# Apache Arrow Reviews **Vendor:** The Apache Software Foundation **Category:** [Environnements de développement intégré Java (IDE)](https://www.g2.com/fr/categories/java-integrated-development-environments-ide) **Average Rating:** 4.1/5.0 **Total Reviews:** 30 ## About Apache Arrow Apache Arrow est une plateforme de développement multi-langages conçue pour le traitement de données en mémoire et l'échange efficace de données. Elle fournit un format de mémoire en colonnes standardisé et indépendant du langage qui prend en charge à la fois les structures de données plates et hiérarchiques. Ce format est optimisé pour les opérations analytiques sur le matériel moderne, y compris les CPU et les GPU, facilitant l'analyse de données haute performance et l'intégration transparente à travers divers systèmes de traitement de données. Caractéristiques clés et fonctionnalités : - Format de mémoire en colonnes : Le format en colonnes en mémoire d'Arrow est conçu pour des opérations analytiques efficaces, permettant des calculs vectorisés qui tirent parti des capacités des processeurs modernes. - Partage de données sans copie : La plateforme permet des lectures sans copie, permettant un accès rapide aux données sans le surcoût de la sérialisation et de la désérialisation, améliorant ainsi les performances dans les applications intensives en données. - Support multi-langages : Arrow offre des bibliothèques dans plusieurs langages de programmation, y compris C++, Java, Python, R, et plus, assurant une large compatibilité et une intégration facile dans divers environnements de développement. - Interopérabilité avec les formats de données : Elle fournit des outils pour lire et écrire divers formats de fichiers tels que CSV, Apache Parquet, et Apache ORC, facilitant l'échange fluide de données entre différents systèmes. - Analytique en mémoire et traitement de requêtes : Arrow inclut des composants pour l'analytique en mémoire et le traitement de requêtes, soutenant la manipulation et l'analyse efficaces des données directement en mémoire. Valeur principale et problème résolu : Apache Arrow répond aux défis associés au traitement de grands ensembles de données en offrant une représentation de données en mémoire unifiée et efficace. En standardisant le format de mémoire en colonnes et en fournissant un partage de données sans copie, il réduit considérablement le surcoût computationnel généralement impliqué dans la sérialisation et la désérialisation des données. Cela conduit à un traitement et une analyse des données plus rapides, permettant aux développeurs de créer des applications haute performance capables de gérer des structures de données complexes à travers divers langages de programmation et plateformes. L'interopérabilité d'Arrow avec les formats de données existants et son support pour plusieurs langages en font un outil polyvalent pour les développeurs cherchant à optimiser les flux de travail de données et à améliorer les performances des applications axées sur les données. ## Apache Arrow Pros & Cons **What users like:** - Les utilisateurs apprécient la **gestion efficace de grands ensembles de données** avec Apache Arrow, ce qui améliore considérablement les performances de traitement des données. (3 reviews) - Les utilisateurs apprécient la **vitesse et l'efficacité exceptionnelles** d'Apache Arrow pour la gestion des données en mémoire à travers plusieurs systèmes. (3 reviews) - Les utilisateurs apprécient le **support multilingue** d'Apache Arrow, améliorant l'intégration entre Python, R et Java de manière transparente. (3 reviews) - Les utilisateurs soulignent l' **efficacité exceptionnelle des performances** d'Apache Arrow, facilitant une gestion rapide des données et une interopérabilité sans faille. (3 reviews) - Les utilisateurs s'extasient sur la **compatibilité excellente** d'Apache Arrow entre les langues, simplifiant l'intégration et le traitement des données. (2 reviews) - Les utilisateurs apprécient les **capacités de gestion de données efficaces** d'Apache Arrow, facilitant le transfert de données sans heurts entre les systèmes. (2 reviews) - Connectivité (1 reviews) - Compatibilité multiplateforme (1 reviews) - Support client (1 reviews) - Facilité d'utilisation (1 reviews) **What users dislike:** - Les utilisateurs trouvent la **complexité** d'Apache Arrow difficile, en particulier pour les débutants qui apprennent à configurer les intégrations efficacement. (3 reviews) - Les utilisateurs trouvent que les **problèmes d'intégration** sont chronophages et difficiles, surtout pour les débutants dans l'écosystème. (3 reviews) - Les utilisateurs trouvent que la **courbe d'apprentissage initiale est raide** , surtout en ce qui concerne la configuration et la clarté de la documentation pour les débutants. (3 reviews) - Les utilisateurs trouvent Apache Arrow **peu convivial pour les débutants** , citant une courbe d'apprentissage abrupte et des défis d'intégration complexes. (2 reviews) - Les utilisateurs trouvent la **configuration complexe** d'Apache Arrow frustrante, surtout en raison d'une courbe d'apprentissage abrupte et d'une documentation incohérente. (2 reviews) - Déboguer les problèmes (2 reviews) - Entraînement difficile (2 reviews) - Gestion des erreurs (2 reviews) - Les utilisateurs trouvent que le **manque d'intégration** avec Apache Arrow est chronophage et frustrant dans leurs flux de travail. (2 reviews) - Documentation médiocre (2 reviews) ## Apache Arrow Reviews ### 1. Super rapide pour les grandes données, mais l'installation peut être délicate. **Rating:** 4.0/5.0 stars **Reviewed by:** Abhishek C. | Associate Software Engineer, Petite entreprise (50 employés ou moins) **Reviewed Date:** January 30, 2025 **Qu'aimez-vous le plus à propos de Apache Arrow?