Azure Data Factory Bewertungen & Produktdetails

Das Tolle an ADF ist, wie einfach es ist, all meine verschiedenen Datenquellen zu verbinden, egal ob sie lokal oder in der Cloud sind, ohne viel Code schreiben zu müssen. Ich kann visuell per Drag-and-Drop komplexe Datenpipelines erstellen, sich wiederholende Datentasks automatisieren und nahtlos große Datenmengen verschieben und transformieren, während meine Projekte wachsen. Ich kann auch alles von einem Ort aus überwachen und verwalten, was den Stress bei der Datenintegration erheblich reduziert und das Leben für alle Beteiligten viel einfacher macht. Bewertung gesammelt von und auf G2.com gehostet.

Die Dinge, die ich an ADF am meisten nicht mag, beziehen sich normalerweise auf seine Komplexität und Einschränkungen. Das Debuggen von Pipelines ist oft knifflig und kann frustrierend sein, besonders wenn etwas fehlschlägt, da es nicht viele Werkzeuge für eine schrittweise Fehlersuche gibt. Wenn mein Workflow komplex ist, kann das Verwalten und Verstehen von allem überwältigend werden, mit so vielen beweglichen Teilen und Bildschirmen, die im Auge behalten werden müssen. Darüber hinaus ist die Integration mit Nicht-Azure-Diensten ziemlich begrenzt, sodass ich auf Hindernisse stoßen kann, wenn ich andere Plattformen verbinden oder in einer Azure-Cloud-Umgebung arbeiten muss. Und während es einfache Aufgaben gut bewältigt, bedeutet die Anpassung über Standard-Connectoren oder Datenflüsse hinaus oft, zusätzlichen Code zu schreiben oder schwierige Umgehungslösungen zu finden. Bewertung gesammelt von und auf G2.com gehostet.

Es ermöglicht eine skalierbare Datenintegration zwischen lokalen und Cloud-Quellen ohne aufwendige Infrastrukturverwaltung. Mapping-Datenflüsse machen komplexe Transformationen effizient und intuitiv. Ich schätze auch die Überwachungs- und Steuerungsfunktionen, die eine klare Sicht auf die Pipeline-Ausführungen bieten. Bewertung gesammelt von und auf G2.com gehostet.

Debugging und Fehlermeldungen sind nicht immer klar, was die Fehlersuche zeitaufwändig machen kann. Auch die Preisgestaltung kann schwer abzuschätzen sein, da das serverlose Modell auf der Ausführung von Aktivitäten und der Datenbewegung basiert. Bewertung gesammelt von und auf G2.com gehostet.

Seine Fähigkeit, komplexe Datenintegrations-Workflows in großem Maßstab zu orchestrieren und zu automatisieren. Die Low-Code, visuelle Benutzeroberfläche macht es einfach, Pipelines zu erstellen und zu überwachen, während die nahtlose Integration mit einer Vielzahl von Datenquellen – sowohl vor Ort als auch in der Cloud – eine zuverlässige End-to-End-Datenbewegung ermöglicht. Darüber hinaus machen Funktionen wie integrierte Planung, Überwachung, Fehlerbehandlung und Integration mit anderen Azure-Diensten es zu einer robusten und skalierbaren Lösung für die Anforderungen der Unternehmensdatenverarbeitung. Bewertung gesammelt von und auf G2.com gehostet.

Während Azure Data Factory ein leistungsstarkes Orchestrierungstool ist, gibt es einige Einschränkungen, darunter begrenzte Debugging-Fähigkeiten für komplexe Pipelines und das Fehlen fortgeschrittener Transformationsfunktionen im Vergleich zu dedizierten Datenverarbeitungs-Engines wie Spark. Versionskontrolle und CI/CD-Integration können ebenfalls weniger intuitiv wirken, insbesondere für große Teams, und die Fehlersuche bei Leistungs- oder Laufzeitproblemen kann manchmal den Wechsel zwischen mehreren Überwachungsansichten erfordern. Darüber hinaus können die Kosten steigen, wenn Pipelines an Komplexität und Häufigkeit zunehmen, was eine sorgfältige Optimierung und Governance erfordert. Bewertung gesammelt von und auf G2.com gehostet.

Azure Data Factories wurden in unserer Organisation stark implementiert und die meisten von ihnen werden für ETL/ELT, Datenparsing usw. verwendet. Ich benutze die Konnektoren für Speicher, d.h. Blob- und ADLS-Konnektor für die Datenaufnahme und Datenlake-Architektur. Bewertung gesammelt von und auf G2.com gehostet.

ADFs haben Latenz, daher ist Echtzeit-Streaming ein Problem. Bewertung gesammelt von und auf G2.com gehostet.

Zeitpläne und verschiedene Arten von Zeitplänen, die in ADF verfügbar sind. Bewertung gesammelt von und auf G2.com gehostet.

Wir können nicht alle unsere Pipeline-Aktivitäten auf einer einzigen Seite überwachen. Außerdem werden die Daten nach 50 Tagen gelöscht. Bewertung gesammelt von und auf G2.com gehostet.

Die Low-Code-Oberfläche und die Integrationsflexibilität sind das, was mir an Azure Data Factory am besten gefällt. Sie können eine Vielzahl von Datenquellen anschließen und komplexe Datenpipelines visuell erstellen, ohne umfangreichen Code schreiben zu müssen. Bewertung gesammelt von und auf G2.com gehostet.

Das Debugging-Erlebnis auf dem Portal kann besonders bei großen Datenflüssen langsam sein. Auch die Benutzeroberfläche für die Datenflusszuordnung könnte reaktionsschneller sein. Bewertung gesammelt von und auf G2.com gehostet.

Ich finde Azure Data Factory benutzerfreundlich - es ist einfach zu navigieren und zu finden, wonach ich suche. Bewertung gesammelt von und auf G2.com gehostet.

Nichts, was mir besonders missfällt - habe nicht viele ähnliche Werkzeuge benutzt. Bewertung gesammelt von und auf G2.com gehostet.

Orchestrieren von Prozessen durch die Verwendung verschiedener Aktivitäten innerhalb von Data Factory. Bewertung gesammelt von und auf G2.com gehostet.

komplexe Pipeline-Struktur und schwer zu verfolgen Bewertung gesammelt von und auf G2.com gehostet.

Verknüpfte Dienste, um sich mit allen Arten von Diensten zu verbinden Bewertung gesammelt von und auf G2.com gehostet.

Einfacher Kontrollfluss wird sehr komplex zu erreichen. Bewertung gesammelt von und auf G2.com gehostet.

1. Einfach zu verwenden (Bietet Zugriff auf das Lesen von Daten aus mehreren Quellen und Daten in mehreren Formaten)

2. Verknüpfte Dienste bieten viele Verbindungen mit anderen Plattformen, was es fast plattformübergreifend macht

3. Ausgezeichnetes ETL-Tool mit vielen integrierten Aktivitäten.

4. Verbindung mit Databricks-Notebook und dessen Integration ist erstklassig. (Bei komplexen ETL-Arbeiten können wir Databricks verwenden und es direkt in die ADF-Pipeline einbinden)

5. Datenflüsse sind einfach zu implementieren und es ist sehr wenig Code erforderlich. Bewertung gesammelt von und auf G2.com gehostet.

Fehler bei der Durchführung komplexer Transformationen.

Einschränkung, nicht mehr Operationen als Int32 ausführen zu können. Bewertung gesammelt von und auf G2.com gehostet.