Apache Airflow Reseñas y Detalles del Producto

Apache Airflow hace que sea increíblemente fácil diseñar, programar y monitorear flujos de trabajo complejos usando Python. Me gusta cómo permite construir DAGs de una manera muy legible y modular, lo que ayuda a gestionar grandes flujos de datos. La interfaz de usuario es intuitiva y ofrece visibilidad completa sobre la ejecución de tareas, reintentos y registros. Su capacidad para integrarse sin problemas con bases de datos, proveedores de la nube y servicios externos lo hace muy flexible para casos de uso del mundo real. El soporte de la comunidad y los plugins disponibles también facilitan la extensión de la funcionalidad según sea necesario. El soporte al cliente también es bueno. Reseña recopilada por y alojada en G2.com.

Airflow puede ser un poco desafiante de configurar e instalar inicialmente, especialmente al desplegar en producción con múltiples trabajadores y planificadores. La gestión de recursos y el escalado a veces requieren ajustes adicionales, y la depuración puede ser complicada para los nuevos usuarios. La curva de aprendizaje es más pronunciada en comparación con algunas otras herramientas de orquestación, y la interfaz de usuario, aunque útil, podría ser más moderna y receptiva. Sin embargo, una vez configurado, se vuelve estable y muy confiable. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Apache Airflow es su flexibilidad y sus potentes capacidades de programación. Como desarrollador, puedo diseñar flujos de trabajo complejos como código usando Python, lo que facilita el control de versiones y la colaboración con compañeros de equipo. La interfaz de usuario es intuitiva para monitorear las ejecuciones de DAG y solucionar problemas, y el gran ecosistema de integraciones de Airflow me permite conectarme con casi cualquier herramienta o base de datos. Reseña recopilada por y alojada en G2.com.

La curva de aprendizaje es bastante pronunciada, especialmente al configurar el programador y gestionar las dependencias de tareas. A veces, la interfaz web de Airflow se siente lenta, y resolver problemas puede complicarse con DAGs complejos. Además, aunque hay muchas integraciones, mantener las dependencias compatibles durante las actualizaciones no siempre es sencillo. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Apache Airflow es cómo me permite orquestar complejas canalizaciones de datos de una manera muy estructurada. En la planificación de la demanda de la cadena de suministro, tratamos con múltiples fuentes de datos: ventas, inventario, producción, incluso señales externas como festivos o el clima. Airflow facilita la programación, el monitoreo y la reejecución de estos flujos de trabajo sin demasiados problemas manuales. También me gusta la visibilidad que ofrece a través de la interfaz de usuario, ayuda a detectar rápidamente cuándo una tarea está fallando y por qué. Para mí, esto ahorra mucho tiempo en comparación con escribir scripts ad hoc y trabajos cron. Reseña recopilada por y alojada en G2.com.

A veces, Airflow puede parecer un poco pesado, especialmente al configurarlo por primera vez. Para flujos de trabajo más pequeños, casi parece excesivo, pero en proyectos más grandes de planificación de la cadena de suministro vale la pena. La interfaz de usuario es buena pero puede ser lenta cuando tienes demasiados DAGs ejecutándose. Además, la curva de aprendizaje no es trivial: lleva tiempo sentirse cómodo con los operadores, las conexiones y el manejo de backfills. También desearía que la documentación tuviera más casos de uso del mundo real en la cadena de suministro en lugar de solo ejemplos genéricos de ETL. Reseña recopilada por y alojada en G2.com.

Apache Airflow es muy útil para orquestar flujos de trabajo complejos. Me encanta la orquestación de flujos de trabajo basada en DAG, esto me ayudó a descomponer grandes tareas en tareas más pequeñas, lo que facilitó la depuración. Lo mejor que me gusta de Airflow es su mecanismo de reintento. Si quiero ejecutar una tarea específica de un DAG o si un DAG falla en una tarea particular, entonces puedo simplemente reintentar en la tarea específica en lugar de ejecutar todo el DAG desde el principio, lo que realmente ahorró mucho tiempo. Otra cosa excelente de Airflow es su enfoque de DAG dinámico. Cuando hay un requisito para crear múltiples DAGs similares, podemos crear una plantilla específica y usar esa plantilla para todos los DAGs similares, lo cual es realmente una característica increíble, esto me ayudó mucho y redujo la escritura manual. He estado usando Airflow durante 1 año y siento que Airflow es la mejor plataforma para la orquestación de flujos de trabajo. El soporte al cliente es muy receptivo y servicial. Reseña recopilada por y alojada en G2.com.

No hay documentación adecuada para algunos operadores, lo que dificulta a los nuevos usuarios. Reseña recopilada por y alojada en G2.com.

Código abierto, interfaz de usuario para rastrear casi todos los aspectos de cada trabajo, compatible con Python. Reseña recopilada por y alojada en G2.com.

