Apache Airflow Bewertungen & Produktdetails - Seite 5

Python ist meine Lieblingsprogrammiersprache, die DAGs in Airflow sind in Python geschrieben. Es gibt mehrere eingebaute Operatoren in Airflow, um die Python-Funktion auszuführen, einen Databricks-Job aufzurufen und Bash-Befehle auszuführen. Ich liebe es, die Pipeline in Airflow zu bauen. Bewertung gesammelt von und auf G2.com gehostet.

Das Orchestrierungswerkzeug Airflow ist im Vergleich zu anderen Pipeline-Tools etwas komplizierter in der Entwicklung. Während andere Tools Drag-and-Drop-Optionen bieten, erfordert das Programmieren in Airflow mehr Zeit. Bewertung gesammelt von und auf G2.com gehostet.

Es ist einfach zu konfigurieren

Es ist einfach, das Skript über die Benutzeroberfläche zu handhaben

Es zeigt einen Fehler auf der Benutzeroberfläche an, wo Ihr Skript einen Fehler hat

Skript kann leicht ausgeführt werden Bewertung gesammelt von und auf G2.com gehostet.

Für das Auslösen mehrerer Dateien ist es etwas schwierig. Bewertung gesammelt von und auf G2.com gehostet.

- einfache Planung

- Python-Framework, daher leicht zu erlernen

- kann mit einigen Tutorials leicht dockerisiert werden

- auch für Anfänger leicht zu erlernen

- besser als andere Planungstools Bewertung gesammelt von und auf G2.com gehostet.

- Die Benutzeroberfläche kann anpassbarer gestaltet werden.

- Die Parallelität ist gering, wenn Sie ein kleines System haben.

- Die Benutzeroberfläche kann für einige Personen, wie z.B. Führungskräfte, einschüchternd sein.

- Die Sicherheit kann verbessert werden. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag die Möglichkeit, den Fehler und den Status jedes Schritts in einem Workflow schnell zu sehen. Ich mag, dass es die Möglichkeit bietet, nur das zu wiederholen, was fehlschlägt, und viel Kontrolle gibt. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag es nicht, dass es eine beträchtliche Verzögerung zwischen dem Start von Aufgaben mit den Standardeinstellungen gibt. Ich könnte in der Lage sein, sie zu reduzieren, aber es wird einen beträchtlichen Aufwand erfordern, dies zu tun. Bewertung gesammelt von und auf G2.com gehostet.

Apache Airflow bietet eine sehr gute Benutzeroberfläche und es ist sehr einfach, mit diesem Tool zu arbeiten. Es bietet auch verschiedene Funktionen für die Darstellung von Pipelines. Es bietet mehrere Phasen für den DAG wie laufend, fehlgeschlagen, etc. Es gibt verschiedene Farben für verschiedene Phasen in diesem Tool. Bewertung gesammelt von und auf G2.com gehostet.

Wenn wir einen DAG in Apache Airflow ausführen, schlägt der DAG fehl, wenn er die gewünschte Datei vom Upstream nicht erhält, aber er erstellt keine ordnungsgemäßen Protokolle der erfolgreichen Phase. Wir müssen die Protokolle in den EC2-Protokollen überprüfen, ob unsere Daten erfolgreich geladen wurden oder nicht. Meistens zeigt Apache Airflow Erfolg beim DAG an, aber tatsächlich ist der Job fehlgeschlagen. Bewertung gesammelt von und auf G2.com gehostet.

Es ist etwas, das viele nutzen und mit dem sie sich wohlfühlen. Dieses riesige Ökosystem bietet viele Vorteile. Bewertung gesammelt von und auf G2.com gehostet.

Es ist grundsätzlich ein fehlerhaftes Design. Sie machen Fortschritte bei der Überwindung einiger Skalierungsprobleme, und es verbessert sich. Bewertung gesammelt von und auf G2.com gehostet.

Die vordefinierten Operatoren machen die Arbeit mit Airflow sehr einfach. Anstatt das Rad neu zu erfinden, stellt die Community Werkzeuge bereit, die geteilt und wiederverwendet werden können, um eine schnellere Entwicklung zu ermöglichen. Bewertung gesammelt von und auf G2.com gehostet.

Airflow-Skripte können nicht außerhalb der Airflow-Umgebung getestet werden. Sie können keine einzelnen Codezeilen ausführen, was es schwieriger macht, das Skript Schritt für Schritt durchzugehen. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag die Airflow-Funktionen wie die Überwachung von Dags/Skripten. Wir können sogar die Historie und Protokolle der letzten 365 Tage verfolgen. Der TriggerDagrun-Operator ist am besten für das Abhängigkeitsmanagement über alle Dags hinweg. Bewertung gesammelt von und auf G2.com gehostet.

Ich vermisse die Verbindungsfunktion über mehrere Quellen in Apache Airflow, die uns helfen kann, ein End-to-End-ETL-System zu verwalten. Derzeit dauert es einige Zeit, um den DAG/Pod zu starten, es wäre großartig, wenn sie es schneller machen könnten. Bewertung gesammelt von und auf G2.com gehostet.

Einfach zu bedienendes Werkzeug. Enthält alle Arten von Prozessoren, die alle Anforderungen unterstützen. Unterstützt die Isolierung von Projekten mithilfe von Prozessorgruppen. Hilft auch beim Senden oder Empfangen von Daten aus dem entfernten Cluster. Bewertung gesammelt von und auf G2.com gehostet.

Wenn wir weniger Speicher im Cluster haben, unterstützt es kein automatisches Skalieren. Wenn ein Prozessor ausfällt, müssen wir alles von Grund auf neu starten. Manchmal haben wir eine Beschädigung der Flussdatei gesehen. Bewertung gesammelt von und auf G2.com gehostet.

Es ist eine Open-Source-Plattform zum Planen, Überwachen und Entwickeln von Daten- und Rechenpipelines auf sehr einfache Weise. Sie verwendet Python, um Workflows zu erstellen, und kann alles auf der Welt ausführen. Sie ist benutzerfreundlich. Die Open-Source-Community ist gut. Gute Auswahl an einsatzbereiten Operatoren. Einfaches Codieren mit Python. Und gute grafische Benutzeroberfläche. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl es eine wirklich gute Plattform zur Verwaltung von Workflows ist, gibt es dennoch einige Probleme, wie zum Beispiel, dass es keine echte Möglichkeit gibt, die Qualität Ihrer Daten zu überwachen. Das Erlernen von Airflow erfordert eine Zeitinvestition. Kein Leitfaden zu Best Practices bei der Entwicklung von DAGs. Keine Versionierung im Airflow-Scheduler. Das Debuggen ist sehr zeitaufwendig. Bewertung gesammelt von und auf G2.com gehostet.