** Honnêtement, la meilleure chose à propos d'Apache Arrow est à quel point il rend le travail avec de grands ensembles de données incroyablement rapide. Le format de mémoire en colonnes accélère énormément le traitement des données, surtout pour l'analytique et l'apprentissage automatique. La facilité d'utilisation n'est pas la meilleure au début car il y a une certaine courbe d'apprentissage, mais une fois que vous avez pris le coup, l'amélioration des performances en vaut vraiment la peine. De plus, la facilité d'intégration est solide—il fonctionne super bien avec Pandas, Spark et Parquet, donc le transfert de données entre les systèmes est bien plus fluide que d'autres formats. Et comme il est compatible entre plusieurs langages, vous pouvez l'utiliser en Python, Java, C++, et plus encore sans vous soucier des conversions de format ennuyeuses. En termes de nombre de fonctionnalités, il est rempli d'une tonne d'optimisations pour gérer les données en mémoire de manière super efficace. Je l'utilise tout le temps, et honnêtement, c'est un peu un incontournable pour le traitement de données haute performance. Le seul inconvénient ? Le support client est principalement basé sur la communauté, donc parfois vous devez chercher un peu pour trouver des réponses. Mais dans l'ensemble, la facilité de mise en œuvre n'est pas trop mauvaise, et une fois qu'il est configuré, c'est un véritable atout pour gérer les grandes données. **Que n’aimez-vous pas à propos de Apache Arrow?** Honnêtement, ce n'est pas la chose la plus facile à commencer. La courbe d'apprentissage est assez raide, surtout si vous n'avez jamais traité de stockage en colonnes auparavant. Le configurer peut être frustrant, et la facilité de mise en œuvre n'est pas exactement fluide—cela demande beaucoup d'essais et d'erreurs, surtout lorsqu'il s'agit de l'intégrer dans un pipeline existant. De plus, la documentation est un peu dispersée. Certaines parties sont excellentes, mais d'autres ? Pas tellement. Parfois, vous êtes juste laissé à deviner, ce qui donne l'impression que le support client est presque inexistant puisque la plupart de l'aide vient de la communauté open-source. Le débogage peut aussi être un casse-tête—c'est tellement optimisé qu'une petite mauvaise configuration peut perturber les performances de manière difficile à comprendre. Cela dit, une fois que vous avez surmonté les difficultés initiales, le nombre de fonctionnalités et la facilité d'intégration avec des outils comme Pandas, Spark et Parquet en valent vraiment la peine. Mais oui, ne vous attendez pas à ce que ce soit super convivial pour les débutants—cela prend certainement du temps pour s'y habituer. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Pour moi, le plus grand avantage est que cela rend la gestion des données tellement plus facile. Comme cela fonctionne avec Python, Java, C++, et plein d'autres langages, je n'ai pas à perdre de temps à m'embêter avec les conversions de format en passant d'un outil à l'autre. De plus, cela accélère vraiment des choses comme les opérations Pandas, ce qui est honnêtement un sauveur quand on travaille avec de grands ensembles de données. Oui, le configurer a été un peu difficile au début, et cela a pris du temps pour apprendre, mais maintenant que je l'ai en place, je ne peux pas imaginer travailler sans. Apache Arrow résout essentiellement tout le problème du traitement de données lent et inefficace, surtout lorsqu'il s'agit de gérer de grands ensembles de données. Normalement, lorsque vous déplacez de grandes quantités de données entre les systèmes, vous devez constamment convertir les formats, ce qui finit par consommer beaucoup de temps et de mémoire. Mais le format de mémoire en colonnes d'Arrow résout cela en rendant tout rapide et super efficace, surtout pour les charges de travail analytiques et d'apprentissage automatique. Honnêtement, une fois que vous vous y habituez, c'est un changement radical. ### 2. Cadre de données haute performance pour les analyses et les flux de travail ML **Rating:** 5.0/5.0 stars **Reviewed by:** andré P. | WEB DEVELOPER, Logiciels informatiques, Petite entreprise (50 employés ou moins) **Reviewed Date:** October 07, 2025 **Qu'aimez-vous le plus à propos de Apache Arrow?** Ce que j'aime le plus à propos d'Apache Arrow, c'est la façon dont il gère efficacement de grands ensembles de données en mémoire. Il offre un format de données en colonnes rapide qui améliore les performances lors du transfert de données entre différents systèmes. Dans nos projets, nous l'avons utilisé pour connecter des applications Python, R et Java avec un minimum de surcharge. L'interopérabilité qu'il offre est excellente, et le soutien de la communauté est très actif. **Que n’aimez-vous pas à propos de Apache Arrow?** La courbe d'apprentissage initiale peut être raide, surtout lors de la configuration des intégrations avec d'autres outils de données. Certaines documentations pourraient être plus claires pour les nouveaux utilisateurs, en particulier sur des sujets avancés comme les lectures sans copie et le mappage de mémoire. Le débogage des problèmes de performance entre langages nécessite également une certaine expertise technique. