Apache Airflow Reseñas y Detalles del Producto

It is easiy to deploy with docker. Provide secure authentication. A better UI in airlfow3.x. There. is many method, operator, hooks are added. easily to add dependecy. A better workflow monitoring tool. Easily schedule , activate and deactivate jobs. Good performance when used in any cloud platform like aws in serverless mode. easily scaleable. Easy to integrate third part library. Apache airflow is free of cost but you need to pay compute cost if you are using any cloud. A wide support community Reseña recopilada por y alojada en G2.com.

When I create a task in expansion mode, it doesn’t display the graphical flow properly. I also noticed there’s too much logging. And when setting it up on AWS MWAA in a private VPC, it requires additional configuration. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Airflow es su flexibilidad y la cantidad de características para construir flujos de trabajo usando DAGs. Es muy útil para gestionar tuberías complejas con dependencias. La integración con diferentes sistemas también es fuerte. Una vez que la configuración está hecha, funciona de manera confiable y se utiliza frecuentemente en las operaciones diarias. Reseña recopilada por y alojada en G2.com.

La facilidad de uso es un área donde puede mejorar, especialmente para los nuevos usuarios. La configuración inicial y la implementación requieren esfuerzo si lo estás gestionando tú mismo. La interfaz de usuario no es muy amigable y a veces es lenta. Además, depurar flujos de trabajo fallidos puede llevar tiempo. Reseña recopilada por y alojada en G2.com.

I use Apache Airflow to schedule and manage data pipelines, and I appreciate how it automates ETL pipelines easily and enables monitoring of tasks. I love its flexibility to build and manage complex workflows effortlessly using code, along with features like Operators and sensors. The UI is very helpful for tracking pipelines and quickly debugging failures. It helps me create, automate, and schedule complex workflows by reducing manual efforts, making pipeline monitoring and error handling much easier. I love most of the features that Airflow provides, and I rate it 9/10 as I love this platform. Reseña recopilada por y alojada en G2.com.

For beginners, Apache Airflow can be complex to setup, especially with Docker. At times when a DAG is updated, the UI can feel slow. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Apache Airflow es cómo hace que la gestión de flujos de trabajo se sienta organizada y predecible. Puedes definir claramente las tareas, establecer dependencias y ver todo dispuesto en un solo lugar, lo que hace que las tuberías complejas sean mucho más fáciles de entender.

También me gusta lo flexible que es. Puedes construir y personalizar flujos de trabajo para adaptarse prácticamente a cualquier tubería de datos, y la programación simplemente funciona una vez que está configurada. La interfaz de usuario es otro gran punto a favor, ya que facilita el monitoreo de ejecuciones, la depuración de problemas y ver rápidamente dónde ha fallado algo sin tener que buscar en los registros durante mucho tiempo. Reseña recopilada por y alojada en G2.com.

Una cosa que no me gusta de Apache Airflow es que puede parecer bastante pesado y complejo, especialmente al principio. Configurarlo correctamente lleva tiempo, y hay bastantes partes móviles que entender antes de que todo funcione sin problemas.

Depurar también puede ser frustrante a veces. Cuando algo falla, los registros no siempre son los más fáciles de seguir, por lo que puede llevar más tiempo de lo esperado averiguar qué salió mal. También puede ser un poco intensivo en recursos, lo cual no es ideal si estás ejecutando proyectos más pequeños o solo necesitas algo ligero. Reseña recopilada por y alojada en G2.com.

Para mí, la característica destacada es definitivamente la interfaz web. Como ingeniero de datos, a menudo me encuentro solucionando problemas, y la vista de cuadrícula en Airflow hace que sea notablemente simple identificar exactamente dónde ha fallado una canalización. Puedo acceder rápidamente a los registros de cualquier tarea específica y determinar qué salió mal en cuestión de segundos. Este nivel de transparencia es algo que los trabajos cron tradicionales o los scripts básicos simplemente no ofrecen. Tener un panel central para todos tus flujos de trabajo realmente proporciona tranquilidad. Reseña recopilada por y alojada en G2.com.

