Recensioni e Dettagli del Prodotto Apache Airflow

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 Recensione raccolta e ospitata su 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. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di Airflow è la sua flessibilità e il numero di funzionalità per costruire flussi di lavoro utilizzando i DAG. È molto utile per gestire pipeline complesse con dipendenze. L'integrazione con diversi sistemi è anche forte. Una volta completata la configurazione, funziona in modo affidabile ed è utilizzato frequentemente nelle operazioni quotidiane. Recensione raccolta e ospitata su G2.com.

La facilità d'uso è un'area in cui può migliorare, specialmente per i nuovi utenti. L'installazione iniziale e l'implementazione richiedono sforzo se la gestisci da solo. L'interfaccia utente non è molto intuitiva e a volte è lenta. Inoltre, il debug dei flussi di lavoro falliti può richiedere tempo. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di Apache Airflow è come rende la gestione dei flussi di lavoro organizzata e prevedibile. Puoi definire chiaramente i compiti, impostare le dipendenze e vedere tutto disposto in un unico posto, il che rende molto più facile comprendere pipeline complesse.

Mi piace anche quanto sia flessibile. Puoi costruire e personalizzare flussi di lavoro per adattarli praticamente a qualsiasi pipeline di dati, e la pianificazione funziona semplicemente una volta impostata. L'interfaccia utente è un altro grande vantaggio, rende facile monitorare le esecuzioni, risolvere i problemi e vedere rapidamente dove qualcosa è fallito senza dover scavare nei log per ore. Recensione raccolta e ospitata su G2.com.

Una cosa che non mi piace di Apache Airflow è che può sembrare piuttosto pesante e complesso, specialmente all'inizio. Configurarlo correttamente richiede tempo, e ci sono parecchi elementi da comprendere prima che tutto funzioni senza intoppi.

Anche il debug può essere frustrante a volte. Quando qualcosa va storto, i log non sono sempre i più facili da seguire, quindi può richiedere più tempo del previsto per capire cosa è andato storto. Può anche essere un po' intensivo in termini di risorse, il che non è ideale se stai gestendo progetti più piccoli o hai solo bisogno di qualcosa di leggero. Recensione raccolta e ospitata su G2.com.

Per me, la caratteristica distintiva è sicuramente l'interfaccia utente web. Come ingegnere dei dati, mi trovo spesso a risolvere problemi, e la vista a griglia in Airflow rende estremamente semplice identificare esattamente dove una pipeline ha fallito. Posso accedere rapidamente ai log di qualsiasi compito specifico e determinare cosa è andato storto in pochi secondi. Questo livello di trasparenza è qualcosa che i tradizionali cron job o script di base semplicemente non offrono. Avere un cruscotto centrale per tutti i tuoi flussi di lavoro fornisce davvero tranquillità. Recensione raccolta e ospitata su G2.com.

La sfida principale è la facilità di implementazione per i principianti. Configurare l'infrastruttura (come il server web, il pianificatore e il database) richiede una buona conoscenza di DevOps, il che può essere un ostacolo per un piccolo team.

Poiché è open-source, non hai il supporto clienti tradizionale, quindi ti affidi molto alla comunità. Sebbene la comunità sia attiva, la documentazione può a volte risultare un po' opprimente quando si cerca di risolvere un problema di configurazione molto specifico. È uno strumento potente, ma la facilità d'uso dal punto di vista dell'installazione potrebbe sicuramente essere migliorata. Recensione raccolta e ospitata su G2.com.

Adoro usare Apache Airflow per creare pipeline ETL, soprattutto con la sua visualizzazione DAG guidata dall'interfaccia utente che rende la comprensione del flusso di lavoro e delle dipendenze molto più semplice. La vista grafica e di fase è incredibile, e identificare gli errori è semplice. La funzione di monitoraggio dei task è davvero utile, permettendomi di vedere quali lavori sono in esecuzione, e la gestione dei retry e dei fallimenti è essenziale per operazioni fluide. L'installazione è stata semplice, in particolare su AWS, ed è incredibilmente utile quando integrato con Acceldata per l'osservabilità delle pipeline. Recensione raccolta e ospitata su G2.com.

L'unica cosa che ho notato, quando ci sono più DAG, è che l'interfaccia utente può a volte sembrare lenta quando si gestiscono molti compiti. Recensione raccolta e ospitata su G2.com.

l'intero processo è molto estensibile, poiché ci sono così tanti utenti, abbiamo molti operatori/plugin integrati. L'interfaccia utente è molto pulita e intuitiva. Recensione raccolta e ospitata su G2.com.