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Apache Arrow nous aide à standardiser l'échange de données entre les systèmes d'analyse et d'apprentissage automatique. Il a réduit les coûts de sérialisation et amélioré la vitesse de traitement dans nos pipelines. En adoptant Arrow, nous avons réalisé des processus ETL plus rapides et une meilleure compatibilité avec des outils comme Pandas, Spark et TensorFlow — économisant à la fois du temps et des ressources de calcul. ### 3. Cadre de données haute performance pour l'analyse moderne **Rating:** 4.5/5.0 stars **Reviewed by:** Paras C. | Software developer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** September 30, 2025 **Qu'aimez-vous le plus à propos de Apache Arrow?** Apache Arrow offre une vitesse et une efficacité exceptionnelles pour le partage de données en mémoire entre différents systèmes et langages, réduisant ainsi la surcharge de sérialisation. **Que n’aimez-vous pas à propos de Apache Arrow?** L'écosystème est encore en maturation, et l'intégration avec certains outils peut être complexe pour les débutants. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Apache Arrow résout le problème de l'échange de données lent et des coûts élevés de sérialisation entre différents systèmes et langages de programmation. ### 4. Apache Arrow est livré avec une interface conviviale, en tant qu'analyste de données, il offre une facilité d'utilisation. **Rating:** 3.0/5.0 stars **Reviewed by:** Piyush S. | ML Developer, Petite entreprise (50 employés ou moins) **Reviewed Date:** January 02, 2025 **Qu'aimez-vous le plus à propos de Apache Arrow?** il prend en charge pands, kudu drill. Le format de données en colonnes en mémoire d'Arrow est une solution prête à l'emploi à ces problèmes. Les systèmes qui utilisent ou prennent en charge Arrow peuvent transférer des données entre eux à peu ou pas de coût. **Que n’aimez-vous pas à propos de Apache Arrow?** L'intégration semble être un problème, elle prend du temps. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** La flèche pour améliorer la performance de leur moteur de recommandation. Le moteur était écrit en Python et utilisait pandas pour la manipulation des données. ### 5. Rationalisation des dynamiques de données interlangues **Rating:** 3.5/5.0 stars **Reviewed by:** Er. Monika K. | Senior SEO Analyst, Marché intermédiaire (51-1000 employés) **Reviewed Date:** January 09, 2024 **Qu'aimez-vous le plus à propos de Apache Arrow?** La caractéristique remarquable d'Apache Arrow est son "Échange de données inter-langues efficace," facilitant une communication et un partage de données transparents à travers divers **Que n’aimez-vous pas à propos de Apache Arrow?** Le temps d'apprentissage peut nécessiter du temps pour les équipes, j'ai pris au moins 1 an pour comprendre l'essentiel. Il y a quelques problèmes de compatibilité et des défis lors de l'intégration avec divers outils et systèmes. Les opérations en mémoire peuvent exiger des ressources système substantielles. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Permet une communication transparente entre différents langages de programmation. Ce logiciel optimise également le stockage et la récupération des données, améliorant ainsi les performances globales. En plus de cela, il améliore même l'efficacité du traitement analytique en stockant les données de manière colonnaire. Facilite également le transfert de données à haute vitesse entre les systèmes, crucial pour le traitement des big data. Et étant open-source, cet outil incroyable favorise également la collaboration communautaire et l'amélioration continue. ### 6. Apache Arrow : Amélioration du développement Java avec rapidité et interopérabilité **Rating:** 4.0/5.0 stars **Reviewed by:** Bineet C. | Software Engineer, Petite entreprise (50 employés ou moins) **Reviewed Date:** February 06, 2024 **Qu'aimez-vous le plus à propos de Apache Arrow?** Pour moi, autant que j'ai utilisé cela, permettant aux données d'être traitées, lues et écrites rapidement. Lorsqu'il s'agit de grands ensembles de données, cela me fournit des performances élevées. Cela permet également l'interopérabilité des données entre différents langages de programmation. En utilisant Arrow dans mes applications Java, je peux facilement traiter les données et les rendre compatibles avec d'autres systèmes. Cela me permet de distribuer mes données dans un format qui est natif à la machine et facilement partageable avec d'autres outils de traitement. Il est pris en charge sur diverses plateformes, me permettant d'intégrer mes applications Java avec d'autres plateformes de manière transparente. Dans l'ensemble, Apache Arrow est un outil utile et puissant pour les développeurs Java. **Que n’aimez-vous pas à propos de Apache Arrow?** Pour moi, parfois, cela montre des problèmes de version, mais ils sont généralement gérables. Et oui, au début, vous pourriez rencontrer des erreurs normales que vous pouvez gérer facilement. Mais en travaillant avec des données complexes, il est important d'être prudent et attentif. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Apache Arrow résout les défis de traitement des données en offrant des opérations à grande vitesse et une interopérabilité entre les langages de programmation. Cela me profite en améliorant les performances, en permettant un échange de données transparent et en simplifiant l'intégration avec diverses plateformes, améliorant ainsi la productivité et l'efficacité globales. ### 7. Apache Arrow : Une exploration approfondie du transfert et de l'échange de données haute performance **Rating:** 4.5/5.0 stars **Reviewed by:** Jay Kishan G. | Associate devOps engineer , Marché intermédiaire (51-1000 employés) **Reviewed Date:** January 09, 2024 **Qu'aimez-vous le plus à propos de Apache Arrow?