format - Zeitreise-, ACID- und VACCUM-Fähigkeiten

Serverloses SQL-Warehouse mit Photon-Beschleunigung

Delta Sharing über den Marktplatz

Gute Community-Unterstützung Bewertung gesammelt von und auf G2.com gehostet.

Kosten eines Databricks-Clusters für einen Allzweck-Cluster

Data-Engineering-Arbeitsbereich-Cluster ist nicht serverlos, es sei denn, DLT wird verwendet

DLT hat einige zusätzliche Kosten damit verbunden

Selbst bei Verwendung eines Cluster-Pools dauert die Startzeit des Job-Clusters einige Zeit

Aber all diese Herausforderungen werden derzeit durch DLT-Serverless-Optionen bewältigt Bewertung gesammelt von und auf G2.com gehostet.

Es ist wie Magie für Daten. Es macht Big Data und Analysen einfach, und wir können alle nahtlos zusammenarbeiten. Es ist benutzerfreundlich, leistungsstark und skaliert wie ein Champion. Bewertung gesammelt von und auf G2.com gehostet.

Die Preisstruktur, die etwas komplex werden kann. Sie erfordert eine sorgfältige Verwaltung, um sicherzustellen, dass Sie nicht von unerwarteten Kosten überrascht werden, insbesondere bei der Arbeit mit großen Datensätzen und Arbeitslasten. Während die Plattform einen großen Wert bietet, wäre eine transparente Preisgestaltung eine willkommene Verbesserung. Bewertung gesammelt von und auf G2.com gehostet.

Das Beeindruckendste, was mir an Azure Databricks gefallen hat, ist, dass es hilft, unsere Data-Science- und Data-Engineering-Workloads zu vereinfachen. Da wir Azure als unseren Cloud-Anbieter nutzen, ermöglicht uns die Einbeziehung von Databricks vom selben Anbieter, die gesamte Abrechnung ohne Probleme durchzuführen. Das optimierte Notebook in Databricks hilft uns, effizienten PySpark-Code zu schreiben, der die Verarbeitung von Big Data mühelos bewältigen kann. Außerdem lässt es sich leicht in Azure DataFactory integrieren, um einige Pipelines für Automatisierungszwecke zu erstellen. Bewertung gesammelt von und auf G2.com gehostet.

1. Wir verwenden Azure Databricks, um Code in einem Notebook zu erstellen, das komplexe Datenprobleme verarbeiten und transformieren kann, aber wenn es um die Automatisierung geht, bietet der native Workflow und der Job-Scheduler von Databricks nicht so viele Funktionen im Vergleich zu anderen Plattformen wie Azure DataFactory.

2. Wenn wir die SQL-Umgebung für Data-Warehousing-Zwecke nutzen, sind die Anschaffungskosten aufgrund der Verwendung der Photon-Engine viel höher als bei anderen Plattformen wie Snowflake. Bewertung gesammelt von und auf G2.com gehostet.

Als Plattformingenieur ist es einfach, Databricks zu nutzen und zu verstehen. Benutzerfreundliches Portal. Workflows und Rechenressourcen nutze ich täglich. Kataloge bieten eine sehr klare Funktion für Datalog, Schemata und Tabellen. Das Kundensupport-Team von Databricks ist sehr hilfsbereit. Bewertung gesammelt von und auf G2.com gehostet.

Kein Missfallen bis jetzt. Aber manchmal kommen Ganglia-Metriken und Protokolle nicht richtig. Bewertung gesammelt von und auf G2.com gehostet.

Es ist cool. Es bietet Ihnen alles, was Sie für die Durchführung von Analysen benötigen, von einem Data-Engineering-Arbeitsbereich bis hin zu speziellen Funktionen für ML- und Data-Science-Modelle.

Es hat Funktionen wie das Ausführen von Skripten in SQL, Python, Scala und R, was eine enorme Flexibilität für einen Entwickler darstellt.

Heutzutage haben sie auch die Möglichkeit gegeben, Dashboards zu erstellen, was bedeutet, dass man Dashboards im Handumdrehen erstellen kann, um ihre Datensätze zu analysieren.

Persönlich liebe ich ihre Befehlszeilenschnittstelle (ähnlich wie Jupyter Notebook) und die Art und Weise, wie wir Cluster im Handumdrehen konfigurieren können. Unity Catalog ist das neueste Feature, an dem ich arbeite. Bewertung gesammelt von und auf G2.com gehostet.

Während Azure Databricks eine robuste Plattform ist, wurden gelegentlich Probleme mit der Reaktionsfähigkeit der Benutzeroberfläche festgestellt. Darüber hinaus kann die anfängliche Lernkurve für neue Benutzer Herausforderungen darstellen, was die Benutzerfreundlichkeit und das Onboarding beeinträchtigt.

Insbesondere muss man die Grundlagen der verschiedenen spezifischen Technologien erlernen, wie Parameterisierung, Konfiguration von Clustern, Ausführen von Jobs in Workflows und eine Menge spezifischer Syntax, die databricks-spezifisch und nicht allgemein für Spark ist. Bewertung gesammelt von und auf G2.com gehostet.