Databricks Reseñas y Detalles del Producto

What I like best about Databricks is its powerful and unified analytics ecosystem. Features like Unity Catalog and Metastore make data governance and access control seamless, while the Lakehouse architecture combines the best of data lakes and warehouses. PySpark support, dbutils, and collaborative workspaces make development efficient, and serverless compute simplifies scaling without infrastructure overhead. Reseña recopilada por y alojada en G2.com.

What I dislike about Databricks is the slow startup time of all-purpose clusters, which can interrupt workflow and reduce productivity. Additionally, Git integration can feel a bit sluggish at times, especially during commits or syncing, making version control less seamless than expected. Reseña recopilada por y alojada en G2.com.

i am working as a Data management specialist and using databricks regularly for handling data pipelines, large scale data processing, and governance tasks, i like most is that databricks provides a single unified platform for data engineering , analytics and AI , instead of using multiple tools. everything is available in one place, the lakehouse architecture is very useful because it combines data warehouse and data lake capabilities, so we can manage both structured and unstructured data efficiently. performance is very strong, especially with apache spark, it can process very large datasets quickly. i also like the collaborative notebooks where teams can work together using SQL, python or scala. Reseña recopilada por y alojada en G2.com.

one issue is that it has a steep learning curve, especially for new users who are not familiar with spark or distributed systems. cost management can also be challenging , it clustered are not optimized properly it can become expensive, sometimes too many features and configuration can makes it complex to manage for smaller teams. sometimes the platform feel complex. with many feature and configuration which can be difficult for smaller teams to manages. it it a powerful platform, but complexity and cost control are the main challenges in daily use. Reseña recopilada por y alojada en G2.com.

Databricks' ability to seamlessly integrate everything is what I find most appealing. When working on actual projects, it really makes a big difference that you don't have to switch between several tools for data engineering, analysis, and machine learning.

The collaborative element is very noteworthy. Teams may easily collaborate without things becoming messy thanks to the notebooks' fluid and dynamic feel. For significant data work, it resembles Google Docs almost exactly.

I also really like how efficiently it manages large amounts of data without making it seem difficult. Even when working with large datasets, the platform feels user-friendly and can be scaled up when necessary.

Additionally, it makes perfect sense from an AI/ML standpoint. You are able to construct, Reseña recopilada por y alojada en G2.com.

Databricks can initially feel a little overwhelming, which is something I don't like. Clusters, notebooks, jobs, workflows—there's a lot going on, and if you're new, it takes some time to truly grasp how everything works together.

Cost control is another drawback. It is undoubtedly strong, but expenses might quickly increase if you are careless with cluster usage or auto-scaling settings. To keep everything under control, you need to exercise some self-control and keep an eye on things.

Databricks can initially feel a little overwhelming, which is something I don't like. Clusters, notebooks, jobs, workflows—there's a lot going on, and if you're new, it takes some time to truly grasp how everything works together.

Cost control is another drawback. It is undoubtedly strong, but expenses might quickly increase if you are careless with cluster usage or auto-scaling settings. To keep everything under control, you need to exercise some self-control and keep an eye on things. Reseña recopilada por y alojada en G2.com.

Creo que lo más atractivo de Databricks radica en su naturaleza todo en uno, lo que facilita la gestión de datos. Anteriormente, cuando usaba varias herramientas para actividades relacionadas con datos, la experiencia no era buena, pero aquí todo parece estar interconectado y ser sencillo.

La capacidad de utilizar notebooks, especialmente cuando se trabaja con PySpark, es otra ventaja de Databricks que me gusta en el núcleo. La herramienta permite ejecutar cambios y modificaciones rápidamente sin preparación excesiva. También impacta positivamente en el proceso de colaboración entre mi equipo, que puede trabajar simultáneamente en sus proyectos y monitorear el progreso general. Sin embargo, el control de versiones a veces puede parecer un poco confuso en mi opinión.

En cuanto al rendimiento, Databricks me parece eficiente para manejar grandes volúmenes de datos y operar sin problemas ni retrasos. El escalado de clústeres ocurre automáticamente, permitiéndome a mí y a mi equipo ahorrar tiempo a nivel de infraestructura. Por lo tanto, es fácil ya que no se requiere planificación y ajustes adicionales.

Hay problemas menores con la interfaz de usuario, que a veces funciona lentamente, pero en general, debido a otros aspectos superiores como los métodos fáciles para implementar e integrar cosas, me anima a utilizar Databricks con frecuencia. Reseña recopilada por y alojada en G2.com.

Un aspecto de Databricks que no me gusta es su interfaz de usuario. A medida que pasas más tiempo usando la herramienta, moverse entre cuadernos y clústeres se vuelve molesto a veces.

El otro problema son los costos que pueden acumularse rápidamente si no somos cautelosos. Clústeres innecesarios pueden estar funcionando por un período más largo del necesario y sin que yo o mi equipo lo sepamos, aumentando así los costos en nuestros proyectos.

También existe la complejidad de depurar los errores, que a veces es difícil ya que implica dedicar un esfuerzo extra tratando de averiguar dónde podrían haber estado los errores, principalmente al tratar con tuberías complejas.

A veces, hay algunas discrepancias con respecto al servicio al cliente que nos llevan a lugares donde no necesitamos estar. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Databricks es cómo reúne la ingeniería de datos, la analítica y el aprendizaje automático en un espacio de trabajo unificado. Encuentro que la colaboración es mucho más fácil con los cuadernos compartidos, y la integración perfecta con herramientas de big data me ahorra tiempo. Simplifica los flujos de trabajo complejos mientras sigue ofreciendo capacidades poderosas cuando las necesito. Reseña recopilada por y alojada en G2.com.

