Google Cloud Dataflow Reseñas y Detalles del Producto

Lo mejor de Dataflow es su capacidad totalmente gestionada, de modo que no necesitamos gestionar la infraestructura y se escala fácilmente. También proporciona muchas plantillas que son útiles para desarrolladores de nivel principiante e intermedio y, además, pueden actualizar fácilmente la configuración y el pipeline y pueden procesar petabytes de datos. Además, soporta el SDK de Yaml, lo que elimina las dependencias de Apache Beam. Reseña recopilada por y alojada en G2.com.

Cuando trabajamos con procesamiento distribuido, es difícil obtener la configuración correcta, especialmente para los nuevos usuarios, es muy complejo configurarlo y la mayoría de las veces cuesta mucho si no se configura correctamente. Y como solo admite Apache Beam, algunos de los conceptos son muy difíciles de entender. También pueden trabajar en la supervisión y el registro, a veces no está claro. Reseña recopilada por y alojada en G2.com.

Google Cloud Dataflow es extremadamente fácil de usar para procesar flujos de eventos. Construir complejas canalizaciones de transmisión es simple y eficiente con Dataflow. Ofrece monitoreo en tiempo real de la canalización de transmisión con métricas importantes como el rendimiento, la utilización de CPU y memoria. Es fácil de integrar con fuentes y destinos de datos como Cloud Pub-sub, Kafka y Cloud Spanner. Reseña recopilada por y alojada en G2.com.

Es costoso en comparación con otras soluciones como Apache Flink. Difícil de implementar marcas de agua. Reseña recopilada por y alojada en G2.com.

GCP Dataflow gestiona sin esfuerzo tareas de big data, unificando el código con Apache Beam. Es un jugador de equipo de Google Cloud, destacando con servicios como BigQuery. Reseña recopilada por y alojada en G2.com.

- no hay mucha documentación y recursos disponibles sobre ello

Las complejidades de costos exigen vigilancia, y los conectores externos pueden necesitar atención personalizada. Aunque se armoniza dentro del ámbito de Google Cloud, la dependencia del ecosistema puede no ser adecuada para aquellos en otros entornos de nube. Reseña recopilada por y alojada en G2.com.

El flujo de datos en la nube te permite tener un demonio que realiza ETL mientras proporciona una observabilidad de primer nivel. Antes de esto, estaba acostumbrado a trabajos de larga duración con poca observabilidad, o herramientas de bajo o ningún código que no me permitían configurar tareas de la manera que quería usando código. Dataflow me permite utilizar Apache Beam en Python con gran efectividad para crear una solución repetible y fácilmente monitoreada. Reseña recopilada por y alojada en G2.com.

Los ejemplos de Python podrían ser mucho más completos. también el modelo de concurrencia es difícil de entender, a veces experimento contención de bloqueo con instancias de DoFn que se ejecutan simultáneamente y no está completamente claro cuántos hilos concurrentes están procesando mi carga de trabajo. Reseña recopilada por y alojada en G2.com.

Google Cloud Dataflow optimiza automáticamente y gestiona recursos para ti. Esta plataforma admite múltiples lenguajes de programación, incluidos Python, Java y SQL, y facilita a los desarrolladores centrarse en escribir código. Reseña recopilada por y alojada en G2.com.

Hasta ahora no he encontrado ningún tipo de inconveniente. Simplemente me encanta esto y cada actualización de esta plataforma me hace enamorarme de nuevo. Reseña recopilada por y alojada en G2.com.

La tolerancia a fallos es lo mejor de dataflow con la facilidad para lanzar el trabajo y monitorear. Reseña recopilada por y alojada en G2.com.

El SDK de Python parece menos evolucionado. La integración de Kafka para Python no está lista para producción. Reseña recopilada por y alojada en G2.com.

Visualizaciones de tus nodos e información durante la ejecución sobre cuántos nodos se han activado. Reseña recopilada por y alojada en G2.com.

Una vez que inicias una ejecución, no hay forma de cancelarla o detenerla. Esto significa que si notas algún problema durante la ejecución, estás prácticamente atrapado. Reseña recopilada por y alojada en G2.com.

Realmente me gusta Apache Beam, que utilizo con Dataflow. Funciona bien en Google Cloud, tanto para el procesamiento por lotes como para el procesamiento en flujo. El cómputo simplemente funciona y permite a nuestros ingenieros de datos hacer su trabajo. Reseña recopilada por y alojada en G2.com.

Hace años, parte del marketing era excesivo. Hoy en día está a la altura de las expectativas. Me entristece que más personas no lo usen, porque es muy poderoso. Reseña recopilada por y alojada en G2.com.

La interfaz de usuario es muy simplista y los horarios y trabajos se pueden crear muy fácilmente junto con ella. También el soporte para plantillas en Java y Python es increíble. Reseña recopilada por y alojada en G2.com.

El parámetro y las plantillas son muy rígidos y la depuración adicional es difícil ya que los registros no son muy útiles. Si un pipeline falla a menudo, los errores y registros son deficientes. Reseña recopilada por y alojada en G2.com.

Google Dataflow es excelente ya que proporciona la experiencia más fácil y fluida de cargar datos, ya sea en Batch o Streaming. Los mejores aspectos son:

1. Proporciona un procesamiento de Big Data 100% eficiente junto con una fácil migración de datos.

2. Capacidad para crear aplicaciones personalizadas y diseñar APIs.

3. Su interfaz de usuario y funcionamiento amigable para desarrolladores. Reseña recopilada por y alojada en G2.com.

Creo que es una de las mejores plataformas para trabajar en Big Data, pero el hecho de que es muy difícil de entender. Incluso las guías de ayuda y la documentación son limitadas y la comunidad no es tan grande. Sé que en los próximos años se puede resolver y espero que se logre lo antes posible. Reseña recopilada por y alojada en G2.com.