Quello che mi piace di più di Azure Databricks è come semplifica l'elaborazione di dati su larga scala pur offrendo flessibilità agli ingegneri. Dalla mia esperienza, il vantaggio più grande è la piattaforma unificata che mi permette di fare data engineering, trasformazioni, ottimizzazione delle prestazioni e persino analisi in un unico posto senza dover passare tra più strumenti. L'integrazione con Spark è senza soluzione di continuità, e cose come i cluster auto-scalabili, la pianificazione dei lavori e la collaborazione sui notebook rendono il lavoro quotidiano molto più efficiente. Apprezzo anche funzionalità come Delta Lake che gestisce le transazioni ACID, l'evoluzione dello schema e il time travel direttamente sui data lake, rendendo le pipeline di produzione molto più affidabili. Inoltre, ottimizzazioni come l'Adaptive Query Execution, l'auto-ottimizzazione, lo Z-ordering e la memorizzazione nella cache aiutano davvero quando si lavora con grandi set di dati. Un'altra cosa che mi piace è quanto bene si integra con l'ecosistema Azure, che si tratti di ADLS, ADF, Key Vault o Unity Catalog per la governance. Riduce molto il sovraccarico di configurazione e rende le distribuzioni più fluide tra gli ambienti. In generale, mi permette di concentrarmi di più sulla risoluzione dei problemi di dati e sull'ottimizzazione delle prestazioni piuttosto che preoccuparmi della gestione dell'infrastruttura. Recensione raccolta e ospitata su G2.com.

Una cosa che non mi piace di Azure Databricks è che la gestione dei costi può diventare complicata se i cluster e i lavori non vengono monitorati attentamente. Poiché è così facile avviare cluster ed eseguire carichi di lavoro pesanti, i costi possono aumentare rapidamente, specialmente con l'auto-scaling o con più lavori paralleli in esecuzione. Quindi richiede una buona governance e un monitoraggio adeguato. Un altro aspetto è il debugging e la risoluzione dei problemi. Sebbene i notebook siano ottimi per lo sviluppo, il debugging dei fallimenti dei lavori in produzione, specialmente per problemi intermittenti di Spark o dell'infrastruttura, può a volte richiedere tempo. I log sono disponibili, ma tracciare la causa esatta tra eventi del cluster, Spark UI e esecuzioni dei lavori non è sempre semplice. Ho anche notato che gestire CI/CD e i deployment (come spostare notebook, workflow, configurazioni tra ambienti) non è così fluido di default rispetto ai repository di codice tradizionali. Sta migliorando con Databricks Asset Bundles e Repos, ma richiede ancora un'attenta configurazione. Detto ciò, la maggior parte di questi aspetti è gestibile con le migliori pratiche: controlli dei costi, monitoraggio e processi DevOps adeguati. Recensione raccolta e ospitata su G2.com.

Ciò che mi piace di più di Azure Databricks è come si integra perfettamente con l'ecosistema Azure — specialmente con servizi come Data Lake, Synapse e Data Factory. Offre un eccellente equilibrio tra facilità d'uso e capacità avanzate, permettendo sia agli utenti tecnici che non tecnici di collaborare in un unico ambiente. I notebook sono intuitivi e supportano più linguaggi come SQL, Python e R, il che rende l'implementazione e la sperimentazione fluide. Lo utilizzo frequentemente per costruire e gestire pipeline di dati, eseguire trasformazioni e sviluppare modelli di machine learning. La scalabilità della piattaforma, i cluster auto-scalabili e le funzionalità gestite di Delta Lake rendono efficiente la gestione di grandi set di dati. Il supporto clienti è generalmente utile e la piattaforma continua ad evolversi con aggiornamenti frequenti che aggiungono ancora più funzionalità utili. Recensione raccolta e ospitata su G2.com.

Sebbene Azure Databricks sia potente, ci sono alcune aree che potrebbero essere migliorate. La configurazione iniziale e l'impostazione dell'ambiente possono essere leggermente complesse per i nuovi utenti, e i tempi di avvio dei cluster possono talvolta essere lenti. La struttura dei prezzi richiede anche un attento monitoraggio: i costi possono aumentare rapidamente se i cluster non sono ottimizzati o terminati automaticamente in modo corretto. Anche se l'interfaccia è robusta, potrebbe essere più adatta ai principianti, e il controllo delle versioni dei notebook potrebbe essere più fluido. I tempi di risposta del supporto clienti possono variare a seconda della gravità del problema. Tuttavia, una volta che ci si abitua all'ambiente, è una piattaforma altamente capace e affidabile per i carichi di lavoro e le analisi dei dati quotidiani. Recensione raccolta e ospitata su G2.com.