** *Apache Arrow capable de prendre en charge plusieurs langages de programmation permet un échange de données transparent entre différents composants d'un pipeline de traitement de données. *Apache Arrow offre un format en mémoire en colonnes et aide à minimiser le besoin de sérialisation des données pour améliorer l'efficacité computationnelle. *Apache Arrow étant un projet open-source, bénéficie d'une communauté de développeurs diverse et active. *Le format en colonnes et la disposition en mémoire d'Apache Arrow sont conçus pour une utilisation optimale de la mémoire. *Apache Arrow évolue très rapidement et fournit des mises à jour fréquentes, ce qui est très impressionnant. **Que n’aimez-vous pas à propos de Apache Arrow?** La mise en œuvre d'Apache Arrow peut être difficile pour les développeurs qui sont nouveaux dans ses concepts et API. L'adaptation avec le format d'échange de données et sa compréhension prend du temps. Apache Arrow évolue continuellement et cela peut être difficile à suivre pour les nouveaux utilisateurs, surtout s'ils utilisent une version plus ancienne de la bibliothèque. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** *Pour moi, Apache Arrow définit un meilleur format qui facilite l'échange facile de données entre des systèmes implémentés dans divers langages de programmation et favorise également l'interopérabilité entre les langages. *Apache Arrow offre un traitement vectorisé, permettant d'effectuer des opérations sur des tableaux entiers de données à la fois, ce qui améliore l'efficacité de mes charges de travail analytiques. *Apache Arrow résout plusieurs de mes défis en matière de traitement de données, notamment en ce qui concerne l'échange de données efficace et l'interopérabilité entre différents systèmes et langages de programmation comme Java, C++, etc. ### 8. Mon expérience avec ce produit **Rating:** 3.0/5.0 stars **Reviewed by:** Harikrishnan R. | Mobile Application Developer, Petite entreprise (50 employés ou moins) **Reviewed Date:** December 02, 2023 **Qu'aimez-vous le plus à propos de Apache Arrow?** Apache Arrow est un outil exceptionnel que j'apprécie pour son efficacité dans la gestion de grands ensembles de données à travers divers langages de programmation. Sa représentation de données en colonnes en mémoire améliore considérablement la vitesse de traitement des données et l'interopérabilité. Le format standardisé permet une communication fluide entre différents systèmes, favorisant un écosystème de données plus collaboratif et rationalisé. Dans l'ensemble, Apache Arrow se distingue comme une solution puissante et polyvalente pour la manipulation et le partage de données dans le paysage informatique moderne. **Que n’aimez-vous pas à propos de Apache Arrow?** Actuellement, je n'ai aucune plainte ou aversion concernant Apache Arrow. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Apache Arrow répond au défi de l'échange de données efficace et transparent entre divers systèmes et langages de programmation. Son format colonne en mémoire standardisé améliore la vitesse de traitement des données et réduit les complexités du partage de données. Cela me bénéficie en fournissant une solution unifiée et haute performance pour gérer de grands ensembles de données, favorisant l'interopérabilité et rationalisant les flux de travail de données sur diverses plateformes. ### 9. Mon expérience avec Apache Arrow **Rating:** 3.5/5.0 stars **Reviewed by:** Lagulesan B. | Associate Corp HR, Entreprise (> 1000 employés) **Reviewed Date:** December 02, 2023 **Qu'aimez-vous le plus à propos de Apache Arrow?** Apache Arrow est un format de représentation de données en mémoire, haute performance et multi-langage. Il excelle dans l'analyse, offrant un échange de données efficace, un partage sans copie et une forte interopérabilité, soutenu par une communauté et un écosystème en pleine croissance. **Que n’aimez-vous pas à propos de Apache Arrow?** Actuellement, je n'ai aucune remarque à propos d'Apache Arrow. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Efficace, inter-langue, st"Apache Arrow est une révolution dans le monde du traitement des données. Son format en mémoire, en colonnes, offre des performances exceptionnelles, rendant l'analyse et l'échange de données entre différents langages de programmation très faciles. La fonctionnalité de partage de données sans copie améliore considérablement l'efficacité, tandis que le format standardisé assure une intégration transparente avec divers outils. Le soutien de la communauté est solide, favorisant l'innovation continue et la croissance. Apache Arrow est un atout inestimable pour quiconque travaille avec l'analyse de données à grande échelle, fournissant une solution fiable et polyvalente qui améliore véritablement l'expérience globale de traitement des données." ### 10. Revue d'Apache Arrow **Rating:** 4.5/5.0 stars **Reviewed by:** Kaushil P. | Assistant Manager, Entreprise (> 1000 employés) **Reviewed Date:** December 06, 2023 **Qu'aimez-vous le plus à propos de Apache Arrow?** C'est une bonne plateforme qui aide à travailler sur plusieurs langages de programmation. Ils fournissent même une colonne spécifique pour travailler avec l'analytique et permettent même de travailler sur de grands ensembles de données. L'utiliser quotidiennement est très utile pour des personnes comme moi qui l'utilisent pour gérer et manipuler de grands ensembles de données. **Que n’aimez-vous pas à propos de Apache Arrow?