Lo que más me gusta de Azure Databricks es cómo simplifica el procesamiento de datos a gran escala mientras sigue ofreciendo flexibilidad a los ingenieros. Desde mi experiencia, la mayor ventaja es la plataforma unificada donde puedo hacer ingeniería de datos, transformaciones, ajuste de rendimiento e incluso análisis en un solo lugar sin tener que saltar entre múltiples herramientas. La integración con Spark es perfecta, y cosas como los clústeres de autoescalado, la programación de trabajos y la colaboración en cuadernos hacen que el trabajo diario sea mucho más eficiente. También aprecio características como Delta Lake que maneja transacciones ACID, evolución de esquemas y "time travel" directamente en los lagos de datos, lo que hace que las canalizaciones de producción sean mucho más confiables. Además, optimizaciones como la Ejecución de Consultas Adaptativa, auto-optimización, Z-ordering y almacenamiento en caché realmente ayudan al trabajar con grandes conjuntos de datos. Otra cosa que me gusta es lo bien que se integra con el ecosistema de Azure, ya sea ADLS, ADF, Key Vault o Unity Catalog para la gobernanza. Reduce mucho la sobrecarga de configuración y hace que los despliegues sean más fluidos a través de los entornos. En general, me permite centrarme más en resolver problemas de datos y ajustar el rendimiento en lugar de preocuparme por la gestión de la infraestructura. Reseña recopilada por y alojada en G2.com.

Una cosa que no me gusta de Azure Databricks es que la gestión de costos puede volverse complicada si no se monitorean de cerca los clústeres y los trabajos. Debido a que es tan fácil crear clústeres y ejecutar grandes cargas de trabajo, los costos pueden aumentar rápidamente, especialmente con el autoescalado o múltiples trabajos paralelos en ejecución. Por lo tanto, requiere una buena gobernanza y monitoreo. Otra área es la depuración y resolución de problemas. Aunque los notebooks son excelentes para el desarrollo, depurar fallos en trabajos de producción, especialmente problemas intermitentes de Spark o de infraestructura, a veces puede llevar tiempo. Los registros están disponibles, pero rastrear la causa raíz exacta a través de eventos del clúster, la interfaz de usuario de Spark y las ejecuciones de trabajos no siempre es sencillo. También he notado que manejar CI/CD y despliegues (como mover notebooks, flujos de trabajo, configuraciones entre entornos) no es tan fluido de inmediato en comparación con los repositorios de código tradicionales. Está mejorando con Databricks Asset Bundles y Repos, pero aún requiere una configuración cuidadosa. Dicho esto, la mayoría de estos son manejables con buenas prácticas: controles de costos, monitoreo y procesos adecuados de DevOps. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Azure Databricks es cómo se integra perfectamente con el ecosistema de Azure, especialmente con servicios como Data Lake, Synapse y Data Factory. Ofrece un excelente equilibrio entre facilidad de uso y capacidades avanzadas, permitiendo que tanto usuarios técnicos como no técnicos colaboren en un único entorno. Los cuadernos son intuitivos y soportan múltiples lenguajes como SQL, Python y R, lo que hace que la implementación y la experimentación sean fluidas. Lo uso frecuentemente para construir y gestionar flujos de datos, ejecutar transformaciones y desarrollar modelos de aprendizaje automático. La escalabilidad de la plataforma, los clústeres de autoescalado y las características gestionadas de Delta Lake hacen que el manejo de grandes conjuntos de datos sea eficiente. El soporte al cliente es generalmente útil y la plataforma sigue evolucionando con actualizaciones frecuentes que añaden aún más características útiles. Reseña recopilada por y alojada en G2.com.

Aunque Azure Databricks es potente, hay algunas áreas que podrían mejorarse. La configuración inicial y la configuración del entorno pueden ser un poco complejas para los nuevos usuarios, y los tiempos de inicio de los clústeres a veces pueden ser lentos. La estructura de precios también requiere un monitoreo cuidadoso: los costos pueden aumentar rápidamente si los clústeres no están optimizados o no se terminan automáticamente de manera adecuada. Aunque la interfaz es robusta, podría ser más amigable para principiantes, y el control de versiones de los cuadernos podría ser más fluido. El tiempo de respuesta del soporte al cliente puede variar dependiendo de la gravedad del problema. Aun así, una vez que te acostumbras al entorno, es una plataforma altamente capaz y confiable para cargas de trabajo diarias de datos y análisis. Reseña recopilada por y alojada en G2.com.