Aunque Apache Airflow es potente, a menudo complica tareas simples con abstracciones añadidas como directivas personalizadas y comunicación entre tareas. La programación de trabajos no es intuitiva, ya que requiere atención a los finales de los intervalos, y la carga de registros puede ser lenta. Aunque las opiniones pueden variar, personalmente encuentro que los cronjobs tradicionales son una solución más simple y efectiva para gestionar un gran número de trabajos. Reseña recopilada por y alojada en G2.com.

Tiene una interfaz de usuario agradable para ver el estado de los DAGs, lo cual se ha convertido en un estándar de la industria. Además, cuando los trabajos fallan, los registros son muy útiles para rastrear qué salió mal. Reseña recopilada por y alojada en G2.com.

Las configuraciones se sienten desactualizadas e innecesariamente complejas. En comparación, herramientas como dbt, y especialmente Databricks, han hecho mejoras significativas recientemente. Reseña recopilada por y alojada en G2.com.

Apache Airflow ofrece una excelente flexibilidad para definir, programar y monitorear flujos de trabajo complejos. El enfoque basado en DAG es intuitivo para los ingenieros de datos, y el extenso ecosistema de operadores permite una fácil integración con varios sistemas. Su interfaz de usuario hace que el seguimiento y la depuración de flujos de trabajo sea sencillo, y su escalabilidad asegura un funcionamiento fluido incluso con grandes canalizaciones. Reseña recopilada por y alojada en G2.com.

La configuración inicial y la configuración pueden ser desafiantes, especialmente para los principiantes. Gestionar las dependencias y escalar en producción requiere un sólido conocimiento de infraestructura. Algunas tareas pueden requerir operadores o complementos personalizados, lo que puede llevar tiempo desarrollar. La interfaz web, aunque funcional, podría beneficiarse de mejoras más modernas en la experiencia de usuario. Reseña recopilada por y alojada en G2.com.

Apache Airflow sobresale en la orquestación de flujos de trabajo complejos con facilidad. Su enfoque basado en DAG hace que las dependencias de tareas sean claras y manejables. La interfaz web es intuitiva para monitorear y depurar trabajos, y las opciones de integración con servicios en la nube y bases de datos son extensas. Al ser de código abierto, cuenta con un fuerte apoyo de la comunidad y actualizaciones frecuentes, lo que lo hace adaptable a las necesidades cambiantes. La escalabilidad es otra ventaja: puede manejar eficientemente desde pequeños pipelines hasta cargas de trabajo a escala empresarial. Reseña recopilada por y alojada en G2.com.

La configuración inicial y la configuración pueden ser desafiantes para los principiantes, especialmente al implementar en un entorno distribuido. La documentación, aunque extensa, a veces puede ser abrumadora o estar desactualizada. El uso de recursos puede volverse pesado para DAGs muy grandes, requiriendo una optimización cuidadosa. Además, la curva de aprendizaje para operadores y complementos personalizados puede ser pronunciada para los nuevos desarrolladores. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Apache Airflow es su capacidad para orquestar flujos de trabajo complejos con visibilidad y control claros. La estructura basada en DAG hace que sea fácil diseñar, monitorear y modificar las canalizaciones de datos, mientras que el programador garantiza que las tareas se ejecuten de manera confiable y en la secuencia correcta. Su modularidad y capacidades de integración con diversas fuentes de datos y herramientas lo hacen extremadamente versátil. La interfaz web también es una gran ventaja, ya que proporciona monitoreo en tiempo real y depuración rápida, lo que ahorra tiempo durante el desarrollo y la producción. Reseña recopilada por y alojada en G2.com.

Aunque Apache Airflow es potente, tiene una curva de aprendizaje pronunciada para los principiantes, especialmente al configurarlo e instalarlo por primera vez. Las implementaciones pueden ser complejas, y gestionar las dependencias a través de diferentes entornos requiere atención cuidadosa. Además, para proyectos más pequeños, la carga de ejecutar y mantener Airflow puede parecer más pesada en comparación con alternativas más ligeras. Reseña recopilada por y alojada en G2.com.

Muy fácil de entender y usar

Es muy bueno para definir flujos de trabajo complejos como código

tiene muy buenas características de monitoreo/observabilidad

La mejor parte es que no tenemos que gestionar ninguna infraestructura si usamos servicios como AWS MWAA para Apache Airflow. Muy fácil de implementar.

Tiene buen soporte al cliente a través de correo electrónico o tickets de soporte

Lo usamos día tras día en algunos proyectos para gestionar flujos de trabajo para Bedrock utilizando integraciones de IA, Databricks y EMR.

Lo usamos junto con AWS S3, Bedrock y Postgres SQL y Github Reseña recopilada por y alojada en G2.com.

No tiene ningún mecanismo de seguimiento y hace que sea difícil rastrear cualquier cambio realizado o revertir una versión del código. No admite el procesamiento de transmisión en vivo. Reseña recopilada por y alojada en G2.com.