** Selon la pile technologique des développeurs, Apache Arrow peut être un peu complexe au début. Si vous avez utilisé différents outils de traitement de données auparavant, Apache Arrow est un peu complexe une fois que vous commencez à l'apprendre, c'est assez utile. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Lorsque je travaille sur de grands ensembles de données, cela aide au transfert rapide de données entre différentes langues et contribue à l'augmentation de l'utilisation de l'analyse. ### 11. Expérience utilisateur d'Apache Arrow pour le développement web **Rating:** 4.0/5.0 stars **Reviewed by:** Jeya J. | Software Developer, Petite entreprise (50 employés ou moins) **Reviewed Date:** December 01, 2023 **Qu'aimez-vous le plus à propos de Apache Arrow?** Prise en charge multilingue L'un des principaux atouts d'Apache Arrow est sa prise en charge de plusieurs langages de programmation. Des bibliothèques Arrow existent pour des langages tels que C, C++, Java, Python, JavaScript, et d'autres. Cette compatibilité multilingue permet un échange de données transparent entre différents composants d'un pipeline de traitement de données, même si ces composants sont implémentés dans des langages différents. et sa Facilité d'intégration **Que n’aimez-vous pas à propos de Apache Arrow?** L'adoption d'Apache Arrow peut nécessiter que les développeurs apprennent et comprennent les spécificités de sa représentation de données en mémoire, en colonnes. Cette courbe d'apprentissage peut être un inconvénient pour les équipes non familières avec les formats de données en colonnes. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** J'ai utilisé pour le traitement des données et les pipelines d'analytique afin de faciliter l'échange rapide et efficace de données entre des composants écrits dans différentes langues. ### 12. Apache Arrow est le meilleur outil d'analyse de données et de partage de données. **Rating:** 4.5/5.0 stars **Reviewed by:** Shivam T. | SDE, Entreprise (> 1000 employés) **Reviewed Date:** January 15, 2024 **Qu'aimez-vous le plus à propos de Apache Arrow?** La meilleure chose que j'aime à propos d'Apache Arrow est qu'il est très rapide et efficace pour gérer de grandes quantités de données pour des applications à grande échelle. **Que n’aimez-vous pas à propos de Apache Arrow?** La documentation d'Apache Arrow est mal écrite. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Apache Arrow nous aide dans l'analyse des données et la gestion et le partage de grandes quantités de données. ### 13. Ingénieur de données inspirant **Rating:** 4.5/5.0 stars **Reviewed by:** Amr B. | Learning Environment Engineer, Petite entreprise (50 employés ou moins) **Reviewed Date:** September 01, 2023 **Qu'aimez-vous le plus à propos de Apache Arrow?** Le format de données en colonnes et la conception efficace en mémoire du projet Apache Arrow en font le rêve d'un passionné de données. Il améliore considérablement les performances des requêtes et minimise la surcharge de sérialisation entre différents langages de programmation. C'est une révolution pour les tâches intensives en données. **Que n’aimez-vous pas à propos de Apache Arrow?** Les complexités des structures de données imbriquées et les incohérences occasionnelles de liaison de langage peuvent être légèrement frustrantes dans Apache Arrow. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Apache Arrow répond au défi de l'échange de données efficace entre différents langages de programmation et systèmes. En fournissant un format de données en colonnes standardisé et économe en mémoire, il simplifie le partage et le traitement des données à travers l'écosystème de données. Cela m'avantage en améliorant la vitesse de traitement des données, en réduisant la surcharge de sérialisation et en favorisant l'interopérabilité, ce qui facilite le travail avec des sources de données et des outils divers dans mes projets. ### 14. ma critique **Rating:** 2.5/5.0 stars **Reviewed by:** Ismail I. | Software Test Engineer, Petite entreprise (50 employés ou moins) **Reviewed Date:** January 18, 2024 **Qu'aimez-vous le plus à propos de Apache Arrow?** si amical, incroyable, utile, si facile à utiliser **Que n’aimez-vous pas à propos de Apache Arrow?** doit être plus facile pour les débutants, les instructions doivent être plus utiles **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** je l'utilise en programmation ### 15. Moteur de requête fédérée léger et cool **Rating:** 4.0/5.0 stars **Reviewed by:** Prinkan P. | Co-Founder & CEO, Marché intermédiaire (51-1000 employés) **Reviewed Date:** August 08, 2023 **Qu'aimez-vous le plus à propos de Apache Arrow?** Compression des données et performance des requêtes. Compatibilité entre langues. **Que n’aimez-vous pas à propos de Apache Arrow?** Pas encore prêt pour une analyse d'entreprise tout-en-un. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Sérialisation et désérialisation de données efficaces Élimination de la copie de données : ### 16. Apache Arrow la belle plateforme **Rating:** 4.0/5.0 stars **Reviewed by:** Mayank K. | Associate Software Development Engineer - II, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 17, 2022 **Qu'aimez-vous le plus à propos de Apache Arrow?** La gestion des grandes données est devenue très facile. L'intégration avec les différentes plateformes est très facile. Comme avec les instances Amazon EC2. **Que n’aimez-vous pas à propos de Apache Arrow?