Una cosa que no me gusta de Databricks es que puede parecer caro, especialmente para proyectos o equipos más pequeños. También encuentro que la configuración de clústeres y la gestión de costos son un poco complejas a veces. La interfaz, aunque poderosa, puede ser abrumadora para los principiantes, y depurar trabajos distribuidos no siempre es tan sencillo como me gustaría. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Databricks es cómo reúne la ingeniería de datos, la analítica y el aprendizaje automático en un espacio de trabajo limpio. Ahorra tiempo, facilita la colaboración y ayuda a los equipos a avanzar más rápido con grandes volúmenes de datos. Reseña recopilada por y alojada en G2.com.

Lo que no me gusta de Databricks es que Auto Loader puede volverse frustrante cuando los datos de origen cambian con frecuencia, especialmente si los nombres de las columnas o los tipos de datos cambian sin previo aviso.

Por ejemplo, un campo como customer_id puede de repente llegar como cust_id, o una columna que anteriormente era una cadena puede comenzar a llegar como un entero, lo que puede causar desviación de esquema y romper el procesamiento posterior.

También me resulta inconveniente cuando la inferencia de esquema no es completamente precisa, como cuando se lee incorrectamente JSON anidado o datos semiestructurados, porque entonces requiere arreglos manuales adicionales y mantenimiento para mantener las canalizaciones funcionando sin problemas. Reseña recopilada por y alojada en G2.com.

Me gusta que Databricks reúna todo en un solo lugar, haciendo innecesario usar diferentes herramientas para el procesamiento de datos, análisis y trabajo de canalización. Maneja bien grandes volúmenes de datos, y no tenemos que preocuparnos por gestionar clústeres manualmente. Además, Databricks maneja bien la colaboración y la experimentación, facilitando probar cosas nuevas. Reseña recopilada por y alojada en G2.com.

Desde mi punto de vista, el área que se puede mejorar es la gestión de costos. Si los clústeres no se monitorean cuidadosamente, los costos pueden aumentar más rápido de lo esperado. Una mejora que ayudaría es tener una mejor visibilidad de los costos a un nivel más detallado. Más alertas integradas o recomendaciones cuando los costos comiencen a aumentar inesperadamente también serían útiles. Reseña recopilada por y alojada en G2.com.

Lo que más aprecio es el enfoque de plataforma unificada. Tener cuadernos, canalizaciones de ingeniería de datos, flujos de trabajo de ML y análisis SQL todo en un solo lugar ahorra mucho tiempo en lugar de estar manejando múltiples herramientas. Los cuadernos colaborativos facilitan compartir el trabajo con los compañeros de equipo, y la gestión de clústeres se ha vuelto mucho más fluida con el tiempo. La integración de Delta Lake también es una gran ventaja para mantener nuestros datos fiables y consistentes. Reseña recopilada por y alojada en G2.com.

El costo puede salirse de control bastante rápido si no tienes cuidado con el tamaño del clúster y el tiempo de actividad. No siempre es obvio cómo optimizar el gasto, y el modelo de precios parece complejo. La curva de aprendizaje para los nuevos miembros del equipo también es más pronunciada de lo que me gustaría, especialmente para las personas que no están ya familiarizadas con Spark. A veces, la interfaz de usuario puede sentirse lenta al trabajar con cuadernos más grandes, y la depuración de fallos en los trabajos podría ser más sencilla. Reseña recopilada por y alojada en G2.com.

Me gusta que Databricks sea una potencia todo en uno donde puedo realizar múltiples trabajos en un solo lugar. Es potente para gestionar datos de múltiples fuentes y tenerlos en un solo UC para gestionar permisos con seguridad a nivel de fila. También aprecio que puedo crear experimentos, ejecutar múltiples modelos y seleccionar el mejor a partir de los registros, lo cual era difícil en otras plataformas. Una vez que aprendí la configuración, ha sido fácil y cómodo trabajar con ella. Reseña recopilada por y alojada en G2.com.

Me resulta difícil usar la calculadora para determinar los precios de los puntos de servicio de CPU porque la documentación no lo explica explícitamente. Solo menciona que 1 concurrencia equivale a 1 DBU en la página de Azure, lo cual no es claro. La calculadora de precios tiene una única opción para puntos de servicio, etiquetada como mediana con cuatro DBU, pero carece de opciones separadas para GPU o CPU y su concurrencia, lo que hace difícil entender cómo funciona correctamente. Inicialmente, también sentí que era muy difícil aprender Databricks y gestionar los despliegues de espacios de trabajo, aunque con el tiempo se volvió más fácil. Reseña recopilada por y alojada en G2.com.

Realmente valoro cómo la plataforma reúne lagos de datos y almacenes en un solo lugar. Hace que la gestión de datos sea mucho más fácil, y el rendimiento de SQL es muy rápido gracias al motor Photon. También me gustan los cuadernos colaborativos porque me permiten trabajar con SQL y Python sin problemas en un solo entorno. Reseña recopilada por y alojada en G2.com.

El costo puede ser alto, y el sistema de facturación de DBU es bastante complejo de seguir. También encontré que hay una curva de aprendizaje significativa cuando se trata de Spark y la configuración de clústeres. Para tareas pequeñas y rápidas, el tiempo de configuración y la sobrecarga técnica a veces pueden parecer un poco excesivos. Reseña recopilada por y alojada en G2.com.