Recensioni e Dettagli del Prodotto Apache Airflow

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.

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.

Airflow migliora l'osservabilità delle pipeline - sia dei processi che dei dati - al massimo livello.

Consente la distribuzione dell'esecuzione delle pipeline tra un team di stakeholder con diversi background tecnici in un ambiente sicuro e facile da usare. Recensione raccolta e ospitata su G2.com.

L'installazione, la configurazione e l'esecuzione non sono semplici, ed è necessaria una messa a punto. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di Apache Airflow è come mi permette di orchestrare pipeline di dati complesse in modo molto strutturato. Nella pianificazione della domanda della catena di approvvigionamento, ci occupiamo di più fonti di dati - vendite, inventario, produzione, persino segnali esterni come festività o condizioni meteorologiche. Airflow rende più facile pianificare, monitorare e rieseguire questi flussi di lavoro senza troppi problemi manuali. Mi piace anche la visibilità che offre attraverso l'interfaccia utente, aiuta a individuare rapidamente quando un'attività sta fallendo e perché. Per me, questo fa risparmiare molto tempo rispetto alla scrittura di script ad hoc e cron job. Recensione raccolta e ospitata su G2.com.

A volte Airflow può sembrare un po' pesante, specialmente quando lo si configura per la prima volta. Per flussi di lavoro più piccoli sembra quasi eccessivo, ma in progetti di pianificazione della catena di approvvigionamento più grandi ne vale la pena. L'interfaccia utente è buona ma può essere lenta quando ci sono troppi DAG in esecuzione. Inoltre, la curva di apprendimento non è banale – ci vuole un po' di tempo per sentirsi a proprio agio con operatori, connessioni e gestione dei backfill. Vorrei anche che la documentazione avesse più casi d'uso reali nella catena di approvvigionamento invece di soli esempi generici di ETL. Recensione raccolta e ospitata su G2.com.

Impostare pipeline ETL e orchestrare flussi di lavoro è semplice, grazie alla vasta gamma di integrazioni disponibili con quasi tutte le fonti di dati e applicazioni aziendali. Recensione raccolta e ospitata su G2.com.

Sebbene ci sia una vasta gamma di possibili integrazioni, il pianificatore integrato non è particolarmente avanzato quando si tratta di gestire requisiti di pianificazione complessi. Recensione raccolta e ospitata su G2.com.

Apache Airflow è molto utile nell'orchestrare flussi di lavoro complessi. Mi piace molto l'orchestrazione dei flussi di lavoro basata su DAG, questo mi ha aiutato a suddividere grandi compiti in compiti più piccoli, il che ha reso il debug più facile. La cosa migliore che mi piace di Airflow è il suo meccanismo di ripetizione: se voglio eseguire un compito specifico di un Dag o se un Dag fallisce in un compito particolare, posso semplicemente riprovare quel compito specifico invece di eseguire l'intero Dag dall'inizio, il che ha davvero risparmiato molto tempo. Un'altra cosa fantastica di Airflow è il suo approccio Dynamic Dag: quando c'è la necessità di creare più DAG simili, possiamo creare un modello specifico e utilizzare quel modello per tutti i DAG simili, il che è davvero una caratteristica straordinaria, questo mi ha aiutato molto e ha ridotto la scrittura manuale. Uso Airflow da 1 anno e sento che Airflow è la migliore piattaforma per l'orchestrazione dei flussi di lavoro. Il supporto clienti è molto reattivo e utile. Recensione raccolta e ospitata su G2.com.

Non c'è una documentazione adeguata per alcuni operatori, il che rende difficile per i nuovi utenti. Recensione raccolta e ospitata su G2.com.