** Je pense que le produit a besoin de plus d'optimisation, il a des retards de performance. Le travail de documentation n'est pas à la hauteur, à un certain moment, il devient difficile à suivre. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Construire un produit d'intelligence d'affaires basé sur les données et gérer des données très volumineuses du détaillant. ### 17. Apache Arrow - Grande Plateforme **Rating:** 4.5/5.0 stars **Reviewed by:** mayank k. | Associate software development engineer 2, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 19, 2022 **Qu'aimez-vous le plus à propos de Apache Arrow?** L'intégration avec les outils tiers est devenue facile comme le cloud de calcul élastique d'Amazon. **Que n’aimez-vous pas à propos de Apache Arrow?** Je ne suis pas capable de suivre la documentation. Par conséquent, cela rend certaines fonctionnalités très complexes à comprendre. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Nous téléchargeons quotidiennement une grande quantité de données de 40 à 45 détaillants. Ainsi, la gestion des données est devenue facile pour nous avec cet outil. ### 18. Apache Arrow, la meilleure clé pour gérer d'énormes ensembles de données en utilisant une bibliothèque de calcul en science des données. **Rating:** 4.0/5.0 stars **Reviewed by:** IPSHITA P. | System Engineer, Entreprise (> 1000 employés) **Reviewed Date:** July 02, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** On peut créer des algorithmes à grande vitesse grâce aux mêmes charges de travail analytiques. Il fonctionne également très bien avec les instances AWS EC2. Il collabore avec les communautés de science des données et de bases de données dans un format de mémoire standard ouvert. Prend en charge la plupart des langages fréquemment utilisés, que ce soit R, c, c++, java ou perl à python. Pas besoin de s'inquiéter pour les ensembles de données volumineux, Apache Arrow s'en charge pour vous ! **Que n’aimez-vous pas à propos de Apache Arrow?** Malgré la meilleure efficacité, la complexité temporelle aurait pu être améliorée. Il devrait incorporer davantage de langages de programmation ainsi que de langages de base de données. **Recommandations à d’autres personnes envisageant Apache Arrow:** Recommanderai fortement au-dessus de HDF5 pour de grands ensembles de données. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Principalement travaillé avec des ensembles de données massifs à la demande dans Apache Arrow et déployé des algorithmes basés sur des calculs complexes. Également utilisé pour le stockage de données au niveau des colonnes. ### 19. La maison pour le traitement des données indépendant de la langue **Rating:** 4.0/5.0 stars **Reviewed by:** Nick M. | Graduate Research And Teaching Assistant, Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 09, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** La disposition de la mémoire utilisée dans Apache est supérieure aux autres choix disponibles. Non seulement cela, mais cette disposition de la mémoire est également utilisable avec différents langages de programmation. L'un des concurrents courants, Spark SQL, n'a pas la capacité d'être utilisé avec Python, ce qui est essentiel lors de l'utilisation de logiciels de service de données dans l'apprentissage automatique et l'intelligence artificielle. Cette capacité le place largement au-dessus de ses concurrents. De plus, le processus d'installation est bien plus simple que celui de ses concurrents existants. Tout cela ne nomme que quelques-unes des nombreuses fonctionnalités réelles incluses dans ce logiciel qui sont extrêmement précieuses par rapport à d'autres logiciels. Une caractéristique étonnante est leur service client ainsi que les guides qu'ils fournissent avec le logiciel. Il est plus facile de s'assurer que vous faites la bonne chose ou d'apprendre de nouvelles choses en utilisant ce logiciel grâce aux tutoriels et guides qu'ils ont fournis. **Que n’aimez-vous pas à propos de Apache Arrow?** La chose que je déteste le plus à propos de ce logiciel est que la courbe d'apprentissage est assez intense si vous êtes nouveau dans le système. Une fois que vous le comprenez, il est extrêmement facile à utiliser, cependant, ce premier petit bout peut être difficile à maîtriser pour les débutants. **Recommandations à d’autres personnes envisageant Apache Arrow:** Si vous cherchez à utiliser cela pour une configuration d'apprentissage automatique, alors c'est le logiciel de données parfait pour vous. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Nous résolvons le problème de l'utilisation de cela dans la section d'apprentissage automatique de notre entreprise. Nous faisons nos recherches en utilisant ce logiciel de données spécifique en raison de sa compatibilité avec Python, ce qui est inestimable. ### 20. Bibliothèques de calcul portables pour la science des données et l'algorithme **Rating:** 5.0/5.0 stars **Reviewed by:** Arati P. | Automation Developer, Entreprise (> 1000 employés) **Reviewed Date:** April 08, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** Rassembler les communautés de bases de données et de science des données pour collaborer à l'ère technologique. Format en mémoire à norme ouverte. Il prend en charge des langages comme C, C++, Java, Perl et Python et R Studio. C'est la partie fonctionnelle principale de Big Data Hadoop qui est entièrement basée sur des algorithmes complexes et une structure de données massive. Il aide au transfert de Big Data. La communauté Apache Hadoop s'établit avec la flèche vers le bas vers la structure en colonnes pour le traitement et l'échange en mémoire. **Que n’aimez-vous pas à propos de Apache Arrow?