La piattaforma gestisce l'elaborazione di dati su larga scala con un'impressionante fluidità, e la sua interfaccia diventa piuttosto intuitiva dopo una breve curva di apprendimento. Integrarla con altri servizi Azure è semplice, il che accelera notevolmente il processo di implementazione. Apprezzo la varietà di funzionalità disponibili per ETL e analisi, che ci consente di utilizzarla regolarmente per una gamma di carichi di lavoro diversi. Quando sorgono problemi, la documentazione e le risorse di supporto sono generalmente sufficienti per aiutare a risolvere rapidamente le questioni. Recensione raccolta e ospitata su G2.com.

A volte, la piattaforma può sembrare un po' complicata per i nuovi arrivati, e potrebbe volerci del tempo prima che i cluster si avviino. Gestire i costi non è sempre semplice, e alcune funzionalità richiedono configurazioni aggiuntive. Sebbene il supporto sia generalmente utile, i tempi di risposta possono occasionalmente essere lenti. Recensione raccolta e ospitata su G2.com.

Azure Databricks è una piattaforma eccellente che offre un ambiente robusto per interrogare grandi set di dati tramite Apache Spark. Apprezzo particolarmente quanto sia semplice integrarsi con l'account di archiviazione Azure e i notebook, rendendo l'analisi dei big data efficiente e scalabile. Il controllo delle versioni integrato in Databricks, combinato con un'integrazione fluida con GitHub, rende facile la collaborazione e la gestione del codice. È una delle migliori configurazioni con cui ho lavorato. Recensione raccolta e ospitata su G2.com.

La configurazione e l'impostazione del cluster a volte sono confuse e richiedono tempo. Recensione raccolta e ospitata su G2.com.

Azure Databricks ci ha fornito una piattaforma unificata per eseguire i nostri carichi di lavoro Spark su Azure Data Lake Storage Gen2. Abbiamo potuto migrare i nostri dati e pipeline Hadoop on-premise nel cloud con un minimo di reingegnerizzazione. I suoi cluster gestiti, l'autoscaling, i notebook e l'integrazione stretta con i servizi Azure (ADLS, Key Vault, ADF) hanno risparmiato molto sforzo in termini di infrastruttura e manutenzione. I notebook PySpark hanno reso lo sviluppo e il debug molto più semplici rispetto alla nostra configurazione precedente. Recensione raccolta e ospitata su G2.com.

I tempi di avvio dei cluster possono ancora essere lenti per test rapidi. La tariffazione è basata sul consumo e può diventare costosa se i cluster vengono lasciati in esecuzione o sono dimensionati in modo inadeguato. Alcune funzionalità aziendali (ad esempio, sicurezza dettagliata, monitoraggio) richiedono una configurazione aggiuntiva. E rispetto a Hadoop on-premise, c'è una curva di apprendimento per le autorizzazioni dello spazio di lavoro e l'automazione DevOps. Recensione raccolta e ospitata su G2.com.

Mi piace molto il sistema Jupyter notebook e la genealogia di Unity Catalog Recensione raccolta e ospitata su G2.com.

Genie - Assistente Ai può avere una migliore accuratezza Recensione raccolta e ospitata su G2.com.

La cosa migliore di Azure Databricks è che è molto facile da integrare con qualsiasi cloud, RDBMS o altri servizi software. È molto facile da usare e da implementare. La frequenza di utilizzo è molto alta nel mio progetto. Ci sono numerose funzionalità in Azure Databricks. Inoltre, è facile da integrare con GitLab, Hive, RDBMS ecc. per qualsiasi processo ETC. Recensione raccolta e ospitata su G2.com.

Non c'è nulla che non mi piaccia di Azure Databricks dopo 4 anni di esperienza. Recensione raccolta e ospitata su G2.com.

Facile da scrivere programmi e eseguire tutti gli script, applicazione user-friendly Recensione raccolta e ospitata su G2.com.

Tutto bene, si aggiornava giorno per giorno rendendo ogni utente libero e senza stress. Recensione raccolta e ospitata su G2.com.

In Azure Databricks, puoi avere più livelli di sicurezza in quelle tabelle e la loro interfaccia utente è molto migliore di Teradata. Recensione raccolta e ospitata su G2.com.

In Azure Databricks probabilmente il costo è quello della fabbrica che le persone pensavano poiché può essere uno dei fattori. Recensione raccolta e ospitata su G2.com.

Questa è la migliore implementazione di Databricks che avrei potuto sperare. Recensione raccolta e ospitata su G2.com.

Occasionalmente, quando metto il mio laptop in modalità sospensione, le mie sessioni di Azure Databricks non si riconnettono rapidamente. Recensione raccolta e ospitata su G2.com.