Recensioni e Dettagli del Prodotto Apache Beam

Beam è fantastico. Sia l'elaborazione batch che quella in streaming sono gestite tramite la stessa semantica/codice. Basta cambiare i tuoi IO, ad esempio: database o file per il batch, o una coda di messaggi per i casi d'uso in streaming. Recensione raccolta e ospitata su G2.com.

Le persone a volte hanno difficoltà ad imparare. Vorrei che fosse più facile per le persone. Recensione raccolta e ospitata su G2.com.

Mi è piaciuto il modo in cui Beam fornisce un'astrazione per il complesso paradigma distribuito utilizzando pCollection e Transforms, ecc.

Inoltre, il suo approccio unificato per gestire sia l'elaborazione Batch che Stream è unico ed efficiente. Recensione raccolta e ospitata su G2.com.

Al momento dello sviluppo, ho scoperto che eseguire l'operazione di Join non era così semplice e abbiamo dovuto utilizzare coGroupByKey per farlo, il che era un po' confuso per noi. Forse fornire un'astrazione come un'operazione di join semplice aiuterebbe la comunità degli utenti. Forse la comunità degli sviluppatori potrebbe aver già fornito quell'opzione, ma non era disponibile quando stavamo lavorando al nostro caso d'uso. Recensione raccolta e ospitata su G2.com.

Ho utilizzato Apache Beam per progettare la mia pipeline su Google Cloud Platform. La mia esperienza è stata senza intoppi. Ho progettato sia per dati batch che per dati in streaming. Recensione raccolta e ospitata su G2.com.

Mancanza di corsi disponibili su Apache Beam che possano aiutare i principianti a imparare Beam Recensione raccolta e ospitata su G2.com.

In termini di capacità e generalità, penso che Apache Beam sia attualmente il framework più avanzato e flessibile per progettare e implementare applicazioni moderne ad alta intensità di dati. Perfettamente in grado di specificare sia calcoli batch che streaming, inoltre in termini di capacità di streaming, offre davvero molto! Ci vuole un po' di tempo per familiarizzare con le API, ma dopo va abbastanza liscio. Infine, il supporto per vari motori di esecuzione grazie all'astrazione "runner" lo rende una scelta eccellente quando la portabilità tra diverse piattaforme, sia in locale che nel Cloud, diventa un fattore. Assolutamente consigliato. Recensione raccolta e ospitata su G2.com.

Attualmente le API non sono esattamente molto amichevoli. Recensione raccolta e ospitata su G2.com.

Aggiorna frequentemente e supporta più lingue Recensione raccolta e ospitata su G2.com.

Più noioso nel debug del codice dell'applicazione. Inoltre, log degli errori non molto informativi. Recensione raccolta e ospitata su G2.com.

Ciò che mi piace di più di Apache Beam è la facilità d'uso nella definizione di pipeline per ETL sia nel Batch che nello Streamline Processing. Essendo un software open-source, Beam è uno degli strumenti più potenti disponibili. Recensione raccolta e ospitata su G2.com.

È un po' più lento di Apache Flink poiché Beam è principalmente classificato tra gli strumenti di database grafici, mentre Flink è classificato tra gli strumenti di Big Data. Inoltre, non fornisce alcuna interfaccia utente per monitorare lo stato del lavoro, mentre Flink lo fa. Funziona abbastanza bene per piccoli compiti ETL in GCP piuttosto che per compiti grandi che coinvolgono molti flussi di elaborazione. Flink è migliore se il tuo caso d'uso deve gestire molti flussi contemporaneamente. Recensione raccolta e ospitata su G2.com.

Con Apache Beam, i pipeline di elaborazione dei dati diventano davvero semplici. Lo stiamo utilizzando negli ultimi 3 mesi e lo abbiamo trovato davvero efficace, soprattutto per il processo ETL dei dati che produciamo. Recensione raccolta e ospitata su G2.com.

È buono per i processi più piccoli, ma non è consigliabile per i processi di snellimento più grandi. Recensione raccolta e ospitata su G2.com.

È un motore di workflow open-source che ti permette di codificare la logica del tuo flusso di lavoro per l'elaborazione dei dati. Ti consente di elaborare i tuoi dati basandoti su batch e flussi. Recensione raccolta e ospitata su G2.com.

Dovresti imparare la funzione di base del tuo flusso di lavoro usando Java. Quindi, ci vuole tempo (dipende dalla tua curva di apprendimento) Recensione raccolta e ospitata su G2.com.

Apache Beam ha una buona funzionalità "Pardo" e "dofn" che aiuta a scrivere codice personalizzato e a realizzare potenti operazioni parallele. Recensione raccolta e ospitata su G2.com.

Apache Beam ha solo connettività Jdbc e dopo l'operazione di scrittura non puoi aprire nuovamente una nuova PCollection. Recensione raccolta e ospitata su G2.com.

Libertà di scegliere i propri runtime. Questo offre un'enorme flessibilità agli sviluppatori. Recensione raccolta e ospitata su G2.com.

le istruzioni per il deployment e la produzione e i casi di studio dovrebbero essere migliorati Recensione raccolta e ospitata su G2.com.