** La plupart ont le langage de base de données et différents types de langages de programmation. Complexité, besoin de plus de support sur le langage technique. Et il prend faiblement en charge les données catégorielles et n'a pas de planification de requêtes ni de modèle d'évaluation anticipée. **Recommandations à d’autres personnes envisageant Apache Arrow:** C'est excellent pour une utilisation lorsque vous avez l'environnement intégré java, python et c++ avec un algorithme complexe à utiliser. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Principalement, nous avons résolu un problème d'algorithme et c'est très utile pour une structure de données complexe dans une base de données. ### 21. Apache Arrow est idéal pour gérer d'énormes ensembles de données. **Rating:** 5.0/5.0 stars **Reviewed by:** Kavin K. | Machine Learning Engineer, Entreprise (> 1000 employés) **Reviewed Date:** June 16, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** En comparant les résultats d'Apache Arrow à HDF5, Arrow fonctionne le mieux pour gérer d'énormes ensembles de données, en particulier dans les instances AWS EC2. Pour travailler avec le stockage de données basé sur des colonnes, Arrow offre la meilleure efficacité pour effectuer des calculs. **Que n’aimez-vous pas à propos de Apache Arrow?** Bien qu'il ait la meilleure efficacité dans les calculs hors cœur comme décrire et compter, il ne fonctionnerait pas au mieux pour le calcul groupby qui implique des calculs en mémoire. **Recommandations à d’autres personnes envisageant Apache Arrow:** Pour travailler sur d'énormes ensembles de données pour résoudre des problèmes commerciaux et pour éviter les calculs en mémoire, apache arrow fonctionne le mieux. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Pour traiter les problèmes commerciaux en calculant d'énormes ensembles de données à la demande. J'utilise Apache Arrow pour stocker les données dans un stockage de niveau colonne. ### 22. Accélérateur et interface entre le langage et le système **Rating:** 5.0/5.0 stars **Reviewed by:** Puja S. | S, Marché intermédiaire (51-1000 employés) **Reviewed Date:** March 26, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** La disposition permet l'optimisation des instructions uniques sur plusieurs données. Nous pouvons créer des algorithmes très rapides en effectuant les mêmes charges de travail analytiques sur plusieurs points de données simultanément. **Que n’aimez-vous pas à propos de Apache Arrow?** Courbe d'apprentissage élevée. complexité plus de documentation. plus de support pour les développeurs **Recommandations à d’autres personnes envisageant Apache Arrow:** plateforme multilingue. Système de construction de données. Système d'analyse de données. Système de stockage. Système de streaming et de file d'attente. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Travail d'API avec de grandes données. Lire et écrire des actions sur le bureau. Construire un système de données. ### 23. Meilleur outil pour le support multiniveau. **Rating:** 3.5/5.0 stars **Reviewed by:** Nirmal R. | Android Engineer, Entreprise (> 1000 employés) **Reviewed Date:** August 02, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** Il prend en charge plusieurs langues. L'installation est devenue simple. **Que n’aimez-vous pas à propos de Apache Arrow?** Le document d'orientation n'est pas très informatif. Ils devraient donner quelques exemples. **Recommandations à d’autres personnes envisageant Apache Arrow:** pas sûr **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Il fournit une analyse des données du processus d'application du CPU et du GPU. ### 24. Apache Arrow : Accélérateur de petites données **Rating:** 4.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Technologie de l'information et services | Petite entreprise (50 employés ou moins) **Reviewed Date:** June 25, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** Un modèle de données prenant en charge des types complexes qui gèrent à la fois des types de données plats et des modèles JSON. Il gère très efficacement de grands ensembles de données. Créez un algorithme sur plusieurs ensembles de données simultanément pour effectuer le travail analytique. C'est indépendant du langage et fonctionne entièrement sur les données. **Que n’aimez-vous pas à propos de Apache Arrow?** Il faut une courbe d'apprentissage élevée pour travailler sur Apache Arrow. La documentation pourrait être beaucoup plus claire. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** J'utilise Apache Arrow pour gérer des ensembles de données complexes et analyser les données de manière très efficace, ce qui m'aide à comprendre les ensembles de données qui arrivent. ### 25. bon produit mais se bloque un peu **Rating:** 3.5/5.0 stars **Reviewed by:** Hemal J. | Software Engineer, Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 13, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** L'interface utilisateur est très bonne par rapport aux autres les performances sont bonnes si un bon matériel est fourni **Que n’aimez-vous pas à propos de Apache Arrow?** certaines fonctionnalités sont très complexes à comprendre **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Je crée des applications d'analyse de données en utilisant cela. ### 26. Examen d'Apache Arrow **Rating:** 5.