Recensioni e Dettagli del Prodotto Google Cloud Dataflow

La cosa migliore di Dataflow è la sua capacità completamente gestita, così non dobbiamo gestire l'infrastruttura e si scala facilmente. Fornisce anche molti modelli utili per sviluppatori di livello principiante e intermedio e, oltre a ciò, possono facilmente aggiornare la configurazione e la pipeline e possono elaborare petabyte di dati. Inoltre, supporta l'SDK Yaml che elimina anche le dipendenze da Apache Beam. Recensione raccolta e ospitata su G2.com.

Quando lavoriamo con l'elaborazione distribuita, è difficile ottenere la configurazione corretta, specialmente per un nuovo utente è molto complesso impostarla e la maggior parte delle volte costa molto se non impostata correttamente. E poiché supporta solo Apache Beam, alcuni concetti sono molto difficili da comprendere. Inoltre, possono lavorare sul monitoraggio e il logging, a volte non è chiaro. Recensione raccolta e ospitata su G2.com.

Google Cloud Dataflow è estremamente facile da usare per elaborare flussi di eventi. Costruire pipeline di streaming complesse è semplice ed efficiente con Dataflow. Offre il monitoraggio in tempo reale della pipeline di streaming con metriche importanti come il throughput, l'utilizzo della CPU e della memoria.\nÈ facile da integrare con fonti e destinazioni di dati come Cloud Pub/Sub, Kafka e Cloud Spanner. Recensione raccolta e ospitata su G2.com.

È costoso rispetto ad altre soluzioni come Apache Flink. Difficile implementare i watermark. Recensione raccolta e ospitata su G2.com.

- utilizzare Jupyter Notebook per scrivere codice e non preoccuparsi dei servizi di backend.

GCP Dataflow gestisce senza sforzo i compiti di big data, unificando il codice con Apache Beam. È un giocatore di squadra di Google Cloud, eccellendo con servizi come BigQuery. Recensione raccolta e ospitata su G2.com.

- non molta documentazione e risorse disponibili su di esso

Le complessità dei costi richiedono vigilanza, e i connettori esterni potrebbero necessitare di attenzione personalizzata. Sebbene si armonizzi all'interno del regno di Google Cloud, la dipendenza dall'ecosistema potrebbe non adattarsi a coloro che si trovano in altri ambienti cloud. Recensione raccolta e ospitata su G2.com.

Cloud Dataflow ti consente di avere un demone che esegue ETL fornendo al contempo un'osservabilità di alto livello. Prima di questo, ero abituato a lavori di lunga durata con scarsa osservabilità, o strumenti low/no code che non mi permettevano di configurare i compiti nel modo desiderato utilizzando il codice. Dataflow mi consente di utilizzare Apache Beam su Python con grande efficacia per creare una soluzione ripetibile e facilmente monitorabile. Recensione raccolta e ospitata su G2.com.

Gli esempi di Python potrebbero essere molto più completi. Inoltre, il modello di concorrenza è difficile da capire, a volte sperimento contese di blocco con istanze DoFn in esecuzione simultanea e non è del tutto chiaro quanti thread concorrenti stiano elaborando il mio carico di lavoro. Recensione raccolta e ospitata su G2.com.

Google Cloud Dataflow ottimizza automaticamente e gestisce le risorse per te. Questa piattaforma supporta più linguaggi di programmazione, tra cui Python, Java e SQL, e rende facile per gli sviluppatori concentrarsi sulla scrittura del codice. Recensione raccolta e ospitata su G2.com.

Fino ad ora non ho trovato alcun tipo di svantaggio. Amo semplicemente questo e ogni aggiornamento di questa piattaforma mi fa innamorare di nuovo. Recensione raccolta e ospitata su G2.com.

La tolleranza ai guasti è la cosa migliore del flusso di dati con la facilità di avviare il lavoro e monitorarlo. Recensione raccolta e ospitata su G2.com.

L'SDK Python sembra meno evoluto. L'integrazione di Kafka per Python non è pronta per la produzione. Recensione raccolta e ospitata su G2.com.

Visualizzazioni dei tuoi nodi e approfondimenti durante l'esecuzione riguardo all'esecuzione, quanti nodi sono stati avviati. Recensione raccolta e ospitata su G2.com.

Una volta avviata un'esecuzione, non c'è modo di annullarla/terminarla. Ciò significa che se noti problemi durante l'esecuzione, sei praticamente bloccato. Recensione raccolta e ospitata su G2.com.

Mi piace molto Apache Beam, che uso con Dataflow. Funziona bene, su Google Cloud, sia per l'elaborazione Batch che Stream. Il calcolo funziona semplicemente, e permette ai nostri Ingegneri dei Dati di portare a termine le cose. Recensione raccolta e ospitata su G2.com.

Anni fa, parte del marketing era eccessivo. Oggi è all'altezza delle aspettative. Sono rattristato dal fatto che più persone non lo usino, perché è così potente. Recensione raccolta e ospitata su G2.com.

L'interfaccia utente è molto semplice e i programmi e i lavori possono essere creati molto facilmente. Inoltre, il supporto per i modelli in Java e Python è incredibile. Recensione raccolta e ospitata su G2.com.

I parametri e i modelli sono molto rigidi e ulteriori debug sono difficili poiché i log non sono molto utili. Se una pipeline fallisce spesso, gli errori e i log sono scarsi. Recensione raccolta e ospitata su G2.com.

Google Dataflow è eccezionale poiché offre l'esperienza più semplice e fluida per il caricamento dei dati, sia in modalità Batch che Streaming. I migliori aspetti sono:

1. Fornisce un'elaborazione Big Data al 100% efficiente insieme a una facile migrazione dei dati.

2. Capacità di creare app personalizzate e progettare API.

3. La sua interfaccia utente e funzionamento a misura di sviluppatore. Recensione raccolta e ospitata su G2.com.

Penso che sia una delle migliori piattaforme per lavorare su Big Data, ma il fatto è che è molto difficile da capire. Anche le guide di aiuto e la documentazione sono limitate e la comunità non è così grande. So che nei prossimi anni si potrà risolvere e spero che venga raggiunto il prima possibile. Recensione raccolta e ospitata su G2.com.