Non credo ci sia una funzione dove possiamo vedere i log di tutti i lavori in un unico posto, diciamo che abbiamo 20-30 passaggi, quindi dobbiamo andare a ogni passaggio e controllare i log, quindi vorrei che tutti i log fossero consolidati. Recensione raccolta e ospitata su G2.com.

Mi piacciono i DAG chiari di Apache Airflow poiché rendono i flussi di lavoro facili da comprendere e mantenere. La funzione di pianificazione garantisce che le pipeline vengano eseguite automaticamente senza sforzo manuale, il che è davvero utile. Apprezzo anche i tentativi di ripetizione e il monitoraggio, poiché aiutano a rilevare e recuperare rapidamente dai fallimenti. Inoltre, la sua scalabilità è un vantaggio significativo, permettendomi di gestire in modo affidabile carichi di lavoro di dati in crescita, rendendo Airflow affidabile per le pipeline di produzione. Nel complesso, queste caratteristiche migliorano davvero la mia esperienza con Apache Airflow. Recensione raccolta e ospitata su G2.com.

Alcune cose in Apache Airflow non funzionano molto bene per me. L'installazione e la configurazione iniziale sono un po' complesse e richiedono tempo. L'interfaccia utente a volte sembra lenta quando molti DAG sono in esecuzione. Il debug dei task falliti non è sempre chiaro, i log sono sparsi. Inoltre, gli aggiornamenti di versione possono rompere i DAG esistenti, la compatibilità retroattiva dovrebbe essere migliore. Recensione raccolta e ospitata su G2.com.

Apache Airflow rende incredibilmente facile progettare, programmare e monitorare flussi di lavoro complessi utilizzando Python. Mi piace come permette di costruire DAG in modo molto leggibile e modulare, il che aiuta nella gestione di pipeline di dati su larga scala. L'interfaccia utente è intuitiva e offre piena visibilità sull'esecuzione dei task, sui tentativi di ripetizione e sui log. La sua capacità di integrarsi perfettamente con database, fornitori di cloud e servizi esterni lo rende molto flessibile per casi d'uso reali. Il supporto della comunità e i plugin disponibili rendono anche facile estendere la funzionalità secondo necessità. Anche il supporto clienti è buono. Recensione raccolta e ospitata su G2.com.

Airflow può essere un po' difficile da configurare e impostare inizialmente, specialmente quando viene distribuito in produzione con più worker e scheduler. La gestione delle risorse e il dimensionamento a volte richiedono una messa a punto aggiuntiva, e il debug può essere complicato per i nuovi utenti. La curva di apprendimento è più ripida rispetto ad alcuni altri strumenti di orchestrazione, e l'interfaccia utente, sebbene utile, potrebbe essere più moderna e reattiva. Tuttavia, una volta configurato, diventa stabile e molto affidabile. Recensione raccolta e ospitata su G2.com.

Utilizzo Apache Airflow per la gestione e il monitoraggio del flusso di progetto. Trovo che la sua interfaccia utente basata sul web e le funzionalità di scripting in Python siano preziose, rendendo facile sviluppare e progettare flussi di processo. Python come linguaggio di scripting è più user-friendly rispetto ad altri linguaggi complessi, il che aiuta a scrivere diagrammi di flusso complessi meglio che con i linguaggi tradizionali. Recensione raccolta e ospitata su G2.com.

Il processo di installazione di Apache Airflow è piuttosto complesso e altamente dipendente da PIP, rendendolo molto difficile da gestire su server bloccati per la sicurezza informatica. La configurazione iniziale è impegnativa, specialmente in un ambiente basato su proxy, poiché richiede molte autorizzazioni e installazioni manuali. Recensione raccolta e ospitata su G2.com.

Ciò che mi piace di più di Apache Airflow è la sua flessibilità e le potenti capacità di pianificazione. Come sviluppatore, posso progettare flussi di lavoro complessi come codice utilizzando Python, rendendo facile il controllo delle versioni e la collaborazione con i compagni di squadra. L'interfaccia utente è intuitiva per monitorare le esecuzioni dei DAG e risolvere i problemi, e il grande ecosistema di integrazioni di Airflow mi permette di connettermi con quasi qualsiasi strumento o database. Recensione raccolta e ospitata su G2.com.

La curva di apprendimento è piuttosto ripida, in particolare quando si configura il pianificatore e si gestiscono le dipendenze dei compiti. A volte l'interfaccia web di Airflow sembra lenta, e risolvere i problemi può diventare complicato con DAG complessi. Inoltre, sebbene ci siano molte integrazioni, mantenere le dipendenze compatibili durante gli aggiornamenti non è sempre semplice. Recensione raccolta e ospitata su G2.com.