La plataforma gestiona el procesamiento de datos a gran escala con una suavidad impresionante, y su interfaz se vuelve bastante fácil de usar después de una breve curva de aprendizaje. Integrarla con otros servicios de Azure es sencillo, lo que acelera significativamente el proceso de implementación. Aprecio la variedad de características disponibles para ETL y análisis, lo que nos permite usarla regularmente para una variedad de cargas de trabajo diferentes. Cuando surgen problemas, la documentación y los recursos de soporte son generalmente suficientes para ayudar a resolver los problemas rápidamente. Reseña recopilada por y alojada en G2.com.

A veces, la plataforma puede parecer un poco complicada para los recién llegados, y puede llevar algún tiempo que los clústeres se inicien. Gestionar los costos no siempre es sencillo, y ciertas características requieren configuración adicional. Aunque el soporte generalmente es útil, los tiempos de respuesta pueden ser ocasionalmente lentos. Reseña recopilada por y alojada en G2.com.

Azure Databricks es una gran plataforma que ofrece un entorno robusto para consultar grandes conjuntos de datos a través de Apache Spark. Aprecio especialmente lo fácil que es integrar con la cuenta de almacenamiento de Azure y los cuadernos, haciendo que el análisis de grandes datos sea eficiente y escalable. El control de versiones incorporado de Databricks, combinado con la integración fluida con GitHub, facilita la colaboración y la gestión del código. Es una de las mejores configuraciones con las que he trabajado. Reseña recopilada por y alojada en G2.com.

La configuración y el ajuste del clúster a veces es confusa y lleva mucho tiempo. Reseña recopilada por y alojada en G2.com.

Azure Databricks nos proporcionó una plataforma unificada para ejecutar nuestras cargas de trabajo de Spark sobre Azure Data Lake Storage Gen2. Pudimos migrar nuestros datos y flujos de trabajo de Hadoop en las instalaciones a la nube con un mínimo de reingeniería. Sus clústeres gestionados, escalado automático, cuadernos y estrecha integración con los servicios de Azure (ADLS, Key Vault, ADF) ahorraron mucho esfuerzo en infraestructura y mantenimiento. Los cuadernos de PySpark hicieron que el desarrollo y la depuración fueran mucho más fáciles en comparación con nuestra configuración anterior. Reseña recopilada por y alojada en G2.com.

Los tiempos de inicio de los clústeres aún pueden ser lentos para pruebas rápidas. La tarificación se basa en el consumo y puede volverse costosa si los clústeres se dejan en funcionamiento o están mal dimensionados. Algunas características empresariales (por ejemplo, seguridad detallada, monitoreo) requieren configuración adicional. Y en comparación con Hadoop en las instalaciones, hay una curva de aprendizaje para los permisos del espacio de trabajo y la automatización de DevOps. Reseña recopilada por y alojada en G2.com.

Realmente me gusta el sistema de cuadernos Jupyter y el linaje del Catálogo de Unity Reseña recopilada por y alojada en G2.com.

Genie - Asistente de IA puede tener mejor precisión Reseña recopilada por y alojada en G2.com.

Lo mejor de Azure Databricks es que es muy fácil de integrar con cualquier nube, RDBMS u otros servicios de software. Es muy fácil de usar e implementar. La frecuencia de uso es muy alta en mi proyecto. Hay muchas características en Azure Databricks. Además, es fácil de integrar con GitLab, Hive, RDBMS, etc., para cualquier proceso de ETC. Reseña recopilada por y alojada en G2.com.

No hay nada que no me guste de Azure Databricks después de 4 años de experiencia. Reseña recopilada por y alojada en G2.com.

Fácil de escribir programas y ejecutar todos los scripts, aplicación amigable para el usuario. Reseña recopilada por y alojada en G2.com.

Todo bien, se estaba actualizando día a día haciendo de cada usuario una herramienta gratuita y sin estrés. Reseña recopilada por y alojada en G2.com.

En Azure Databricks, puedes tener múltiples capas de seguridad en esas tablas, además de que su interfaz de usuario es mucho mejor que la de Teradata. Reseña recopilada por y alojada en G2.com.

En Azure Databricks, probablemente el costo es el de la fábrica que la gente pensó, ya que puede ser uno de los factores. Reseña recopilada por y alojada en G2.com.

Esta es la mejor implementación de Databricks que podría haber esperado. Reseña recopilada por y alojada en G2.com.

Ocasionalmente, cuando pongo mi portátil en modo de suspensión, mis sesiones de Azure Databricks no se reconectan rápidamente. Reseña recopilada por y alojada en G2.com.