El principal desafío es la facilidad de implementación para principiantes. Configurar la infraestructura (como el servidor web, el programador y la base de datos) requiere un buen conocimiento de DevOps, lo cual puede ser un obstáculo para un equipo pequeño.

Debido a que es de código abierto, no tienes el soporte al cliente tradicional, por lo que dependes mucho de la comunidad. Aunque la comunidad es activa, la documentación a veces puede ser un poco abrumadora cuando intentas solucionar un problema de configuración muy específico. Es una herramienta poderosa, pero la facilidad de uso desde una perspectiva de configuración definitivamente podría mejorarse. Reseña recopilada por y alojada en G2.com.

Me encanta usar Apache Airflow para crear pipelines ETL, especialmente con su visualización de DAG impulsada por la interfaz de usuario que facilita mucho la comprensión del flujo de trabajo y las dependencias. La vista de gráfico y de etapas es increíble, y la identificación de errores es sencilla. La función de monitoreo de tareas es realmente útil, permitiéndome ver qué trabajos están en ejecución, y el manejo de reintentos y fallos es esencial para operaciones fluidas. La configuración fue sencilla, particularmente en AWS, y es increíblemente útil cuando se integra con Acceldata para la observabilidad de pipelines. Reseña recopilada por y alojada en G2.com.

Lo único que noté, cuando hay más DAGs, es que la interfaz de usuario a veces puede sentirse lenta al manejar muchas tareas. Reseña recopilada por y alojada en G2.com.

todo el proceso es muy extensible, ya que hay tantos usuarios, tenemos muchos operadores/plugins integrados. la interfaz de usuario es muy limpia e intuitiva. Reseña recopilada por y alojada en G2.com.

No creo que haya una función donde podamos ver los registros de todos los trabajos en un solo lugar, digamos que tenemos 20-30 pasos, así que tenemos que ir a cada paso y verificar los registros, así que me gustaría que todos los registros estuvieran consolidados. Reseña recopilada por y alojada en G2.com.

Me gustan los DAGs claros de Apache Airflow ya que hacen que los flujos de trabajo sean fáciles de entender y mantener. La función de programación asegura que las canalizaciones se ejecuten automáticamente sin esfuerzo manual, lo cual es realmente útil. También aprecio los reintentos y la monitorización, ya que ayudan a detectar y recuperarse rápidamente de fallos. Además, su escalabilidad es una ventaja significativa, permitiéndome manejar cargas de trabajo de datos crecientes de manera confiable, haciendo que Airflow sea confiable para canalizaciones de producción. En general, estas características realmente mejoran mi experiencia con Apache Airflow. Reseña recopilada por y alojada en G2.com.

Algunas cosas en Apache Airflow no funcionan muy bien para mí. La configuración inicial es un poco compleja y lleva tiempo. La interfaz de usuario a veces se siente lenta cuando hay muchos DAGs ejecutándose. Depurar tareas fallidas no siempre es claro, los registros están dispersos. Además, las actualizaciones de versión pueden romper los DAGs existentes, la compatibilidad hacia atrás debería ser mejor. Reseña recopilada por y alojada en G2.com.

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.

Utilizo Apache Airflow para la gestión y monitoreo del flujo de proyectos. Encuentro valiosas sus características de interfaz de usuario basada en la web y de scripting en Python, lo que facilita el desarrollo y diseño de flujos de procesos. Python como lenguaje de scripting es más amigable para el usuario que otros lenguajes complejos, lo que ayuda a escribir diagramas de flujo complejos mejor que con lenguajes tradicionales. Reseña recopilada por y alojada en G2.com.

El proceso de instalación de Apache Airflow es bastante complejo y depende en gran medida de PIP, lo que lo hace muy difícil de manejar en servidores bloqueados por ciberseguridad. La configuración inicial es desafiante, especialmente en un entorno basado en proxy, ya que requiere muchos permisos e instalaciones manuales. Reseña recopilada por y alojada en G2.com.