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Technologie de l'information et services | Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 13, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** représentation de données open source et en mémoire qui permet aux systèmes analytiques et aux sources de données d'échanger et de traiter des données en temps réel, simplifiant et accélérant l'accès aux données, sans avoir à copier toutes les données **Que n’aimez-vous pas à propos de Apache Arrow?** L'ENSEMBLE DE RÉSULTATS AU FORMAT APACHE ARROW N'EST PAS PRIS EN CHARGE POUR LA PLATEFORME." UNE ERREUR SE PRODUIT LORS DE L'UTILISATION DU CONNECTEUR PYTHON AVEC SNOWFLAKE. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Open source et très bonne représentation des données ### 27. Brève revue d'Apache Arrow **Rating:** 4.5/5.0 stars **Reviewed by:** Wadood S. | Student, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 13, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** Il est facile à installer et il y a beaucoup de FAQ en ligne avec les ressources disponibles pour étudier et comprendre la pile technologique. **Que n’aimez-vous pas à propos de Apache Arrow?** Il n'a pas de standardisation industrielle, ce qui signifie que la plupart des entreprises utilisent leurs propres outils d'analyse de données ou des outils d'un fournisseur de cloud. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** En créant un outil de pipeline de données et en intégrant à la fois le calcul du CPU avec le streaming de données ### 28. J'avais un peu d'expérience. **Rating:** 5.0/5.0 stars **Reviewed by:** Tigran M. | Java Software Engineer, Petite entreprise (50 employés ou moins) **Reviewed Date:** June 11, 2021 **Qu'aimez-vous le plus à propos de Apache Arrow?** J'ai aimé la variété de bibliothèques pour différentes langues. **Que n’aimez-vous pas à propos de Apache Arrow?** Je n'avais pas de dégoûts, je n'ai pas beaucoup exploré. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** J'ai résolu le problème de l'emplacement mémoire avec le langage Java pour le vecteur. ### 29. Superbe système de structure de données en mémoire pour les ingénieurs. Grands avantages. **Rating:** 4.0/5.0 stars **Reviewed by:** Karan P. | Technical Lead, Marché intermédiaire (51-1000 employés) **Reviewed Date:** April 13, 2020 **Qu'aimez-vous le plus à propos de Apache Arrow?** De nombreuses bonnes choses comme sa disposition mémoire pour un accès aléatoire, son échange efficace et rapide entre les systèmes. Dans l'ensemble, une excellente expérience en l'utilisant. **Que n’aimez-vous pas à propos de Apache Arrow?** Rien de tel, c'est un outil d'aide à utiliser. **Recommandations à d’autres personnes envisageant Apache Arrow:** Si vous utilisez des structures de données complexes, c'est l'outil qu'il vous faut. Excellente expérience jusqu'à présent. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Il a un modèle de données structuré flexible qui prend en charge des types complexes ainsi que des données json du monde réel. Cela n'était pas si facile avant de l'utiliser. ### 30. Apache Arrow : Plateforme de développement croisée **Rating:** 3.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Technologie de l'information et services | Entreprise (> 1000 employés) **Reviewed Date:** June 05, 2018 **Qu'aimez-vous le plus à propos de Apache Arrow?** Il est indépendant de la langue et fonctionne sur un format de mémoire, qu'il s'agisse de données plates ou hiérarchiques. Conçu de manière à imposer moins de charge sur le matériel. **Que n’aimez-vous pas à propos de Apache Arrow?** Ce n'est pas si facile à mettre en œuvre et nécessite des connaissances techniques assez pointues. **Quels sont les problèmes que Apache Arrow résout, et en quoi cela vous est-il bénéfique?** Principalement dans le développement et les algorithmes. ## Apache Arrow Discussions - [What is Apache arrow flight?](https://www.g2.com/fr/discussions/what-is-apache-arrow-flight) - [Who created Apache arrow?](https://www.g2.com/fr/discussions/who-created-apache-arrow) - [Is Apache arrow a database?](https://www.g2.com/fr/discussions/is-apache-arrow-a-database) - [What is Apache arrow used for?](https://www.g2.com/fr/discussions/what-is-apache-arrow-used-for) - [What is the best way to effectively use Apache arrow for in-memory computations.](https://www.g2.com/fr/discussions/what-is-the-best-way-to-effectively-use-apache-arrow-for-in-memory-computations) - 1 upvote - [View Apache Arrow pricing details and edition comparison](https://www.g2.com/fr/products/apache-arrow/reviews?section=pricing&secure%5Bexpires_at%5D=2026-05-30+12%3A35%3A06+-0500&secure%5Bsession_id%5D=87a8e806-3598-45dc-abcd-7aa808b6d9a1&secure%5Btoken%5D=34de2108f000e3c5dfa3068408130f7076a54b2e70a7a3934a5d23740b381708&format=llm_user) ## Apache Arrow Features **Fonctionnalité** - Facilité d’utilisation - Gestion des fichiers - Prise en charge multilingue - Personnalisation - Fonctionnalité prête à l’emploi - Guides d’aide - Correctifs et mises à jour **Fonctionnalité** - Facilité d’utilisation - Gestion des fichiers - Prise en charge multilingue - Personnalisation - Fonctionnalité prête à l’emploi - Guides d’aide - Correctifs et mises à jour ## Top Apache Arrow Alternatives - [Eclipse](https://www.g2.com/fr/products/eclipse/reviews) - 4.3/5.0 (3,087 reviews) - [Visual Studio](https://www.g2.com/fr/products/visual-studio/reviews) - 4.5/5.0 (3,808 reviews) - [Xcode](https://www.g2.com/fr/products/xcode/reviews) - 4.2/5.0 (994 reviews)